پردازش علایم و داده ها
سال:1399 | دوره:17 | شماره:4 (46 پیاپی) |تعداد مقالات:10

انتخاب، ویژگی یکی از گام های پیش پردازش مهم در یادگیری ماشینی و داده کاوی است. تمامی الگوریتم های انتخاب ویژگی سنتی فرض می کنند که کل فضای ویژگی از ابتدای چرخه انتخاب در دسترس است؛ با این وجود در بسیاری از کاربردهای دنیای واقعی با سناریوی ویژگی های جریانی مواجه هستیم. در این سناریو، تعداد ویژگی ها به مرور زمان افزایش می یابد. در این مقاله، مسأله انتخاب برخط ویژگی های جریانی از منظر سری های هندسی گراف ارتباط ویژگی ها مورد بررسی قرار گرفته و یک الگوریتم جدید به نام OSFS-GS پیشنهاد شده است. این الگوریتم با استفاده از مفهوم سری هندسی گراف مجاورت، ویژگی های افزونه را به شکل برخط حذف می کند؛ علاوه براین، الگوریتم پیشنهادی از یک سازوکار نگهداری ویژگی های افزونه بهره می بَرَد که امکان بررسی مجدد ویژگی های بسیار خوبی را که درقبل حذف شده اند، فراهم می آورد. الگوریتم پیشنهادی بر روی هشت مجموعه داده با ابعاد بزرگ اعمال شده و نتایج نشان دهنده دقت بالای این الگوریتم در نمونه های زمانی مختلف است.

در این مقاله روشی برای بهبود عملیات پنهان نگاری و بالا بردن امنیت، با استفاده از ترکیب الگوریتم های فراابتکاری ارائه شده است. هدف، دست یابی به مقدار بهبود یافته PSNR است؛ به گونه ای که کیفیت تصویر در فرایند پنهان نگاری حفظ شود. در این روش ابتدا هفت الگوریتم فراابتکاری متداول در این حوزه، از جمله بهینه سازی کلونی مورچه، زنبور عسل، جستجوی فاخته، ژنتیک، حرکت ذرات، تبرید شبیه سازی شده، کرم شب تاب انتخاب و کارایی الگوریتم های یادشده پس از اعمال به صورت انفرادی بر روی داده های موجود مورد ارزیابی قرار می گیرد. از میان الگوریتم های اعمال شده، سه الگوریتم جستجوی فاخته، کرم شب تاب، زنبور عسل که دارای بهترین مقدار تابع برازش و در نتیجه بالاترین کیفیت هستند، انتخاب شدند. تمامی شش حالت مختلف از ترکیب این سه الگوریتم به طور مجزا بررسی شد. بهترین ترکیب به کار رفته به ترتیب، الگوریتم های کرم شب تاب، زنبور عسل و جستجوی فاخته است که این ترکیب، میانگین نسبت سیگنال به نوفه برابر 89/54 را فراهم کرده است. ترکیب یادشده در مقایسه با الگوریتم های انفرادی بررسی شده بهینه سازی کلونی مورچه، زنبور عسل، جستجوی فاخته، ژنتیک، حرکت ذرات، تبرید شبیه سازی شده، کرم شب تاب، به ترتیب به میزان 29/59، 61/29، 43/37، 56/52، 84/54، 82/57 و 82/3 درصد بهبود در مقدار PSNR را ارائه می کند.

فرایندهای کسب وکار در دنیای واقعی بسیار پیچیده هستند و متناسب با تحولات محیطی دچار تغییر می شوند. این در حالی است که روش های کشف فرایند پایه، قادر به شناسایی این تغییرات نیستند و تنها فرایندهای ثابت را تحلیل می کنند؛ از این رو، روش­ هایی به منظور شناسایی رانش مفهومی در فرایندهای کسب­ ­ وکار مطرح شدند. همه روش های موجود در این حوزه، با انتخاب ویژگی­ ­ ها و مقایسه آنها با استفاده از پنجره سعی در شناسایی این تغییرات دارد. انتخاب ویژگی مناسب و همچنین اندازه مناسب پنجره چالش­ های اصلی این روش ها به شمار می­ آیند. در این پژوهش، با بیان مفهوم تعبیه دنباله که برگرفته از تعبیه واژه در دنیای پردازش زبان طبیعی است، روشی خودکار و مستقل از پنجره به منظور شناسایی رانش ناگهانی در نگاره های کسب وکار ارائه کرده ایم. استفاده از روش تعبیه دنباله، این امکان را فراهم می­ کند که انواع روابط میان دنباله­ ها و رویدادها را استخراج و رانش های موجود در فرایندها را شناسایی کنیم. ارزیابی ها نشان می دهد که روش پیشنهادی نسبت به روش های موجود دقت بالاتر و تأخیر شناسایی رانش کمتری دارد.

