فهرست مطالب

مهندسی برق و مهندسی کامپیوتر ایران - سال سیزدهم شماره 2 (پیاپی 37، زمستان 1394)

نشریه مهندسی برق و مهندسی کامپیوتر ایران
سال سیزدهم شماره 2 (پیاپی 37، زمستان 1394)

  • ب - مهندسی کامپیوتر
  • 90 صفحه،
  • تاریخ انتشار: 1395/02/15
  • تعداد عناوین: 10
|
  • جواد مرتضوی مهریزی، مرتضی خادمی، هادی صدوقی یزدی صفحه 89
    اکثر الگوریتم هایی که تا این زمان در زمینه نهان کاوی کور ویدئو ارائه شده اند منطبق بر یادگیری باناظر بوده و هزینه تولید داده های برچسب دار در آنها بالا می باشد. تحت این شرایط در فرایند نهان کاوی کور ویدئو تنها می توان از تعداد محدودی از الگوریتم های نهان نگاری که کد آنها در دسترس است برای آموزش طبقه بند استفاده کرد. بنابراین نمی توان درباره کارایی نهان کاو برای شناسایی آن دسته از الگوریتم های نهان نگاری ویدئویی که کد آنها در دسترس نیست، مطمئن بود. همچنین الگوریتم های رایج عموما برون خط می باشند و بنابراین آموزش مجدد سیستم زمان بر بوده و نمی توان سیستم را به صورت برخط بروز کرد. برای حل این مشکلات یک روش جدید نهان کاوی کور ویدئو با رویکرد یادگیری شبه ناظر در این مقاله ارائه شده است. در روش پیشنهادی با توجه به رفع محدودیت برچسب دار بودن داده های آموزشی، کارایی طبقه بند برای آن دسته از الگوریتم های نهان نگاری که کد آنها در دسترس نیست بهبود می یابد. همچنین ثابت می شود که روش پیشنهادی نسبت به روش های متداول در فرایند نهان کاوی کور ویدئو پیچیدگی زمانی کمتری داشته و یک روش برخط بهینه است. نتایج شبیه سازی بر روی پایگاه داده استاندارد نشان می دهد که روش پیشنهادی علاوه بر مزایای فوق، دارای دقت آشکارسازی قابل مقایسه با روش های متداول روز است.
    کلیدواژگان: شبکه خودسازمان ده پویای شبه ناظر، نهان کاوی کور ویدئو، نهان نگاری ویدئو، یادگیری شبه ناظر
  • بهاره باقری، مریم پورمحی آبادی، حسین نظام آبادی پور صفحه 101
    بازیابی تصویر بر اساس محتوا شامل مجموعه ای از روش ها برای پردازش ویژگی های دیداری یک تصویر پرس و جو به منظور پیداکردن تصاویر مشابه آن در یک پایگاه تصویر است. برای بهبود عملکرد سامانه بازیابی تصویر می توان از ابزار بازخورد ربط استفاده کرد. در این تحقیق برای افزایش کارایی سامانه های بازیابی تصویر، ترکیب دو یا چند روش یادگیری کوتاه مدت در فرایند بازخورد ربط پیشنهاد شده است. در روش پیشنهادی، ترکیب در سه سطح انجام می گیرد: سطح تصاویر برگردانده شده، سطح توابع شباهت و سطح رتبه تصاویر. برای ارزیابی روش پیشنهادی یک سامانه بازیابی تصویر مبتنی بر محتوا با 10000 تصویر از 82 گروه معنایی متفاوت مورد استفاده قرار گرفته است. نتایج حاصل از آزمایش ها برتری روش پیشنهادی را از لحاظ دقت بازیابی مورد تایید قرار می دهد.
