دانلود مقالات کامپیوتر

گسترش دادن پرس و جوها يكي از روش هايي است كه در زمينه بازيابي اطلاعات براي بهتر كردن نتايج جستجو استفاده مي شود. پرس و جوها را مي توان با استفاده از منابع مختلفي مانند نتايج جستجوي اوليه، جستجوهاي ثبت شده كاربران ديگر و يا منابع جانبي مانند دايره المعارف ها و هستان شناسي ها گسترش داد. در اين نوشتار روش جديدي براي گسترش پرس و جو ارايه شده است كه از عبارات متداول استفاده شده در محيط وب براي معرفي و پيوند دادن به منابع مورد نظر توسط افراد مختلف براي توسعه پرس و جوها كمك مي گيرد. در اين روش براي گسترش پرس و جو از عنوان پيوندهاي موجود در دسته اي از صفحات وب استفاده مي شود كه به منابع حاوي پرس و جوي اوليه پيوند داده اند. همچنين روش ارايه شده با استفاده از امكانات موتور جستجوگر گوگل پياده سازي شده و نتايج آن مورد بررسي قرار گرفته است.

آشكارساز صوت  (Voice Activity Detection)ابزار مهمي براي افزايش كارائي روش هاي كد كردن گفتار، بهبود كيفيت گفتار و بازشناسي گفتار محسوب مي شود. آشكارسازها به روش هاي آستانه گذاري و روشهاي مبتني بر مدل تقسيم مي شوند. روش هاي آستانه گذاري كارائي ضعيفي در محيط نويزي دارند. از اينرو در مقاله حاضر يك الگوريتم VAD مبتني بر مدل مخفي ماركوف پيشنهاد شده است كه در دو مرحله عمل مي كند. نخست با يك دسته بند (مدل مخفي ماركوف)، نوع نويز تشخيص داده مي شود. در مرحله دوم، آشكارساز صوت مرتبط با آن نويز بكار مي رود تا عملكرد بالاتري در محيط نويزي داشته باشد. ويژگي هاي مورد استفاده در اين روش، بردار ۳۹ بعدي شامل لگاريتم انرژي، ۱۲ ضريب MFCC و مشتقات مرتبه اول و دوم آنها مي باشد عملكرد الگوريتم پيشنهادي بر روي دادگان TIMIT مورد ارزيابي قرار گرفته است. بر اساس نتايج بدست آمده روش پيشنهادي نسبت به روش هاي ديگر عملكرد قابل قبولي از خود نشان داده است.

روش هاي موجود براي پالايش صفحات وب بيشتر مبتني بر سد كردن نشاني هاي اينترنتي خاص از طريق جستجو در يك ليست مرجع از صفحات غير مجاز و يا با استفاده از تحليل ساده متن از طريق جستجوي كلمات كليدي خاص در صفحات است. مشكل اصلي اين روش ها نياز براي به روزرساني مداوم فهرست نشاني ها و نيز ميزان قابل توجه اشتباه گرفتن صفحه هاي مجاز در آنهاست. در اين مقاله يك روش پالايش هوشمند براي پالايش صفحات غيراخلاقي را پيشنهاد كرده ايم كه با استفاده از هر سه نوع ويژگي ساختاري، متني و تصويري و تركيب سلسله مراتبي آنها يك دسته بندي هوشمند با دقت بالا (روي FN و FP هر دو) را به دست مي دهد. الگوريتم روي 2600 صفحه وب شامل 1400 صفحه غيراخلاقي (داراي متن، تصوير، يا هر دو) انگليسي و فارسي و 1200 صفحه مجاز شامل صفحات پزشكي، سلامت، ورزشي و غيره مورد آزمايش قرار گرفته و دقت دسته بندي بالاي 95% را به همراه داشته است.

بسياري از كاربردهاي كامپيوتر در ارتباط انسان و ماشين و بيومتري نياز به پايگاه داده اي براي آزمون ايده ها و مقايسه آنها دارند. از جمله اين كاربردها مي توان بازشناسي احساس انسان؛ بازشناسي گفتار؛ مدل سازي چهره براي يافتن يا بازشناسي آن را نام برد. گرچه پايگاه داده هاي متعددي در دنيا تهيه شده و برخي از آنها به صورت عمومي در دسترس است؛ تاكنون، پايگاه مناسبي به زبان فارسي بدين منظور ارايه نشده است. در اين تحقيق پايگاه داده مناسبي تهيه شده كه مي توان از آن براي كاربردهاي ياد شده و ديگر كاربردهاي مشابه بهره گرفت. پايگاه حاضر؛ تصاوير ويديويي چهره ١٢ نفر را در هنگام بروز احساس هاي مختلف در بر مي گيرد. از هر صحنه همزمان بوسيله چهار دوربين در زواياي مختلف تصوير برداري شده و صدا هم با كيفيت مناسبي بوسيله ميكروفن ويژه اي ضبط شده است.

