مجله فناوری اطلاعات در طراحی مهندسی
سال یازدهم شماره 2 (پاییز و زمستان 1397)

یکی از راهکارهای کنترل آلودگی هوا توسط مدیریت شهری، توانایی پیش بینی میزان آلاینده ها و شاخص کیفیت هوا برای روزهای آتی است تا با برنامه ریزی و اتخاذ تصمیمات مناسب، میزان این آلاینده ها کنترل شوند. این امر مستلزم شناخت عوامل موثر بر آلاینده های هوا و میزان تاثیر آنها برروی این آلاینده ها می باشد. از اینرو شناخت و مدل سازی ارتباط پارامترهای تاثیرگذار بر آلاینده های هوا برای پیش بینی آنها از اهمیت ویژه ای برخودار است. مطالعات و بررسی های اخیر نشان می دهدکه یکی از تاثیرگذارترین عوامل بر آلودگی هوا، پارامترهای هواشناسی است که تاثیر و ارتباط خاص و معناداری برروی آلاینده ها و شاخص کیفیت هوا دارند. با توجه به ماهیت غیرخطی این پارامترها و آلاینده های هوا، برای یافتن روابط بین این متغیرها استفاده از روش های مدل سازی غیرخطی و غیرقطعی در حوزه ی محاسبات نرم می تواند نتایج بهتری را نسبت به روش های کلاسیک آماری بدنبال داشته باشد. در این مقاله می کوشیم تا با تمرکز برروی پارامترهای هواشناسی و با استفاده از مفاهیم تئوری بیز یک مدل ارتباطی از میزان تاثیر این پارامترها بر آلاینده ها و شاخص کیفیت هوا برای پیش بینی شاخص کیفیت هوا مدلسازی نمائیم.

شبکه های حسگر بدن BSNs به عنوان یک تکنولوژی پتانسیل بسیار زیادی در بهبود کیفیت مراقبت های بهداشتی از خود نشان داده است. مقدار عظیمی از اطلاعات بسیار محرمانه که از طریق شبکه حسگر بدن جمع آوری شده و تولید می شوند. جدی ترین تهدید برای دسترسی به داده ها، حمله منع سرویس می باشد که به طور مستقیم بر روی دسترسی تمام اطلاعات به یک بیمار تاثیر می گذارد. تبعات ناشی از حمله منع سرویس درافزایش میزان ترافیک و ازدحام بسیار شبیه وقوع ازدحام در شبکه می باشد. لذا اگر حمله منع سرویس اشتباهاازدحام تشخیص داده شود و یا بالعکس میتواند تبعات نامطلوبی در شبکه داشته باشد. در این مقاله روشی برای تشخیص و تفکیک ازدحام از حمله منع سرویس در شبکه حسگر بدن ارائه شده است. در روش پیشنهادی با استفاده از تکنیک فازی دو سطحی تا حد ممکن ازحملات منع سرویس جلوگیری می نماید. نتایج شبیه سازی نشان میدهد که روش پیشنهادی عملکرد قابل قبولی دارد و توانسته است با نرخ بالایی بین ازدحام و حمله تفاوت قائل شود و بهره وری شبکه را افزایش دهد.

همراه با توسعه و تکامل فوق العاده سریع ارتباطات و گسترش روزافزون دسترسی مردم به اینترنت و شبکه های کامپیوتری وجود خرابکاری های آنلاین و دسترسی غیرقانونی به اطلاعات کاربران بیشتر شده است. ایمیل یکی از روش هایی است که برای حملات اینترنتی مورد توجه بیشتر نفوذگران واقع شده است. هر کاربری در دنیای اینترنت حداقل یک حساب کاربری برای ارتباطات آنلاین دارد که از این حساب کاربری در ثبت نام سایت ها و عضویت مراکز گوناگون استفاده می کند. تشخیص و شناسایی یکی از روش های مقابله با ایمیل هرزنامه است. لذا هدف ما در این مقاله تشخیص ایمیل هرزنامه با استفاده از ترکیب نیوی بیز و الگوریتم جستجوی هارمونی خواهد بود. در مدل پیشنهادی از نیوی بیز برای طبقه بندی نمونه ها و از الگوریتم جستجوی هارمونی برای انتخاب ویژگی های مهم و تاثیرگذار در تشخیص استفاده می کنیم. نتایج برروی مجموعه داده Spambase با 57 ویژگی نشان می دهد که مدل پیشنهادی در مقایسه با مدل های PSO-NB و ACO-NB دقت تشخیص بهتری دارد و همچنین انتخاب ویژگی و مقدار پارامترهای الگوریتم جستجوی هارمونی در دقت تشخیص بسیار موثر هستند.