افزایش استفاده از اینترنت و برخی از پدیده­ ها مانند شبکه ­ های حس گر، منجر به افزایش غیر­ ضروری اطلاعات شده است. اگرچه این امر مزایای بسیاری دارد، اما باعث ایجاد مشکلاتی مانند نیاز به فضای ذخیره ­ سازی و پردازنده ­ های بهتر و همچنین پالایش اطلاعات برای حذف اطلاعات غیرضروری می شود. الگوریتم ­ های کاهش داده، روش ­ هایی برای انتخاب اطلاعات مفید از مقدار زیادی داده ­ های تکراری، ناقص و زائد فراهم می­ کنند. در این مقاله، الگوریتم ReliefF که یک الگوریتم رتبه ­ بندی ویژگی است، تغییر داده شده تا به طور هم زمان ویژگی­ ها و نمونه ­ ها را انتخاب کند. الگوریتم پیشنهاد شده می­ تواند بر روی ویژگی­ های اسمی و عددی و مجموعه داده ­ ها با مقادیر مفقود اجرا و هم چنین، می­ تواند به صورت موازی روی یک پردازنده چند هسته ­ ای اجرا شود، که این امر باعث کاهش بسیار چشم گیر زمان اجرا و امکان اجرای آن روی مجموعه داده­ های بزرگ می­ شود؛ علاوه بر این، در این الگوریتم، انتخاب نمونه از هر رده متناسب با احتمال پیشین رده است و در نتیجه توازن و نسبت اولیه رده ها در مجموعه اصلی از بین نخواهد رفت. نتایج آزمایش بر روی چهار مجموعه داده نشان دهنده موفقیت الگوریتم پیشنهادی در این امر است.

هدف از تشخیص عبارت های گفتاری یا جستجوی کلیدواژه، تشخیص و جستجوی مجموعه ای از کلیدواژه ها در مجموعه ای از اسناد گفتاری (مانند سخنرانی ها، جلسه ها) است. در این پژوهش تشخیص عبارت های گفتاری فارسی برپایه سامانه های بازشناسی گفتار با کاربرد در بازیابی اطلاعات در بایگانی های گفتاری و ویدئویی سازمان صدا و سیما طراحی و پیاده سازی شده است. برای این کار، ابتدا اسناد گفتاری به متن، بازشناسی، سپس بر روی این متون جستجو انجام می شود. برای آموزش سامانه بازشناسی گفتار فارسی، دادگان فارس دات بزرگ به کار رفته است. این سامانه به نرخ خطای واژه 71/2 درصد بر روی همین دادگان و 23/28 درصد بر روی دادگان اخبار فارسی با استفاده از مدل زیر فضای مخلوط گوسی (SGMM) رسید. برای تشخیص عبارت های گفتاری از روش پایه واژگان نماینده استفاده شده و با استفاده از شبکه حافظه کوتاه-مدت ماندگار و دسته بندی زمانی پیوندگرا (LSTM-CTC) روشی برای بهبود تشخیص واژگان خارج از واژگان (OOV) پیشنهاد شده است. کارایی سامانه تشخیص عبارات با روش واژه های نماینده بر روی دادگان فارس دات بزرگ بر طبق معیار ارزش وزنی واقعی عبارت (ATWV) برابر با 9206/0 برای کلیدواژه های داخل واژگان و برابر با 2/0 برای کلیدواژه های خارج از واژگان رسید که این نرخ برای واژگان OOV با استفاده از روش LSTM-CTC با حدود پنجاه درصد بهبود به مقدار 3058/0 رسید؛ همچنین، در تشخیص عبارت های گفتاری بر روی دادگان اخبار فارسی، ATWV برابر 8008/0 حاصل شد.

