دانشگاه قممدیریت مهندسی و رایانش نرم2538-62396220200922Speed-up Technique in Time-Varying Shortest Path Problems with Arbitrary Waiting Times-مساله تسریع در کوتاهترین مسیرهای متغیر زمانی با زمانهای انتظار دلخواه921106810.22091/jemsc.2018.1688.1049FAغلام حسنشیردلدانشیار، گروه ریاضی، دانشکده علوم پایه، دانشگاه قم، قم، ایران.حسنرضاپوردکترا، ریاضی کاربردی، دانشکده علوم پایه، دانشگاه قم، قم، ایران.Journal Article20170104Network flow problems are considered a vital branch of operations research. These problems are classified into static and time-varying classes. Network flow problems are time-varying in real application, because any flow must take a given amount of time to traverse an arc. Moreover, all the parameters in the network can be time-dependent. In this paper, the speed-up technique on time-varying shortest path problems is studied. First of all, the time-varying shortest path problem is explained. The problem is to find the shortest paths from a specific vertex (which is called a source) to other vertices, so that the total cost of the path is minimized and the total travel times and waiting times reach a maximum value of T, where T is a given positive integer. Then the speed-up technique is explained for a shortest path problem.مسائل شبکه جریان، شاخه حیاتی در تحقیق در عملیات هستند. این مسائل به حالتهای متغیر زمانی و ایستا طبقهبندی میگردند. مسائل شبکه جریان در کاربردهای واقعی، متغیر زمانی هستند، زیرا هر جریان برای عبور از یک کمان باید یک مقدار زمان داده شده را اتخاذ کند، همچنین همه پارامترها در شبکه می توانند به جریان وابسته باشد. در این مقاله، مساله تسریع روی کوتاهترین مسیر متغیر زمانی مطالعه می گردد. در ابتدا، ما کوتاهترین مسیر متغیر زمانی را توضیح میدهیم. این مساله یافتن مسیرهایی از یک راس مشخص شده (که مبدا نامیده می شود) به سایر رئوس است بهطوریکه هزینه این مسیر کمترین گردد و مجموع زمانهای عبور و زمانهای انتظار حداکثر T شود، که T یک عدد صحیح مثبت داده شده است. سپس مساله تسریع برای یک مساله کوتاهترین مسیر شرح داده شده است.دانشگاه قممدیریت مهندسی و رایانش نرم2538-62396220200922Segmentation of the Sensor Data Stream in Pervasive Smart Environments-قطعهبندی جریان داده حسگرها در محیطهای هوشمند فراگیر2339127310.22091/jemsc.2018.1273FAوحیدقاسمیگروه مهندسی کامپیوتر، دانشگاه صنعتی کرمانشاه، کرمانشاه،محمدجوادیانگروه مهندسی کامپیوتر، دانشگاه صنعتی کرمانشاه، کرمانشاه،سجادحیاتیگروه مهندسی برق، دانشگاه صنعتی کرمانشاه، کرمانشاه،Journal Article20190316Nowadays, pervasive environment development has garnered lots of attentions. In such environments, user-object interactions along time are recorded via several sensors, and sensor events are processed as a stream of data. In this process, user’s activities are recognized, and accordingly, essential services are provided. In many activity recognition approaches, firstly the input data stream is segmented, then the activity pertaining to each segment is induced. In such approaches, sensor data stream segmentation is a predominant phase. In this paper, this problem is investigated and a novel method, based on a difference of convex programming problem, is proposed to solve it. In the proposed method a feature vector is calculated for each sensor event in the data stream using a Bayesian approach, and the sequence of such vectors is hired in a difference of convex cost function. The cost function and feature vectors has been calculated by considering heuristics adopting to smart environments. Data segments are extracted by minimizing the cost function. The segmentation purity and conditional entropy have been calculated to measure the performance. Evaluations show that the proposed method has an acceptable performance comparing to some existing approaches.