پردازش علایم و داده ها
سال:1394 | دوره:12 | شماره:4 (پیاپی 26) |تعداد مقالات:9

با وجود روش های مقاوم سازی داده ها در برابر خطا که در طرف فرستنده روی داده های ویدئو اعمال می شوند، بروز خطا در حین انتقال داده های ویدئویی از کانال های مخابراتی اجتناب ناپذیر است. اختفای خطا، شیوه ای موثر جهت ارتقای کیفیت ویدئوهای آسیب دیده در طرف گیرنده است. در این مقاله، یک الگوریتم انطباق مرزی ترکیبی و سریع جهت تخمین دقیق تر بردارهای حرکت آسیب دیده ویدئوی دریافتی ارائه می شود. الگوریتم پیشنهادی، اختفای خطا را برای هر ماکروبلاک آسیب دیده مطابق با فهرست اولویت اختفای خطا انجام می دهد. در روش ارائه شده، اعوجاج مرزی برای هر پیکسل از هر مرز ماکروبلاک نامزد با استفاده از معیار انطباق مرزی ترکیبی پیشنهادشده محاسبه می شود؛ سپس با توجه به صحت هر یک از مرزهای مجاور ماکروبلاک آسیب دیده، وزن خاصی به آن ها در فرایند تطبیق، داده می شود. در نهایت، فهرست اولویت اختفای خطا به روزرسانی شده و بردار حرکت نامزد با کمترین اعوجاج مرزی به عنوان بردار حرکت ماکروبلاک آسیب دیده انتخاب می شود. نتایج تجربی نشان می دهد که الگوریتم پیشنهادی بدون افزایش قابل ملاحظه زمان محاسبات، ضمن بهبود کیفیت ویدئوهای بازسازی شده، مقدار متوسط PSNR برای دنباله های مختلف آزمون بیش از 1.8 dB در مقایسه با روش های مرجع افزایش می دهد.

در جوامع توسعه یافته یا در حال توسعه تعداد افراد سالمند رو به افزایش است. این افراد به علت کهولت سن و ناتوانی جسمی به طور معمول در معرض اتفاقات خطرناکی از جمله افتادن هستند که این امر لزوم مراقبت از این افراد را نشان می دهد. یکی از روش های مراقبت، نظارت هوشمند ویدئویی است که قادر است در هنگام وقوع حادثه، مراقبان را با سرعت زیادی مطلع کند. این مقاله با استفاده از روش ردیابی نوینی بر پایه الگوریتم اصلاح شده کانتور، افراد را ردیابی و افتادن آن ها را در دنباله های ویدئویی آشکار می کند. از مزایای روش ارائه شده، آشکارسازی افتادن در شرایط به نسبه واقعی و در حضور چندین شئ است. شبیه سازی ها نشان می دهد که الگوریتم ارائه شده با دقت و سرعت بالایی قادر است افتادن را در دنباله های ویدئویی شناسایی و آشکار کند.

حملات حدس و تعیین از جمله حملات عام به سامانه های رمز جریانی است. این حملات به دو دسته حملات حدس و تعیین اقتضایی و اکتشافی تقسیم بندی می شوند. مزیت روش اکتشافی نسبت به روش اقتضایی در قدرت تحلیل و ارائه الگوریتمی برای دسته بزرگی از رمزهای جریانی با فرض یکسان بودن اندازه متغیرها است. در این مقاله از معادلات فرعی علاوه بر معادلات اصلی به عنوان ورودی حمله حدس و تعیین اکتشافی برای حمله به سامانه های رمز جریانی TIPSY و SNOW 1.0 استفاده شده است. بر اساس مفهوم پایه حدس تعداد حدس ها در حمله اکتشافی و بهبودیافته به سامانه TIPSY، شش مورد است؛ اما پیچیدگی حمله حدس و تعیین اکتشافی بهبودیافته از O(2102) به O(296) کاهش یافته است. این پیچیدگی با پیچیدگی حمله اقتضایی برابر است؛ ولی حمله پیشنهادی، اندازه پایه حدس را از هفت به شش بهبود داده است. همچنین، در حمله حدس و تعیین به SNOW 1.0 پیچیدگی حمله اکتشافی با پایه حدس با اندازه شش و اقتضایی با اندازه هفت به ترتیب O(2202) و بوده O(2224) است که در حمله پیشنهادی به پایه حدس با اندازه پنج و پیچیدگی از مرتبه O(2160) کاهش یافته است.