    کلیدواژگان: بازیابی تصویر مبتنی بر محتوا، بازخورد ربط، شکاف معنایی، ترکیب، یادگیری کوتاه مدت
  • علی مهریزی، هادی صدوقی یزدی، سیدجواد سیدمهدوی چابک صفحه 112
    شبکه خودسازمانده پویا با یادگیری نیمه ناظر در بسیاری از کاربردها نظیر خوشه بندی داده ها کاربرد دارد. محاسبه پارامترهای شبکه خودسازمانده شامل شکل و ساختار لایه خوشه بندی، سطح فعال سازی و وزن های لایه طبقه بندی از جمله مسایل چالش برانگیز و مهم آن است. راهکارهای ارائه شده فعلی از روش های ابتکاری و با یک نگاه محلی سعی در تعیین این پارامترها دارند که در اثر آن، نتایج این الگوریتم ها وابستگی بالایی به شرایط دارد. این مقاله یک روش یادگیری نیمه ناظر مبتنی بر شبکه خودسازمانده پویا و یادگیری حداکثری را برای اولین بار مورد بررسی قرار می دهد. روش پیشنهادی، بدون محاسبه مستقیم پارامترهای شبکه خودسازمانده پویا و با استفاده از روش یادگیری حداکثری، کلاس هر داده را تعیین می کند. خطای حاصل از بازخورد سیستم، هم در یادگیری حداکثری و هم در بهینه سازی شبکه خودسازمانده پویا مورد استفاده قرار می گیرد. در این مقاله، علاوه بر بررسی تحلیلی همگرایی روش پیشنهادی، روش حداکثری ترتیبی برای شبکه نیمه ناظر خودسازمانده پویا ارائه شده است. آزمایش های انجام شده بر روی داده های برخط و با برچسب جزئی نشان می دهند که روش پیشنهادی از نظر دقت، نسبت به روش نیمه ناظر خودسازمانده پویا برتری نسبی دارد.
    کلیدواژگان: یادگیری نیمه ناظر، شبکه های خودسازمانده پویا، یادگیری حداکثری، یادگیری برخط
  • محمدصادق رضایی، غلامعلی منتظر صفحه 123
    کیفیت سامانه های یادگیری تطبیقی و مشارکتی به نحوه توصیف مناسب یادگیرندگان و نیز دقت و صحت تفکیک یادگیرندگان در گروه های همگن و غیر همگن وابسته است. در روش های ارائه شده برای گروه بندی یادگیرندگان در محیط یادگیری الکترونیکی، محققان اغلب به دنبال بهبود روش های پایه از طریق ترکیب آنها با روش های بهینه سازی هستند. این امر موجب پیچیده تر شدن روش های گروه بندی می شود و کیفیت نه چندان مناسب گروه های حاصل را به دنبال دارد. در این مقاله روشی مبتنی بر نظریه فازی برای انتخاب خوشه های مناسب در روش خوشه بندی پیوندی معرفی شده است. در این روش هر خوشه به صورت مجموعه ای فازی مدل سازی شده و خوشه های متناظر تعیین گردیده و بهترین آنها به عنوان خوشه مناسب انتخاب شده است. این روش موجب افزایش دقت روش خوشه بندی پیوندی می شود. نتایج ارزیابی تجربی روش پیشنهادی بر اساس دو شاخص «Davies-Bouldin» و «خلوص و تجمع» نشان می دهد این روش دقت بیشتری نسبت به سایر روش های خوشه بندی در شناسایی گروه ها داشته است.