در اين مقاله يك روش جديد در پايدارسازي ويدئو ارايه شده است. اين روش شامل سه مرحله كلي زير مي باشد: ۱- تخمين پارامترهاي حركت دوربين ۲- فيلترينگ حركت و جداسازي حركت هاي ناخواسته لرزش از حركت هاي عمدي دوربين ۳- جبرانسازي حركت هاي ناخواسته و حذف لرزش تصاوير. در بخش تخمين پارامترهاي دوربين از روشي استفاده شده است كه درآن پارامترهاي حركت بدون خطا تخمين زده مي شوند و در مقابل خطاي ناشي از اختلاف عمق كاملا مقاوم مي باشند و در قسمت فيلترينگ حركت از يك نوع فيلتر پايين گذري با شيفت فازي صفر استفاده شده است. در اين روش در صورتيكه حركت هاي دوربين شامل حركت هاي انتقالي و چرخشي تواما با هم باشند و همچنين تصاوير ويدئو شامل تغييرات عمق قابل توجه اي نيز باشد درست عمل نموده و كارايي لازم را دارد.

در اين مقاله بر روي يك موضوع مهم در شبكه هاي موردي سيار، كه مسيريابي چند پخشي است، متمركز شده و يك پروتكل مسيريابي چند پخشي بنا به درخواست توري را پيشنهاد داده ايم كه كيفيت سرويس را نيز از لحاظ رزرو پهناي باند و كاهش تاخير بسته ها پشتيباني مي كند. طرح پيشنهادي داراي 4 ويژگي زير است: الف) مبتني بر گروه جلوبرنده است (بدين معني كه تنها زيرمجموعه اي از گره ها مسوول جلو راندن بسته هاي چند پخشي هستند)؛ ب) اعضاي گروه جلوبرنده به صورت پويا و به كمك روالي مشابه مسيريابي بنا به درخواست، تجديد مي شوند؛ ج) پروتكل پيشنهادي به طور قابل توجهي سربار كنترلي را كاهش داده و از طريق ادغام بسته هاي كنترلي منجر به توسعه پذيري پروتكل مسيريابي چند پخشي مي شود؛ د) با تخمين تقريبي پهناي باند مورد نياز و پهناي باند موجود در مسيرهاي فعال انتها به انتها، از مسيريابي كيفيت سرويس نيز پشتيباني مي كند.

در اين مقاله به آناليز بر صداي اول و دوم قلبي به منظور ارزيابي عملكرد سيستم قلبي - عروقي انجام مي شود. روش هايي بدين منظور ارايه و مقايسه شده كه به كمك اين تكناك ها به جداسازي صداها و مولفه هاي دروني آنها مي پردازد. فاصله بين مولفه هاي استخراج شده قلبي، بيانگر عملكرد سيستم هاي قلبي - عروقي مي باشد. اين روشها شامل مقايسه و تحليل اسپكتروگرام، توزيع ويگنر و طيف مرتبه سوم (Bispectrum) تكنيك هاي تبديل موجك در سيگنال صداي قلبي (PGG) مي پردازد. كه شامل اسپكتروگرام (STFT) براي پيدا كردن دو مولفه از صداي اول (M1 and T1:mitral and tricuspid component) و همچنين دو مولفه از صداي دوم شامل: (A2 and P2: atrial and pulmonary component)، توزيع ويگنر مشخصه هاي زمان - فركانس از S₁ وS₂ ، Bispectrum براي نمايش در دو فركانس و تبديل موجك براي پيدا كردن دو مولفه براي هر يك از صداهاي S₁ و S₂ و تبديل فوريه نيز براي استخراج ويژگي هاي بيشتر مي باشد.

در اين مقاله روشي جهت پنهان شكني تصاوير ديجيتال ارايه شده است. در اين روش بر اساس ويژگي هاي استخراج شده از ماتريس رخداد همزمان از روي ضرايب DCT تمايز بين تصاوير پوشانه و گنجانه صورت مي پذيرد. قبل از محاسبه ماتريس رخداد هم زمان، ضرايب با تعداد بيت هاي كم ارزش (LSB) بازسازي مي شوند بنابراين دامنه تغييرات ضرايب محدود شده و ابعاد ماتريس نيز به شدت كاهش مي يابد. كليه المان هاي اين ماتريس به عنوان ويژگي استفاده شده و از طبقه بندي كننده SVM جهت آموزش و تست استفاده مي گردد. با آزمايشات مختلف بر روي آلگوريتم پنهان نگاري بر اساس مدل حالت هاي مختلف ويژگيهاي مورد تست قرار گرفت و نشان داده مي شود كه با بردار ويژگي حاصل از ۲ صفحه بيتي نيز مي توان عمل پنهان شكني را با بيش از ۹۰ درصد آشكارسازي درست انجام داد.