پیش بینی قیمت سهام به عنوان یک فعالیت چالش برانگیز در پیش­ بینی سری­ های زمانی مالی درنظر گرفته می ­ شود. پیش بینی صحیح قیمت سهام می­ تواند سود زیادی را برای سرمایه­ گذاران به بار آورد. با وجود تلاش های فراوانی که تا کنون برای این منظور انجام گرفته، موفقیت چندانی در این زمینه به دست نیامده است. با توجه به پیچیدگی داده­ های بازار بورس، توسعه مدل­ های کارآمد برای این پیش بینی بسیار دشوار است. در این مقاله، سعی در بررسی دقیق این مسأله و ارائه روشی کارآمد برای آن داریم. برای ارزیابی روش پیشنهادی در این مقاله، بازار سهام تهران به عنوان یک بازار واقعی موردبررسی قرار گرفته است. برای پیش بینی شاخص کل سهام تهران، از سامانه های هوشمند غیرخطی همچون شبکه های عصبی مصنوعی(ANN[1]) و شبکه ­ های عصبی فازی(ANFIS[2]) استفاده و سپس کارایی این مدل­ ها با مدل های کلاسیک خطی(ARIMA[3] و SARIMA[4]) بررسی شده و همچنین علاوه بر داده­ های شاخص کل، داده­ های تأثیرگذار دیگری شامل قیمت دلار آمریکا، قیمت طلا، قیمت نفت، شاخص صنعت، شاخص ارز شناور، شاخص بازار اول و دوم در طول حدود پنج سال اخیر نیز در نظر گرفته شده است. داده ­ های این پژوهش به صورت هدفمند به عنوان ورودی به مدل­ های غیرخطی ANN و ANFIS داده می­ شوند. به عبارت دیگر، عمل انتخاب ویژگی توسط معیار تابع اطلاعات مشترک(MI[5]) و ضریب همبستگی خطی(CC[6]) انجام می­ گیرد؛ در نهایت، ویژگی­ هایی انتخاب می ­ شوند که تأثیر بیشتری روی شاخص کل دارند. این عمل باعث می­ شود که داده ­ های نامرتبط از مدل ­ سازی حذف شوند که این کار، تأثیر به سزایی در نتایج مدل ­ سازی خواهد داشت. در نهایت؛ همه مدل ­ ها براساس معیار­ های رایج نیکویی برازش با همدیگر مقایسه می­ شوند تا بتوان به دید جامعی در مورد توانایی مدل­ های مورد نظر دست یافت. نتایج مدل سازی، بیان گر این است که انتخاب ویژگی ها با روش های MI و CCدر هر دو مدل ANFIS و ANN دقت پیش بینی شاخص را از منظر معیار ارزیابی Nash-Sutcliffe تا 55% افزایش می دهد. همچنین در تمامی پنج معیار ارزیابی، عملکرد ANFIS بر ANN برتری دارد.

به ­ علت بدون ناظر بودن مسأله خوشه بندی، انتخاب یک الگوریتم خاص جهت خوشه بندی یک مجموعه ناشناس امری پر خطر و به طورمعمول شکست خورده است. به خاطر پیچیدگی مسأله و ضعف روش های خوشه بندی پایه، امروزه بیش تر مطالعات به سمت روش های خوشه بندی ترکیبی هدایت شده است. در خوشه ­ بندی ترکیبی ابتدا چندین خوشه بندی پایه تولید و سپس برای تجمیع آن­ ها، از یک تابع توافقی جهت ایجاد یک خوشه بندی نهایی استفاده می­ شود که بیشینه شباهت را به خوشه­ بندی­ های پایه داشته باشد. خوشه بندی توافقی تولید شده باید با استفاده از بیشترین اجماع و توافق به دست آمده باشد. ورودی تابع یادشده همه خوشه بندی­ های پایه و خروجی آن یک خوشه ­ بندی به­ نام خوشه بندی توافقی است. در حقیقت روش ­ های خوشه بندی ترکیبی با این شعار که ترکیب چندین مدل ضعیف بهتر از یک مدل قوی است، به میدان آمده ­ اند. با این ­ وجود، این ادعا درصورتی درست است که برخی شرایط همانند تنوع بین اعضای موجود در اجماع و کیفیت آن­ ها رعایت شده باشند. این مقاله یک روش خوشه بندی ترکیبی را ارائه داده که از روش خوشه­ بندی پایه ضعیف cmeans فازی به ­ عنوان خوشه بند پایه استفاده کرده است. همچنین با اتخاذ برخی تمهیدات، تنوع اجماع را بالا برده است. روش خوشه بندی ترکیبی پیشنهادی مزیت الگوریتم خوشه­ بندی cmeans فازی را که سرعت آن است، دارد و همچنین ضعف ­ های عمده آن را که عدم قابلیت کشف خوشه های غیر کروی و غیر یکنواخت است، ندارد. در بخش مطالعات تجربی الگوریتم خوشه بندی ترکیبی پیشنهادی با سایر الگوریتم ­ های خوشه بندی مختلف به روز و قوی بر روی مجموعه داده ­ های مختلف آزموده­ و با یکدیگر مقایسه شده است. نتایج تجربی حاکی از برتری کارایی روش پیشنهادی نسبت به سایر الگوریتم­ های خوشه بندی به ­ روز و قوی است.