در مقاله حاضر سامانه ای هوشمند، جهت ویرایش و خطایابی املایی متون فارسی معرفی شده است. هدف از طراحی و ایجاد این سامانه، ویرایش متون فارسی برای کاربردهای پردازش زبان طبیعی است. این سامانه بر مبنای یک رویکرد مهندسی قابل توسعه، از سه زیرسامانه تشکیل شده است: ویرایش گر متن فارسی معیار، خطایاب املایی خودکار زبان فارسی و ستاک یاب واژگان زبان فارسی. این سه بخش با یکدیگر در تعاملند؛ بدین شکل که ابتدا ستاک واژه های متن شناسایی می شود و در صورت عدم وجود ستاک در فهرست واژه های زبان، واژه مذکور به عنوان واژه ای نادرست شناسایی خواهد شد؛ سپس خطایاب خودکار فهرستی از واژه های جایگزین را پیشنهاد خواهد کرد. در زیرسامانه ویرایش گر، متن موجود ویرایش شده و متنی یک پارچه که منطبق بر معیارهای مصوب فرهنگستان زبان و ادب فارسی است، به کاربر ارائه خواهد شد. نتایج ارزیابی نشان دهنده دقتی بسیار خوب در حدود 95% در ستاک یابی کلمات، 92% در ویرایش و 96% در خطایابی املایی زبان فارسی است.

در این مقاله ابتدا مدل با نظارت روش ترکیبی تحلیل مولفه اصلی احتمالاتی (SPPCAMM) ارائه شده است؛ سپس با در نظر گرفتن جریمه نگاشت در یادگیری مدل پیش گو، روشی برای شناسایی چهره با استفاده از یک رویکرد کاهش بعد بدون اتلاف ارائه شده است. در روش پیشنهادی ابتدا یک خمینه زیربنایی محلی خطی با استفاده از مدل ترکیبی تحلیل مولفه اصلی احتمالاتی با نظارت از نمونه داده ها به دست می آید؛ سپس دسته بند ماشین بردار پشتیبان با اعمال جریمه نگاشت به عنوان مدل پیش گوی مذکور با استفاده از این خمینه محلی خطی آموزش داده می شود. بدین ترتیب از مزایای کاهش بعد در مدل پیش گو استفاده می شود؛ و در عین حال جلوی از دست رفتن اطلاعات مفید گرفته می شود. برای آموزش و ارزیابی روش پیشنهادی، از پایگاه داده های چهره شناخته شده استفاده شده است. روش استخراج ویژگی گابور بر روی تصاویر به کار گرفته شده است. نتایج آزمایش ها نشان می دهد که روش پیشنهادی نسبت به بسیاری از روش های معمول که کاهش بعد را انجام داده و سپس دسته بند را آموزش می دهند، و همچنین نسبت به روش جریمه نگاشت مبتنی بر مدل های کاهش بعد خطی و غیرخطی، دقت بیشتری دارد.

به علت منعطف بودن ساختار منسوج، تعیین موقعیت نخ در تصویر آن با استفاده از روش های معمول در پردازش تصویر با خطای زیادی همراه بوده است و در این زمینه، ارائه یک روش انطباق پذیر با خصوصیات تصویر منسوج جهت استخراج پارامترهای آن مورد توجه است. در این راستا استفاده از الگوریتم های فراابتکاری جهت تطبیق الگوریتم استخراج پارامترهای ساختاری با شرایط تصویر، کاربردی به نظر می رسد. در این مطالعه، با کاربرد ترکیبی از روش های پردازش سیگنال، خوشه بندی فازی و الگوریتم ژنتیک، یک روش نوین برای پیش پردازش و تشخیص بافت ساختاری تصاویر منسوجات ارائه شده است. نتایج نشان می دهد که روش پیشنهادی قادر به تشخیص صحیح موقعیت نخ در تصاویر منسوجات دولایه با طرح رنگ نایکنواخت با دقت میانگین بیش از 73 درصد است. در تصاویر منسوجات تک لایه با بافت نامتراکم و طرح رنگ یکنواخت، این میزان به طور میانگین بیش از 84 درصد می باشد.