استفاده از سيگنال هاي حياتي به عنوان يك ابزار واسط ارتباطي بين انسان و كامپيوتر اخيرا مورد توجه قرار گرفته است. يكي از اين سيگنال ها، سيگنال الكترو اكلوگرام (EOG) است، كه ناشي از پتانسيل چشمي مي باشد. در اين مطالعه از شبكه هاي عصبي مصنوعي براي تشخيص جهت حركت چشم از روي سيگنال EOG استفاده شده است. شبكه هاي عصبي به دليل قابليت يادگيري ديناميك هاي غيرخطي و تقريب فراگيرشان، قادر به تشخيص و طبقه بندي سيگنال هاي بيولوژيكي داراي ديناميك غيرخطي، از جمله سيگنال EOG مي باشند. در اين مطالعه از دو شبكه كاملا متفاوت MLP و ART براي آشكارسازي حركات متوالي و تصادفي چشم استفاده شده است. نتايج نشان مي دهد كه شبكه MLP قادر است حركات متوالي چشم را با دقت بالاي %90 تشخيص دهد، اما در مورد حركات اتفاقي صحت تشخيص اين شبكه بسيار پايين است. در بخش تشخيص حركات تصادفي چشم، بهترين نتيجه با استفاده از شبكه ART2A-E به دست مي آيد كه به كمك آن، صحت تشخيص بالاي %70 است.

يكي از روش هاي شناسايي و اندازه گيري گرفتگي هاي موجود در عروق كرونري، آنژيوگرافي بوسيله اشعه X است. تصاوير آنژيوگرافي داراي مشكلاتي مانند روي هم افتادگي عروق، حركت عروق در اثر ضربان قلب و تنفس، وجود تصاوير بافت و قفسه سينه در پس زمينه است كه باعث پيچيدگي پردازش اين تصاوير مي شود. در مرحله پيش پردازش ابتدا پس زمينه تصاوير با تبديل فوريه حذف، سپس به وسيله تبديل موجك نويز بوجود آمده روي تصاوير از بين مي رود. در مرحله بعد براي ارتقا تصاوير از فيلترهاي تطبيقي استفاده شده است. الگوريتم پيشنهادي براي آشكارسازي عروق مبتني بر الگوريتم دسته بندي ميانگين هاي فازي (FCM) و دسته بندي پيكسل هاي مجاور است. در اين مقاله روشي پيشنهاد مي گردد كه بتوان با دقت مناسبي عروق كرونري را در تصاوير آنژيوگرافي آشكار نمود. با استفاده از نتايج اين مقاله، مي توان عرض عروق، شدت و محل گرفتگي هاي موجود در آنها و نيز سرعت جريان خون را بدست آورد.

در اين مقاله شيوه اي براي افزايش وضوح برخي نواحي يك تصوير با وضوح پايين با استفاده از چند تصوير با وضوح بالا ارايه شده است. هر يك از تصاوير با وضوح بالا، به عنوان تصوير آموزشي، متناظر با قسمتي از تصوير با وضوح پايين هشتند. تصاوير آموزشي مي توانند تفاوت هايي با تصوير اصلي از نقطه نظر شدت روشنايي يا زاويه اي اخذ داشته باشند. اين تفاوت ها مي تواند ناشبي از برداشت عكسها در زمان هاي متفاوت و يا با دوربين هاي متفاوت و از زواياي مختلف باشد. در شيوه پيشنهادي ابتدا تصاوير به اندازه مطلوب بزرگ شده و سپس تبديل مناسبي براي نگاشت هر يك از تصاوير آموزشي بر روي تصوير مورد نظر با استفاده از نقاط كليدي SIFT و الگوريتم RANSAC در قالب ماتريس هوموگرافي پيدا مي شود. تخمين به دست آمده با استفاده از يك شيوه ثبت تصوير مبتني بر ناحيه اصلاح شده و در انتها تصوير با وضوح بالاي نگاشت شده، با تصوير با وضوح پايين ورودي آميخته مي شود. نتايج آزمايشات انجام شده برتري شيوه پيشنهادي را نسبت به چند روش ديگر نشان مي دهد.