با گسترش روزافزون سرویس های ابری، افراد حقیقی و حقوقی بیشتری تمایل به برون سپاری داده های خود روی این سرویس ها دارند؛ اما به دلایل امنیتی ترجیح می دهند قبل از برون سپاری داده آن را رمز کنند. رمز کردن داده به روش های معمول می تواند موجب ایجاد اختلال در عملکرد سرویس ابری، مانند عملکرد جستجو شود. روش های رمزگذاری جستجوپذیر به عنوان ابزاری مناسب، امکان جستجو روی داده رمز شده را فراهم می سازند. با توجه به نیازهای متنوع کاربران، توسعه عملکردهایی که این روش ها قادر به پشتیبانی آن ها هستند مورد توجه قرار گرفته است. یکی از این عملکردها جستجوی رتبه بندی شده است که نتایج را با توجه به میزان ارتباطی که با واژه مورد جستجو دارند، به صورت رتبه بندی شده در اختیار کاربر قرار می دهد؛ بنابراین تنها با ارسال اسناد مرتبط تر می توان ترافیک شبکه را کاهش داد. داده ساختارها به عنوان بلوک های سازنده در رمزگذاری جستجوپذیر متقارن محسوب می شوند و تنوع در این داده ساختارها منجر به دست یابی به سطوح متنوع از امنیت، کارایی و عملکرد می شود. از سوی دیگر، برای رتبه بندی اسناد معیارهای متفاوتی وجود دارد. در این مقاله، معیار بازیابی فازی اسناد در نظر گرفته شده است که با وجود کارایی بالا و سادگی، تا کنون در مبحث جستجو روی داده رمز شده به کار گرفته نشده است. برای این منظور، به بررسی داده ساختارهایی می پردازیم که امکان دستیابی به عملکرد جستجوی رتبه بندی شده را فراهم می سازند. ترکیب داده ساختار ارائه شده با معیار بازیابی فازی، روش جستجوی رتبه بندی شده ای را فراهم می آورد که علاوه بر کارایی، امنیت داده را نیز تضمین می کند.

طبقه بندی تصاویر مبتنی بر شبکه عصبی کانولوشن (CNN) به صورت گسترده در حوزه بینایی ماشین مورد مطالعه قرار گرفته است. تصاویر نوفه ای در نتایج خروجی CNN تأثیر مستقیم دارند که باعث کاهش دقت خروجی و افزایش زمان فرآیند آموزش شبکه می شوند. همچنین تصاویر تخریب شده ای که در مرحله پیش پردازش بهبود یافته اند، ممکن است به دلیل عدم بهبود کافی، اثر نامطلوب در فرآیند آموزش CNN داشته باشند. هدف این مقاله، اصلاح معماری شبکه عصبی کانولوشنال جهت مقاوم سازی در برابر تصاویر آغشته به نوفه ضربه، تصاویر با پیکسل های فاقد مقدار، تلفات پیکسل های تصاویر در ارسال و انتقال بسته ها، تصاویر تخریب شده با داده های پرت و تصاویر دست کاری شده است. از آنجا که پیش پردازش جهت حذف نوفه و بهبود کیفیت تصاویر نوفه ای به طورمعمول زمان بر و پرهزینه است، روش پیشنهادی با کاهش عملیات مورد نیاز در مرحله پیش پردازش، به طبقه بندی و تشخیص اشیا تصاویر نوفه ای را انجام می دهد. لایه ادغام، لایه کانولوشن و تابع هزینه برای مقاوم سازی CNN در برابر نوفه اصلاح می شوند. نتایج شبیه سازی نشان می دهد که به کارگیریی NR-CNN برای طبقه بندی تصاویر نوفه ای، دقت و سرعت آموزش شبکه CNN را افزایش می دهد. روش پیشنهادی با میانگین خطای 24% در مقایسه با روش VGG-Net نتیجه بهتری در طبقه بندی تصاویر موجود در پایگاه داده PascalVOC دارد؛ بنابراین می توان نتیجه گرفت که NR-CNN می تواند برای طبقه بندی و تشخیص شیء در تصاویر نوفه ای سودمند باشد.

مسأله مدل­ سازی و بازشناسی دست­ نوشته شباهت بسیار زیادی به مسأله مدل ­ سازی و بازشناسی گفتار دارد. به همین علت می ­ توان از رویکردهای به کار گرفته شده برای مسأله بازشناسی گفتار با اندکی تغییر در مراحل ابتدایی آن مانند استخراج ویژگی، برای بازشناسی دست ­ نوشته نیز بهره برد. با گسترش رویکردهای ترکیبی HMM-DNN و استفاده از توابع هدف دنباله ­ ای مانند MMI پیشرفت ­ های قابل توجهی در حوزه بازشناسی گفتار حاصل شده است. این مقاله با استفاده از نرم­ افزار متن­ باز KALDI، که شهرت اصلی آن در حوزه بازشناسی گفتار و همچنین به کارگیری آخرین مدل­ های ترکیبی ارائه شده در آن، به کمک روش افزایش داده مدلی برای بازشناسی دست ­ نوشته عربی ارائه داده است. این پژوهش بر روی دادگان KHATT انجام شده که نرخ خطای بازشناسی واژه را بر روی این دادگان به میزان 32/7 درصد مطلق کاهش داده است.