    کلیدواژگان: خوشه بندی پیوندی، سبک یادگیری، گروه بندی یادگیرندگان، مجموعه فازی، یادگیری الکترونیکی، یادگیری تطبیقی
  • مرتضی ابراهیمی، سیدحمیدرضا احمدی، مریم عباس نژاد آرا صفحه 133
    در سال های اخیر، استفاده از شبکه های حسگر بی سیم در حوزه هایی از کاربردهای پزشکی مطرح شده و به طور خاص در کاربردهایی که حسگرها روی بدن نصب می شوند، تحت عنوان شبکه های بی سیم روی بدن مورد بررسی قرار گرفته است. از آنجا که حفظ حریم خصوصی و امنیت داده های پزشکی دارای اهمیت بسیاری است، برقراری امنیت داده در این حوزه به عنوان یک چالش مهم مد نظر قرار گرفته است. یکی از مشکلات برقراری امنیت در شبکه های بی سیم، توافق کلید بین گره ها است که تحقیقات بسیاری روی آن انجام شده است. در شبکه های بی سیم روی بدن، الگوریتم های متعددی بر پایه یک ساختار ریاضی به نام Fuzzy Vault ارائه شده است که از ویژگی های سیگنال های فیزیولوژیکی برای توافق کلید استفاده می کند. با توجه به محدودیت های موجود در این شبکه ها که ناشی از کوچکی سایز گره های شبکه حسگر و ویژگی های ارتباط بی سیم می باشد، انتخاب طرح امنیتی مناسب از اهمیت زیادی برخوردار است. این مقاله با استفاده از روش تحلیل سلسله مراتبی فازی به ارزیابی الگوریتم های توافق کلید مبتنی بر Fuzzy Vault و انتخاب بهترین الگوریتم از میان الگوریتم های ارائه شده می پردازد. برای ارزیابی، از میان الگوریتم های توافق کلید ارائه شده بر پایه ساختارFuzzy Vault، سه الگوریتم OPFKA، PSKA، و ECG-IJS که دارای اهمیت بیشتری هستند در نظر گرفته شده اند تا با استفاده از روش AHP فازی، بهترین الگوریتم با در نظرگرفتن معیار هایی که در انتخاب بهترین گزینه اهمیت زیادی دارند، برگزیده شود. در تعیین معیارها باید ویژگی ها و محدودیت های شبکه های بی سیم روی بدن و همچنین نوع کاربرد و زمان مد نظر قرار گیرد. در نهایت، ارزیابی انجام شده نشان می دهد که الگوریتم توافق کلید موسوم به ECG-IJS نسبت به دو الگوریتم دیگر دارای اولویت بالاتری است و به عنوان طرح بهتر انتخاب می شود.
    کلیدواژگان: شبکه های بی سیم روی بدن، Fuzzy Vault، الگوریتم توافق کلید، تصمیم گیری چند معیاره، فرایند تحلیل سلسله مراتبی فازی
  • رضا گرگان محمدی، احمد عبدالله زاده بارفروش صفحه 142
    کاربرد رویکرد مدل گرا در تولید نرم افزار به دلیل کاهش پیچیدگی و افزایش سرعت تولید به طور جدی مورد توجه قرار گرفته است. یکی از چالش های مهم در کاربرد مدل وجود ناسازگاری است. یک ناسازگاری به دلیل وجود الگوهای ساختاری نامطلوب در مدل بروز می یابد. روش های فعلی ارائه شده برای رفع ناسازگاری مدل به میزان تغییرات مدل و فاصله بین مدل و ترمیم آن توجه ندارند. در این مقاله روشی مبتنی بر فاصله برای یافتن نزدیک ترین ترمیم نسبت به مدل ناسازگار ارائه می شود. برای این منظور مدل و فرامدل با استفاده از گراف جهت دار بازنمایی شده و از قواعد تبدیل گراف جهت رفع ناسازگاری بهره برده می شود. همچنین معیار فاصله بر اساس میزان تغییرات گراف متناظر مدل تعریف می شود. اعمال روش پیشنهادی به مجموعه ای از مدل های مبتنی بر BPMN بر بهبود نتایج با استفاده از معیار فاصله دلالت دارد.
    کلیدواژگان: تولید نرم افزار مبتنی بر مدل، ناسازگاری، نزدیک ترین ترمیم، معیار فاصله
  • الهام توسلی پور، محمدتقی حمیدی بهشتی، امین رمضانی صفحه 151
    با توجه به اهمیت تشخیص و تصحیح سریع شرایط غیر عادی عیب در فرایندهای صنعتی، در این مقاله روشی جدید به منظور نظارت فرایند پیشنهاد شده است. در این روش هم زمان هم دینامیک فرایند و هم تاثیر داده های برون هشته در نظر گرفته شده است. ابتدا دینامیک فرایند به وسیله روش آنالیز متغیر استاندارد اعمال شده و سپس از الگوریتم آنالیز مولفه مستقل به منظور کاهش بعد داده ها استفاده شده است. همچنین حذف داده های برون هشته و محاسبه حد کنترلی بر اساس الگوریتم فاکتور برون هشته محلی صورت گرفته است که هیچ توزیع خاصی را برای متغیرهای فرایند در نظر نمی گیرد. از این رو با داده های موجود در صنعت تطابق دارد. همچنین به منظور افزایش اعتبار روش پیشنهادی در راستای آشکارسازی عیب، این الگوریتم بر روی فرایند TE شبیه سازی شده است و مقایسه ای با نتایج حاصل از پژوهش های دیگر صورت گرفته است. نتایج حاکی از آن است که الگوریتم پیشنهادی بهترین عملکرد را نسبت به سایر روش ها دارد.