<strong>امروزه توسعه محیطهای هوشمند فراگیر به موضوعی جذاب برای محققین تبدیل شده است. در این محیطها، تعاملات کاربر با اشیاء مختلف محیطی در طول زمان، با استفاده از حسگرهایی ثبت شده، و رویدادهای حسگرها به صورت جریانی از دادهها مورد پردازش قرار میگیرند. در این پردازش، عمل کاربر بازشناسی شده، و بر حسب آن، خدماتی به او ارائه میگردند. در بسیاری از رویکردهای بازشناسی اعمال، ابتدا جریان داده ورودی قطعه بندی شده، و سپس عمل مربوط به هر قطعه تشخیص داده میشود. در این رویکردها یک گام اولیه بسیار مهم، قطعه بندی جریان دادههای حسگرها است. در این مقاله به این مساله پرداختهایم، و برای حل آن روش جدیدی را، بر مبنای یک مساله برنامه ریزی تفاضل محدب، پیشنهاد دادهایم. در روش پیشنهادی، برای هر رویداد حسگر در جریان دادهها، یک بردار ویژگی با استفاده از رویکردی بیزی محاسبه، و دنباله این بردارها در یک تابع هزینه تفاضل محدب به کار گرفته شده است. بردارهای ویژگی و تابع هزینه را با در نظر گرفتن مکاشفههایی که مطابق با شرایط محیطهای هوشمند فراگیر هستند، محاسبه کردهایم. قطعات داده با کمینهسازی این تابع استخراج میگردند. در ارزیابیها از یک شبیهساز خانههای هوشمند برای تولید جریان دادههای حسگرها استفاده شده است. میزان خلوص قطعات، و آنتروپی شرطی قطعهبندی برای سنجش میزان کارآیی روش پیشنهادی محاسبه گردیدهاند. ارزیابیهای نشان میدهند که در مقایسه با تعدادی از رویکردهای موجود، روش پیشنهادی عملکرد قابل قبولی را از خود نشان میدهد.</strong>دانشگاه قممدیریت مهندسی و رایانش نرم2538-62396220200922Query-Based Extractive Multi-Document Summarization Using Paraphrasing and Textual Entailment-خلاصهسازی چندسندی استخراجی مبتنی بر پرسوجوی متن با استفاده از تفسیر و استلزام متنی183198127010.22091/jemsc.2018.1270FAعلیناصراسدیگروه کامپیوتر، مجتمع آموزش عالی زرند، کرمان، ایرانJournal Article20190220One of the most common problems with computer networks is the amount of information in these networks. Meanwhile searching and getting inform about content of textual document, as the most widespread forms of information on such networks, is difficult and sometimes impossible. The goal of multi-document textual summarization is to produce a pre-defined length summary from input textual documents while maximizing documents’ content coverage. This paper presents a new approach for textual document summarization based on paraphrasing and textual entailment relations and formulating the problem as an optimization problem. In this approach the sentences of input documents are clustered according to paraphrasing relation and then the entailment score and final score of a fraction of the header sentences of clusters which have the best score according to the user query is calculated. Finally, the optimization problem is solved via greedy and dynamic programming approaches and while selecting the best sentences, the final summary is generated. The results of implementing the proposed system on standard datasets and evaluation via ROUGE system show that the proposed system outperforms the state-of-the-art systems at least by 2.5% in average.