رایانش نرم و فن آوری اطلاعات
سال:1402 | دوره:12 | شماره:1 |تعداد مقالات:6

اکثر روش های کاهش رنگ در تصاویر که مبتنی بر خوشه بندی تصویر در یک فضای رنگی سه بعدی ، هزینه های محاسباتی بسیار بالایی به خصوص برای تصاویر در اندازه های بزرگ دارند. در این مقاله یک روش جدید تطبیقی برای کاهش سریع رنگ ارائه شده است که از نظر محاسباتی مستقل از اندازه تصویر است و عمق پیکسل را از 24 بیت (که برای نشان دادن مقادیر سه گانه رنگ در اغلب مدلهای RGB  سخت افزار محور استفاده می شود) به حداکثر 15 بیت کاهش می دهد. برای دستیابی به این هدف با معرفی یک تابع هزینه ترکیبی جدید و با استفاده نسخه اصلاح شده GSA (که PABH-GSA نامیده می شود)، یک رویکرد بین بندی تطبیقی هیستوگرام ایجاد شده است. هرچند دقت بازرقومی سازی مکعب رنگ در رویکرد بین بندی هیستوگرام در مقایسه با روش خوشه بندی داده های سه بعدی کمتر است، اما کاهش قابل توجهی هزینه محاسباتی را به دنبال دارد. در این مقاله ضمن استفاده از این مزیت به دنبال کاهش خطای بازرقومی سازی با استفاده از بین بندی تطبیقی مولفه های رنگ RGB هستیم. علیرغم کاهش قابل توجه در عمق پیکسل، رویکرد کاهش رنگ پیشنهادی، به دلیل کاهش تطبیقی رنگ تصاویر، منجر به کاهش رنگ مناسب برای طیف گسترده ای از تصاویر می شود.

شبکه موردی بین خودرویی (VANET)، یک زیر کلاس از شبکه موردی متحرک (MANET)و یک روش نوید بخش جهت سیستم های حمل و نقل هوشمند (ITS) است. پروتکل های VANET به دلیل تغییرات پویای توپولوژی و پیوندهای متقارن شبکه با چالش های بزرگی روبرو هستند. یک مکانیسم مسیریابی مناسب و مؤثر به استقرار و گسترش موفقیت آمیز شبکه های موردی بین خودرویی کمک می کند. وظیفه مسیریابی داده ها از گره منبع به ایستگاه پایه یک مسئله مهم در VANET است. یکی از روش های مسیریابی کارآمد در این شبکه ها، مسیریابی جغرافیایی است. در این نوع مسیریابی، وسایل نقلیه مناطق ویژه در یک گروه چند مرحله ای قرار می گیرند تا از پخش بسته ها جلوگیری کنند. در این مقاله، پروتکل مسیریابی جغرافیایی بین خودرویی با منطق فازی که F-IVG نامیده می شود، بهبود یافته است. در پروتکل پیشنهادی، ما از منطق فازی برای انتخاب پیوندی با بیشترین زمان انقضاء لینک استفاده کردیم و احتمال چگالی را برای جلوگیری از پخش مجدد بسته تنظیم می کنیم. در پروتکل مسیریابی پیشنهادی از پارامترهای موثری مانند مسافت، جهت و سرعت برای یافتن گره گام بعدی استفاده شده است. نتایج شبیه سازی نشان داده است که پروتکل پیشنهادی نسبت تحویل بسته بالاتر،تعداد بسته از دست رفته کمتر و تاخیر انتها به انتهای کمتری دارد.

برای بهبود الگوریتم های انتخاب ویژگی، روش های شورایی مورد استفاده قرار می گیرند. در این رویکردها نتایج چندین روش انتخاب ویژگی با هم ترکیب می شوند تا مجموعه ویژگی نهایی حاصل شود. انتخاب ویژگی شورایی بر اساس این حقیقت است که تنوع روش های انتخاب ویژگی بهتر از تنها یک روش عمل می کند. هر الگوریتم انتخاب ویژگی ممکن است یک اپتیموم محلی را در فضای ویژگی ها در نظر بگیرد. در نتیجه روش های انتخاب ویژگی شورایی برای حل این مشکلات مورد استفاده قرار می گیرند. در این مقاله ما یک الگوریتم انتخاب ویژگی شورایی بر اساس رتبه دهی مبتنی بر مفهوم غلبه پارتو برای بهبود دقت دسته بندی روش های انتخاب ویژگی شورایی حاضر و روش های پایه انتخاب ویژگی ارائه داده ایم. این روش با استفاده از یک فرآیند بهینه سازی دو هدفه و مفهوم فاصله ازدحام، ویژگی ها در این فضا و در نظر گرفتن میزان همبستگی با برچسب کلاس و نیز افزونگی هر ویژگی به رتبه دهی آنها می پردازد. ما این روش را با روش های انتخاب ویژگی شورایی جدید و الگوریتم های پایه انتخاب ویژگی مقایسه کرده ایم. نتایج نشان دهنده برتری روش در معیار دقت دسته بندی است و همچنین در زمان کوتاه تری نسبت به سایر روش ها اجرا می شود.