    کلیدواژگان: آنالیز متغیر استاندارد، آنالیز مولفه مستقل، فاکتور برون هشته محلی، فرایند TE
  • زهرا مصلحی، علیرضا باقری صفحه 158
    تفکیک پذیری نقاط رنگی با اشکال هندسی یکی از مسایل مطرح در هندسه محاسباتی است که کاربردهایی از جمله در یادگیری ماشین و شناسایی الگو دارد. در این مساله دو سری نقطه P و Q به ترتیب به رنگ های قرمز و آبی و به اندازه n در صفحه داده شده است. حال لازم است یک شکل هندسی مشخص را به گونه ای در صفحه قرار دهیم که کلیه نقاط آبی را در برگرفته و شامل هیچ نقطه قرمزی نباشد. در کارهای پیشین الگوریتم هایی برای تفکیک پذیری نقاط با گوه و مستطیل ارائه گردیده ولی تا به حال الگوریتمی برای تفکیک پذیری نقاط با یک مثلث و همچنین مثلثی که یک زاویه آن مشخص باشد (مثلا قائم الزاویه) ارائه نشده است. در این مقاله الگوریتمی جدید و کارا برای تفکیک پذیری نقاط رنگی با مثلث قائم الزاویه ارائه می کنیم که قادر خواهد بود با استفاده از راهکار خط جاورب چرخشی، معرفی رخدادها و پردازش آنها در زمان کارای O(nlogn) کلیه مثلث های قائم الزاویه تفکیک کننده را گزارش کند.
    کلیدواژگان: هندسه محاسباتی، تفکیک پذیری، سری نقاط دو رنگ، مثلث قائم الزاویه، یادگیری ماشین، دسته بندی
  • پریسا کشاورزی، حسین دلداری، سعید ابریشمی صفحه 165
    گراف ها نمایش داده قدرتمندی هستند که به طور گسترده در حوزه های متفاوتی مورد استفاده قرار می گیرند. در کاربردهای مبتنی بر گراف یک پیمایش قاعده دار از گراف مانند جستجوی اول سطح، غالبا جزء کلیدی در پردازش مجموعه داده های بزرگ است. در این مقاله یک روش ترکیبی ارائه شده که برای هر سطح از پیمایش گراف، بهینه ترین نسخه از الگوریتم های پیاده سازی شده بر روی پردازنده مرکزی و پردازنده گرافیکی را انتخاب می کند. این روش ترکیبی کارایی خوبی را برای هر اندازه گرافی فراهم می کند، در حالی که از کارایی ضعیف روی گراف های با میانگین درجه کم و زیاد جلوگیری می کند. لازم به ذکر است که این روش بهره سرعت بالاتری نسبت به کارهای پیشین ارائه می دهد و نتایج علمی به دست آمده این ادعا را تایید می کنند.
    کلیدواژگان: جستجوی اول سطح، پردازنده گرافیکی، پردازنده مرکزی، کرنل
  • تقدیر و تشکر
    صفحه 171
|
  • J. Mortazavi Mehrizi*, M. Khademi, H. Sadoghi Yazdi Page 89
    Supervised learning algorithms are widely used in blind video steganalysis and the cost of generating labeled data in them is high. That is why only a limited number of steganography algorithms with accessible code can be used for the training the classifier. Therefore, we cannot be sure about the effectiveness of steganalyzer in identifying non accessible video steganography algorithms. On the other hand, using offline classification methods in the blind video steganalysis causes the learning process be time consuming and the system cannot be updated online. To solve this problem, we propose a new method for the blind video steganalysis by semi-supervised learning approach. In the proposed method, by eliminating the limitation of labeled training dataset, the classifierperformance is improved for video steganography algorithms with non-accessible code. It is also proved that the proposed method, compared to common classification methods for the blind video steganalysis, has less time complexity and it is an optimal online technique. The simulation results on the standard database show that in addition to the above advantages, this method has appropriate accuracy and is comparable to common methods.