<strong>یکی از مشکلات رایج شبکههای کامپیوتری حجم زیاد اطلاعات موجود در چنین شبکههایی است. در این بین، جستجو و اطلاع از محتوای اسناد متنی که گستردهترین نوع اطلاعات بر روی چنین شبکههایی هستند، بسیار مشکل و گاهی اوقات غیرممکن میباشد. هدف سیستمهای خلاصهسازی چند سندی متن، تولید کردن خلاصهای با طول ثابت از اسناد متنی ورودی ضمن پوشش حداکثری محتوای اسناد میباشد. مقالهی حاضر، روشی جدید برای خلاصهسازی اسناد متنی بر مبنای استفاده از روابط تفسیر و استلزام متنی و با فرمولهسازی مسأله در قالب یک مسألهی بهینهسازی ارائه کرده است. در این روش، جملههای درون اسناد ورودی ابتدا بر اساس رابطهی تفسیر متنی خوشهبندی شده سپس امتیاز استلزام متنی برای کسری از سرآیند خوشهها که دارای بیشترین امتیاز مرتبط با پرسوجوی کاربر هستند محاسبه شده و براساس آن امتیاز نهایی هر جمله به دست میآید. در نهایت، به کمک دو رویکرد حریصانه و برنامهریزی پویا مسألهی بهینهسازی حل شده و ضمن انتخاب بهترین جملهها، خلاصهی نهایی تولید میشود. نتایج اجرای سیستم پیشنهادی بر روی مجموعهدادههای استاندارد و انجام ارزایابی بر اساس سیستم </strong>ROUGE<strong> نشان میدهند که این سیستم کارایی بهترین سیستمهای خلاصهسازی استخراجی مبتنی بر پرسوجو را به صورت میانگین حداقل به میزان 5/2% بهبود داده است.</strong>دانشگاه قممدیریت مهندسی و رایانش نرم2538-62396220200922The Impact of Managers’ Attitude Towards Internet Marketing on Internet Marketing Adoption in Organizations (Case Study: Book-Publishing and Distribution Companies in Iran)-تأثیر گرایش مدیران به بازاریابی اینترنتی بر میزان بکارگیری آن در سازمانها (مورد مطالعه: شرکتهای نشر و توزیع کتاب در ایران)4168106710.22091/jemsc.2017.2353.1056FAحمیدرضارضوانیاستادیار، گروه مدیریت کسب و کار، دانشکده مدیریت، دانشگاه مهرالبرز، تهران، ایران.نرگسآقاخانیکارشناسی ارشد، مدیریت فناوری اطلاعات، دانشکده فناوری اطلاعات، دانشگاه مهرالبرز، تهران، ایران.Journal Article20170810In today’s turbulent and competitive market, organizations tend to use Internet marketing for achieving and maintaining optimal performance in order to gain competitive advantage. One of the most important success factors in Internet marketing is the support of top managers of the organization. Since there has been a limited number of researches investigating the relationship between "top managers’ supportive attitude" and "the extent to which Internet marketing is used", this paper seeks to identify, categorize, and provide indicators for measuring these two variables in book publishing and distribution companies. This study is a descriptive survey research and the data has been collected by sending electronic questionnaires to the top managers and marketing managers of under-research companies. The results indicate that there is a weak positive correlation between these two variables. In other words, the use of Internet marketing in under-research companies doesn't seem to have a strong relationship with managers' attitudes, and there are other factors involved. However, knowing the top managers’ attitude will lead to appropriate decisions on using resources for implementation of Internet marketing.سازمانها برای ایجاد و حفظ عملکرد بهینه در بازار متلاطم و رقابتی امروز، به بازارایابی اینترنتی جهت کسب مزیت رقابتی گرایش پیدا کردهاند. یکی از مهمترین عوامل موفقیت در بازاریابی اینترنتی حمایت مدیران عالی سازمان است. از آنجا که در خصوص ارتباط بین "نگرش حمایتی مدیران عالی" و "میزان استفاده از بازاریابی اینترنتی" تحقیقات محدودی انجام شده، این مقاله به دنبال شناسایی، دستهبندی و ارائه شاخصهای اندازهگیری این دو متغیر در شرکتهای نشر و توزیع کتاب است. روش تحقیق این مقاله از نوع توصیفی پیمایشی بوده و دادهها از طریق ارسال پرسشنامه الکترونیکی به مدیران عالی و بازاریابی شرکتهای مورد مطالعه گردآوری شده است. نتایج حاکی از این است که رابطه مثبت و ضعیفی بین این دو متغیر وجود دارد. به بیان دیگر، استفاده از بازاریابی اینترنتی در شرکتهای تحت بررسی، رابطه قوی با گرایش مدیران ندارد و عوامل دیگری در این بین دخیل هستند. با این وجود، لزوم آگاهی از نگرش مدیران عالی منجر به اتخاذ تصمیمات مناسب در استفاده از منابع برای بکارگیری بازاریابی اینترنتی خواهد شد.