با گسترش روزافزون استفاده از اینترنت، شاهد تبادل هزاران گیگابایت اطلاعات متنی در فضای مجازی هستیم. فضای سایبر این امکان را به اشخاص می دهد که هویت حقیقی خود را مخفی کنند و با هویت ساختگی جدیدی وارد آن شوند. از این رو اهمیت حفظ امنیت این فضا، کنترل بر محتوای تولیدشده توسط کاربران و شناسایی مشخصات تولیدکنندگان محتوا هر روز پررنگ تر می شود. موضوع مورد بررسی در این پژوهش که مربوط به حوزه شناسایی نویسنده است، شناسایی خودکار جنسیت نویسنده متن فارسی است. به منظور شناسایی جنسیت، با توجه به مطالعات زبان روان شناختی صورت گرفته، 48 ویژگی روان شناختی و سبک شناسی تعریف شد. دو پیکره متنی جهت آموزش طبقه بندها تهیه و سپس برای شناسایی جنسیت، سه الگوریتم یادگیری ماشینی مختلف (ماشین بردار پشتیبان، بیز ساده و درخت تصمیم) طراحی شد. نتایج اعتبارسنجی متقابل ده تایی نشان داد که بیش ترین دقت مربوط به طبقه بند درخت تصمیم با دقت 73.8% است.

هدف مقاله حاضر ارائه روشی خودکار جهت تبدیل درخت تجزیه نحوی وابستگی به درخت تجزیه نحوی مبتنی بر دستور ساخت سازه ای معادل در زبان فارسی است. برای نیل بدین هدف، الگوریتمی قاعده مند جهت این نوع تبدیل طراحی شده است. به منظور دستیابی به درخت تجزیه نحوی ساخت سازه ای مناسب برای جملات زبان فارسی، دستور زبان فارسی مورد مطالعه قرار گرفته و قوانین خاص زبان فارسی استخراج و به الگوریتم مذکور افزوده شده است. نتایج حاصل از ارزیابی پژوهش، بیانگر این است که الگوریتم طراحی شده برای تبدیل ساختارها به F1 معادل با 96.05 درصد دست یافته است؛ سپس، الگوریتم مذکور بر روی پیکره وابستگی زبان فارسی با حدود سی هزار جمله اعمال و دادگان درخت نحوی ساخت سازه ای معادل حاصل شده است. علاوه بر این، تجزیه گر نحوی استنفورد بر روی پیکره ساخت سازه ای حاصل آموزش داده شده و تجزیه گر نحوی ترکیبی زبان فارسی با F1 معادل با 86.01 درصد به دست آمده است.

ابهام زدایی از واژگان مبهم و دارای معانی متعدد، موضوع مهمی در حوزه پردازش زبان های طبیعی است. در این مقاله، مدلی برای رفع ابهام از واژگان مبهم فارسی با استخراج ویژگی های جدید پیشنهاد شده است. برای ایجاد این مدل دو دسته ویژگی واژگان و نشانه های همراه واژه مبهم و ویژگی هایی که با به کار بردن روش های مدل سازی موضوع به دست می آید، استفاده شده است. یک مدل موضوعی، مدلی آماری برای استخراج چکیده موضوع های موجود در اسناد یک پیکره است. در مقاله حاضر ما از روش بدون سرپرستی تخصیص پنهان دریکله (LDA) برای این منظور استفاده کرده ایم. نتایج آزمایش ها برای پانزده واژه مبهم پرتکرار در زبان فارسی که از پیکره پژوهشکده پردازش هوشمند علائم استخراج شد، دقت حدود 97% را نشان می دهد که بیان گر تاثیر این روش در یافتن معنی مناسب واژگان مبهم است.