  • B. Bagheri*, M. Pourmahyabadi, H. Nezamabadi, Pour Page 101
    Content based image retrieval (CBIR) contains a set of techniques to process the visual features of a query image, in order to retrieve images semantically similar to it, in a database. To improve the performance of image retrieval systems, relevance feedback tool can be used. In this research, to increase the effectiveness of the image retrieval systems, the fusion of two (multiple) short term learning methods based on relevance feedback is proposed. In the proposed method, fusion is performed in three levels: fusion in ranks, fusion in retrieved images, and fusion in similarities. To evaluate the performance of the proposed method, a CBIR system with 10000 images of 82 different semantic groups is employed. The experimental results confirm the superior of suggested method in terms of retrieval precision.
  • A. Mehrizi, H. Sadoghi Yazdi*, S. J. Seyyed Mahdavi Chabok Page 112
    Semi-supervised learning with growing self-organizing map (GSOM) is used in many applications, such as clustering. The main challenges in the Semi-supervised GSOM are calculating parameters such as shape and structure of clustering layer, activation level, and weights of classifier layer. Current approaches use initiative methods with a local look have trying to determine these parameters; which its effect, the results of these algorithms is highly dependent on the conditions. This paper studies a semi-supervised learning method based on GSOM and extreme learning for the first time. The proposed method, without the direct calculation of the GSOM parameters and using the extreme learning determines label of each data. Error resulted from the feedback system is used to optimize extreme learning and GSOM. In this paper, in addition to investigating the convergence analysis of the proposed method, sequential extreme learning is also provided for semi-supervised GSOM. Experiments conducted on online and partially labeled data show that the proposed method has a relative advantage in terms of accuracy on semi-supervised GSOM.
  • M. S. Rezaei, Gh. A. Montazer* Page 123
    Quality of adaptive and collaborative learning systems is related to appropriate specifying learners and accuracy of separation learners in homogenous and heterogeneous groups. In the proposed method for learners grouping, researchers effort to improving basic clustering methods by combination of them and improving methods. This work makes the complexity of grouping methods increased and quality of result’s groups decreased. In this paper, new method for selection appropriate clusters based on fuzzy theory is proposed. In this method, each cluster is defined as a fuzzy set and the corresponding clusters are determined. So the best cluster is selected among each corresponding clusters. The results of an empirical evaluation of the proposed method based on two criteria: “Davies-Bouldin” and “Purity and Gathering” indicate that this method has better performance than other clustering methods such as FCM, K-means, hybrid clustering method (HCM), evolutionary fuzzy clustering (EFC) and ART neural network.
  • R. Gorgan Mohammadi, A. Abdollahzadeh Barforoush* Page 142
  • Tavasolipour*, M. T. Hamidi Beheshti, A. Ramezani Page 151
    In this paper a novel process monitoring scheme is proposed because of the importance of fault detection and identification in industrial processes. In this method, process dynamic and effect of outliers are considered concurrently. First, the proposed approach uses CVA method to implement the process dynamic. Then ICA method is performed for dimension reduction of data. The outliers elimination and control limit calculation are based on the Local Outlier Factor algorithm. This algorithm doesn’t consider a special distribution for process variables, thus conforming to data in real industrial processes. The proposed method is applied to fault detection in the Tennessee Eastman process. Results clearly indicate better performance of the proposed scheme compared to the alternative methods.
  • Z. Moslehi*, A. Bagheri Page 158
    Separating colored point sets is an interesting problem in computational geometry with application in machine learning and pattern recognition. In this problem, we are given a geometric shape C and two point sets P and Q of total size n as red and blue points, respectively. Now, we must separate red and blue points by this shape such that all the blue points lie inside it and all the red points lie outside it. In the previous work, we have some algorithms for rectangle and wedge separability but we do not have any algorithm for separating by a triangle and separating by a triangle with a fixed angle such as right triangle. In this paper, we present an efficient algorithm for right triangle seprability. In this algorithm, we use sweep line technique and introduce some events and process them. So, we can report all separating right triangles in O(nlog n) time.
  • P. Keshavarzi*, H. Deldari, S. Abrishami Page 165