دانشگاه قممدیریت مهندسی و رایانش نرم2538-62396220200922Breast Cancer Prediction Using the Affinity Propagation Clustering with Regard to the Weights of Variables-پیش بینی سرطان سینه با استفاده از روش خوشهبندی انتشار وابستگی با در نظر گرفتن وزن متغیرها6981127410.22091/jemsc.2018.1274FAسینادامیاستادیار، گروه کامپیوتر، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران،زینبحاتم چوریدانشآموخته کارشناسی ارشد، گروه کامپیوتر، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران،Journal Article20190316By using data mining tools in the field of medical diagnosis, some limitations such as the high cost of some tests or their timing will be addressed. In addition, the existence of errors in some experiments has led researchers to be welcomed by categorization methods. In this regard, the present study, based on the combination of clustering and categorization methods, has proposed a new method for the diagnosis of breast cancer. In this operation, the combination is performed using an iterative algorithm and a dependency propagation clustering algorithm. This method produces weights for variables using an innovative algorithm and forms cluster clusters based on the dependency propagation algorithm. Then the number of clusters as a new variable is added to the data, and in the next step, the block algorithm is implemented on the modified dataset containing the main data and the number of clusters. According to the accuracy index, the weights production continues to reach the highest possible precision. According to the numerical experiments conducted in this study, the combination of the dependency emission clustering algorithm with an average accuracy of 36.98 was the most accurate. In addition, the Wilcoxon assumption test confirmed the superiority of the combined neural network compared to other methods.<strong>با استفاده از ابزارهای دادهکاوی در حوزهی تشخیص پزشکی محدودیتهایی همچون هزینههای بالای برخی از آزمایشات یا زمانبر بودن آنها مرتفع میگردد. به علاوه، وجود خطا در برخی از آزمایشات موجب شده تا روشهای دستهبندی مورد استقبال پژوهشگران قرار گیرد. در همین راستا پژوهش جاری با تکیه بر ترکیب روشهای خوشهبندی و دستهبندی روش جدیدی را برای تشخیص بدخیمی سرطان سینه ارائه نموده است که در آن عمل ترکیب با استفاده از یک الگوریتم ابتکاری تکرار شونده و الگوریتم خوشهبندی انتشار وابستگی انجام میشود. این روش با استفاده از یک الگوریتم ابتکاری وزنهایی را برای متغیرها تولید نموده و براساس الگوریتم انتشار وابستگی، خوشههای موزون تشکیل میدهد. سپس شماره خوشهها به عنوان یک متغیر جدید به دادهها افزوده شده و در مرحلهی بعد، الگوریتم دستهبند بر روی مجموعه دادهی اصلاح شده حاوی دادههای اصلی و شمارهی خوشهها اجرا میگردد. با توجه به شاخص دقت، تولید اوزان تا رسیدن به بیشترین دقت ممکن ادامه مییابد. بر طبق آزمایشات عددی انجام شده در این پژوهش، ترکیب الگوریتم خوشهبندی انتشار وابستگی با میانگین دقت 36/98 دارای بیشترین دقت بوده است. به علاوه، آزمون فرض ویلکاکسون برتری شبکهی عصبی ترکیبی را نسبت به سایر روشها مورد تأیید قرار داده است. </strong>دانشگاه قممدیریت مهندسی و رایانش نرم2538-62396220200922Vehicle Detection in Different Environments-تشخیص وسایل نقلیه در محیطهای ترکیبی217231126910.22091/jemsc.2018.1269FAمحسنولیزاده اصلیدانشآموخته، کارشناسی ارشد هوش مصنوعی، گروه مهندسی برق و کامپیوتر، داشنگاه خوارزمی ، تهران0000-0001-7849-7668محمدبادپیمادانشآموخته کارشناسی ارشد هوش مصنوعی، دانشگاه مالکاشتر ، تهرانسحرخسرویان زاهدانیدانشجوی دکتری هوش مصنوعی و رباتیک، دانشگاه آزاد لاهیجان، گیلان، ایرانJournal Article20190220In this paper, we presented a vehicle detection method based on RGB color space components analysis. The proposed approach is mainly focused on designing the system which is applicable in the case of different weather conditions (rainy, snowy, misty etc), different times