حوادث رانندگی هرساله هزینه های مالی، جانی و روحی بسیاری برای جوامع پدید می آورند. بدین منظور تاکنون سیستم های کمک راننده مختلفی طراحی شده اند. یکی از آن ها،سیستم حفظ مسیر می باشد. در این سیستم با اعمال ورودی کنترلی به چرخ خودرو سعی در باقی ماندن خودرو در مسیر مقرر می شود. با توجه به عدم قطعیت های ذاتی مدل، رهیافت کنترل مد لغزشی ترمینال یک روش مناسب برای طراحی کنترل کننده موردنظر آن می باشد. ازآنجاکه چترینگ زیاد ورودی در این روش سبب ناکارآمدی سیستم طراحی شده می گردد، در این مقاله برای کاهش آن راهکارهایی ارائه می شود. نتایج شبیه سازی نشان می دهد نه تنها کنترل کننده لغزشی ترمینال به نحوی موثر بازمان همگرایی کوتاه به کنترل سیستم غیرخطی نامعین مذکور می پردازد بلکه چترینگ یا به عبارتی نوسانات ناخواسته ورودی نیز تا حد قابل توجهی کاهش می یابد.

امروزه مکان یابی گره ‏ها به یکی از چالش ‏های شبکه های حسگر بی سیم تبدیل شده است، بنابراین به دست آوردن مکان دقیق گره ‏ها موجب کاهش مصرف انرژی و افزایش کارایی شبکه می ‏شود. با توجه به خصوصیات منحصر به فرد الگوریتم بهینه ‏سازی ازدحام گربه‏ ها، این الگوریتم ابزار مناسبی برای بهینه سازی مکان یابی گره ‏ها در شبکه های حسگر بی سیم بوده و در الگوریتم پیشنهادی بکار گرفته شده است. آزمایش های گسترده ای برای ارزیابی عوامل متعددی مانند تراکم لنگر، تراکم گره و محدوده ارتباطات بر الگوریتم پیشنهادی با توجه به میزان خطای مکان یابی و موفقیت مکان یابی انجام شده است. مقایسه نتایج شبیه سازی با دیگر الگوریتم های بهینه سازی استاندارد نشان می دهد که الگوریتم پیشنهادی از نظر کاهش خطای مکانی و افزایش نرخ همگرایی عملکرد بهتری دارد و به همین دلیل طول عمر گره های حسگر را افزایش می دهد.

این تحقیق یک اساس طبیعی برای توسعه کارایی سیستم های ارتباط مغز-رایانه مبتنی بر سیگنال های مغزی برای کنترل طبیعی باز و بسته کردن پنجه دست راست و چپ می باشد. برای این منظور از روش الگوی فضایی مشترک برای استخراج ویژگی و از طبقه بندی کننده تحلیل خطی تفکیک کننده برای طبقه بندی داده های دست راست و چپ مربوط به داده های BCI Competition data sets 2b -2008 استفاده شده است. الگوی فضایی مشترک روشی قدرتمند است که به صورت وسیعی برای پردازش سیگنال های الکتروانسفالوگرام به ویژه برای پردازش سیگنال های مبتنی بر تصور حرکت استفاده می شود . طبقه بندی کننده تحلیل خطی تفکیک کننده امکان تفکیک فعالیت های مستقل مغزی را فراهم می کند. معیارهای TPR, FPR , ACC و k برای ارزیابی روش پیشنهادی در نظر گرفته شده اند. مقایسه نتایج روش پیشنهادی با نتایج BCI Competition data set 2b -2008 نشان می دهد که روش پیشنهادی بهترین بهبود را نسبت به روش یانگ پینگ داشته که این مقدار برای داده های دست چپ 36 درصد و برای داده های دست راست 35 درصد می باشد. بنابراین می توان گفت روش پیشنهادی مطلوب بوده و دارای صحت و قدرت تفکیک بالا می باشد.