شبكه هاي نگاشت خود سازمان ده دسته اي از شبكه هاي عصبي هستند كه در كاربرهاي چندي سازي و نمايش داده كاربرد فراواني دارند. يكي از مشكلات اين شبكه ها تعيين توپولوژي و اندازه شبكه پيش از شروع فرآند آموزش است. شبكه هاي رشد يابنده اين مشكل را تا حد زيادي رفع مي كنند اما اين شبكه ها نيز همانند شبكه هاي خودسازمان ده غير رشد يابنده داراي مشكل سرعت پايين در مراحل آموزش و بكارگيري هستند. هزينه محاسباتي اين شبكه ها با افزايش اندازه شبكه به صورت خطي افزايش پيدا مي كند. براي تعيين نورون برنده در يك شبكه با اندازه n حداقل به n اندازه كيري فاصله نياز است. در اين مقاله يك شبكه خود سازمان ده رشد يابنده دو لايه ارايه شده كه تعداد مقايسه هاي لازم براي تعيين نورون بنده را به حدود2Ön  كاهش مي دهد. اين كاهش چه در مرحله آموزش و چه در مرحله بكارگيري شبكه امكان استفاده از شبكه هاي خودسازمان ده داراي نورون هاي زياد و خطاي چندي سازي پايين را فراهم مي كند. نتايج تجربي نشان دهنده آنست كه با افزايش ناچيز خطاي چندي سازي، شبكه جديد قادر است با تعداد بسيار كمتري مقايسه نسبت به شبكه يك لايه رشد يابنده نظير كار كند.

در اين مقاله شناسايي انسان در تصاوير با روش جديد، كه از مدل بينايي كرتكس مغز الهام گرفته شده است، انجام مي شود. اين روش از مدل هاي استاندارد تشخيص شي در كورتكس مفز پيروي مي كند. سيستم مورد نظر از يك ساختار سلسله مراتبي بصورت Feedforward تبعيت مي كند. در اين روش يك سري ويژگي براي شناسايي قوي اشيا ارايه شده است و هر يك از اين ويژگي ها توسط تركيب آشكار ساز لبه از انواع position-tolerant و scale-tolerant روي موقعيت هاي همسايه در جهت گيري هاي چندگانه حاصل مي شود. اين مقاله نشان مي دهد كه اين روش كارايي بسيار مناسبي را در شناسايي انسان اراوه مي دهد. اين سيستم قابليت يادگيري از مثال هاي كمي را دارد. اين مقاله كاري نوين در زمينه تشخيص انسان با روش مذكور است.

هدف اصلي در اين مقاله، ارايه الگوريتمي براي يافتن مسيرهاي SRLG disjoint مي باشد. در ابتداي كار، گروه هاي SRLG شبكه مورد بررسي با استفاده از تكنيك تبديل گراف با لينكها جايگزين مي شوند. پس از آن با اجراي الگوريتم مسيريابي (Maximally SRLG Disjoint path) MSDP With ACO بر روي گراف تبديل شده، مسيرهاي حداكثر edge disjoint بدست مي آيند. با اعمال تكنيك تبديل معكوس بر روي مسيرهاي به دست آمده، از مسيرهاي edge disjoint به مسيرهاي معكوس SRLG disjoint مي رسيم و مساله به جواب مورد نظر ما همگرا مي شود، كه يافتن مسيرهاي فعال و پشتيبان SRLG disjoint ميان زوج نودي از شبكه است كه تقاضاي برقراري ارتباط نموده اند.

در اين مقاله روشي جديد مبتني بر هوش جمعي براي حل مسايل بهينه سازي ارايه مي شود. روش پيشنهادي, با استفاده از دو مرحله تحرك و همگرايي جمعيت، به نتايج جالبي در انواع توابع مي رسد. در اين روش جمعيت اوليه ذرات مقداردهي شده و سپس اين ذرات در هر مرحله ابتدا خود را از نواحي نامناسب دور كرده و پس از آن به نواحي مناسب مهاجرت مي كنند و در نهايت در اين نواحي سعي در نزديك شدن به نقاط بهينه را دارند. ويژگي الگوريتم، نتيجه گرفتن در توابع با ابعاد بالا و همچنين توابع داراي اكسترمم هاي محلي زياد است. حركت در جهت دور شدن از نواحي نامناسب، باعث مي شود تا الگوريتم در مواجه با مسايل با ابعاد بسيار بزرگ و نيز مسايلي كه در آنها جمعيت داراي توزيع اوليه نامناسبي است نيز به خوبي عمل كرده و نتايج مناسبي از خود نشان دهد. پراكندگي نامناسب جمعيت اوليه، در الگوريتم بهينه سازي گروه ذرات تاثير منفي دارد. اين الگوريتم با مهاجرت كلي ذرات به سمت فضاي مناسب، به نقاط بهينه همگرا مي شود. در انتها ضمن آزمودن روش پيشنهادي بر روي چند تابع محك شناخته شده و مقايسه با الگوريتم بهينه سازي گروه ذرات مشاهده مي شود كه روش پيشنهادي به نتايج بهتري مي رسد.