گسترش فن آوری های اینترنتی طی دهه های گذشته به وابستگی فعالیت های کاربران در فضای مجازی به خدمات ارائه شده توسط شبکه های رایانه ای منجر شده است. در این فضا سیستمی به نام سیستم تشخیص نفوذ(IDS) وجود دارد که ترافیک شبکه را برای تشخیص رفتارهای غیرطبیعی و همچنین فعالیتهای ناهنجاری کنترل می کند. استحکام و کارآیی زمان IDS به عنوان یک مسئله اساسی در شبکه ها در نظر گرفته می شود. در این مقاله ، مدل جدیدی مبتنی بر الگوریتم های فرا اکتشافی برای شناسایی بسته های غیر طبیعی به کار گرفته شده است. به منظور توسعه استراتژی با کارایی بالا از موارد ذیل استفاده شده است:  یک مجموعه داده مرجع (NSL-KDD) ، روش انتخاب ویژگی با دقت بالا و چهار الگوریتم فرا اکتشافی. این مجموعه داده شامل 150490 بسته نرمال و غیر طبیعی است که از یک شبکه نظامی ضبط شده است و 16 ویژگی مهم با استفاده از روش انتخاب ویژگی wrapper از این مجموعه داده استخراج می شوند. روش انتخاب ویژگی ذکر شده از روش Naïve-Bayesian برای ارزیابی زیر مجموعه های ویژگی استفاده می کند. پس از فرآیند انتخاب ویژگی ، از چهار الگوریتم فرا اکتشافی برای تشخیص ناهنجاری در اتصالات شبکه استفاده می شود. پارامترهای تابع هزینه (ترکیب رگرسیون غیر خطی و سیگموئید) با استفاده از الگوریتم های فرا اکتشافی بهینه می شوند. نتایج به دست آمده نشان می دهد که الگوریتم رقابت استعماری از لحاظ دقت نسبت به سایر الگوریتم های فرا اکتشافی بهتر است و همچنین همگرایی قابل قبولی جهت پیدا کردن جواب بهینه دارد.

تکنیک وارسی مدل، روشی رسمی و مؤثر جهت تأیید سیستم های نرم افزاری  است که با تولید  و بررسی همه حالت­های  ممکنِ مدلی از سیستم نرم افزار به تحلیل آن می­پردازد. چالش اساسی وارسی مدل در سیستم های پیچیده و بزرگ که دارای فضای حالت گسترده و یا نامحدود می باشند، مشکل انفجار فضای حالت (کمبود حافظه در تولید همه حالت های ممکن) است. الگوریتم جنگل تصادفی  که قادر به کشف دانش است با انتخاب تعداد محدودی مسیر امیدبخش به مقابله با این مشکل می­پردازد. درروش پیشنهادی، ابتدا مدل کوچکی از سیستم با استفاده از زبان رسمی سیستم توصیف گراف (GTS) ایجاد و از فضای حالت  مدل کوچک، مجموعه ای آموزشی  ایجاد می شود. مجموعه آموزشی تولیدشده در اختیار الگوریتم جنگل تصادفی قرار داده می شود تا روابط منطقی موجود در آن شناسایی و کشف شوند. سپس از دانش به دست آمده جهت پیمایش  هوشمند و غیر کامل فضایِ حالتِ مدلِ بزرگ استفاده می شود. رویکرد پیشنهادی در ابزار GROOVE که از ابزار متن باز برای طراحی و بررسی مدل سیستم های تبدیل گراف است، اجراشده است. نتایج نشان می دهند که روش پیشنهادی  علاوه بر افزایش هوشمندی فرایند وارسی مدل، نیاز به تنظیم پارامترهای اولیه کمتری دارد. رویکرد پیشنهادی بر روی چند مسئله شناخته شده اجرا شده است. نتایج آزمایش های تجربی نشان می­دهند روش پیشنهادی در مقایسه با روش های قبلی متوسط زمان اجرا، تعداد حالت­های پیمایش شده و دقت عملکرد بهتری دارد.

شبکه حسگر بی­سیم یک شبکه بی­سیم از حسگرهای خودسازماندهی است که در فواصل زمانی مختلف توزیع می­شوند. این حسگرها برای اندازه گیری های کمیت های فیزیکی خاص یا شرایط محیطی مانند دما، صدا، ارتعاش، فشار، حرکت یا آلاینده ها در مکان های مختلف استفاده می شوند. بهره وری انرژی برای افزایش طول عمر یک شبکه حسگر بی­سیم باید در تمام زمینه های طراحی شبکه از جمله سخت افزار و نرم افزار در نظر گرفته شود. شبکه های حسگر بی سیم ممکن است در برنامه های کاربردی حیاتی استفاده شوند و داده های حساس را انتقال دهند، بنابراین به روش هایی برای ایمن کردن داده ها نیاز دارند. مسیریابی ایمن در شبکه های حسگر بی سیم به دلیل نیاز به محرمانه بودن داده ها، یکپارچگی، بهره وری انرژی، احراز هویت و انعطاف پذیری در برابر حملات حیاتی است. این تضمین می کند که داده های حساس خصوصی باقی می مانند، از دستکاری جلوگیری می کند، مصرف انرژی را بهینه می کند، صحت گره را تأیید می کند و در برابر حملات مقاومت می کند. در این مقاله یک روش مسیریابی ایمن را در شبکه­های حسگر بی­سیم ارائه می­شود. در روش پیشنهادی، با توجه به محدودیت های پردازش گره ها و برای اطمینان از امنیت پیام های رد و بدل شده، از روش رمزنگاری انتقال ستونی سبک وزن استفاده می شود. فرآیند مسیریابی به صورت گام به گام انجام می­شود و گام بعدی بر اساس پارامترهای انرژی باقیمانده، فاصله تا ایستگاه پایه و ترافیک گره انتخاب می­شود. روش مسیریابی پیشنهادی توسط متلب پیاده سازی شده و با روش های SMEER و KID-SASR مقایسه شده است. نتایج شبیه­سازی نشان دهنده کاهش تاخیر انتها به انتها به میزان 50 و 38 درصد، کاهش مصرف انرژی به میزان 39 و 20 درصد، کاهش نرخ تلفات بسته و افزایش تعداد گره های زنده به میزان 66 و 59 درصد در مقایسه با روش­های  SMEER و  KID-SASR  است.