during the day and night (daylight, night, noon, afternoon), heavy traffics, the existence of the shadows and different road conditions. Most of the vehicle detection methods utilized background model generation. Since even slight changing in the brightness could decrease the detection quality, in these kinds of methods the background image needs to continuously be updated. In this paper, we presented the method in which the vehicle detection process is performed without any need to generate and update the background model. In the presented approach, we utilized the histogram normalization in order to alleviate the problems caused by brightness change in the case of different weather conditions. We also extracted moving objects using optical flow. Finally, we utilized the HOG descriptor and SVM classifier in order to detect vehicle objects. The performance of the proposed method is tested using VDTD dataset and the results illustrate that the proposed method provides acceptable results specially in heavy traffics and different weather conditions.<strong>در این مقاله، طراحی و پیادهسازی یک سیستم تشخیص وسایل نقلیه مبتنی بر تحلیل اجزاء رنگ در فضای </strong>RGB<strong> ارائه و چالشهای آن از جمله شرایط جوی مختلف (بارانی، برفی، مهآلود و...)، زمانهای مختلف(روز، شب، ظهر، بعدازظهر)، ترافیک سنگین، وجود سایه و هم چنین وجود مشکلاتی در سطح جاده مورد بررسی قرار گرفته است. در سالهای اخیر روشهای موثر بر مبنای ساخت مدل پسزمینه ارائه گردیده است اما این روشها دارای مشکلاتی هستند که اگر چنانچه این مدل پسزمینه به صورت پیوسته بروز رسانی نشود، تنها تغییرات روشنایی میتواند کیفیت تشخیص را به شدت پائین بیاورد. هدف این مقاله پیشنهاد روشی برای تشخیص وسایل نقلیه بدون نیاز به ساخت و بروز رسانی مدل پس زمینه است که بتواند در چالشهای مختلف به صورت مطلوب و با دقت بالا عمل کند.</strong> <strong>در این روش برای غلبه بر مشکلات حاصل از تغییرات روشنایی و شرایط جوی مختلف از نرمال سازی هیستوگرام و برای استخراج اشیاء در حال حرکت از مقدار مشتق سطح خاکستری و جریان نوری استفاده شده است. در پایان برای جستجوی ناحیههای تشخیص داده شده و هم چنین برای جدا کردن خطوط و علائم از وسایل نقلیه از توصیفگر </strong>HOG<strong> و دستهبند </strong>SVM<strong> استفاده شده است.نتایج آزمایشها روی پایگاه داده </strong>VDTD<strong> کارایی این روش را تائید کرده و نشان میدهد که روش پیشنهادی در شرایط جوی ترکیبی و هم چنین در ترافیک سنگین بهتر از روشهای مشابه عمل میکند.</strong>دانشگاه قممدیریت مهندسی و رایانش نرم2538-62396220200922The Management and Evaluation of Independent Project Portfolios under Uncertainty and Projects Incompatibility-مدیریت و ارزیابی سبد پروژههای مستقل در شرایط عدم قطعیت و سازگاری پروژهها83112107210.22091/jemsc.2018.2451.1060FAهادیمختاریاستادیار مهندسی صنایع، دانشکده مهندسی، دانشگاه سراسری کاشان، کاشان، ایران.زینبحبیبیدانشجوی مهندسی صنایع، دانشکده مهندسی، دانشگاه سراسری کاشان، کاشان، ایرانJournal Article20170914This research focuses on evaluating and proposing some approaches in order to choose the most economic projects under risk and uncertainty. In this investigation, the considered projects are independent and naturally selecting multiple options, as a project portfolio, is possible. The restrictive criterion for the investor in selecting large-scale portfolios is the limited available budget and capital that determine which projects are economic and can be selected. However, variations and inconsistencies in the economic utility of projects, which is caused by external uncertainties, is an important factor that should be considered in such evaluations. In this research, two different approaches are proposed for the economic evaluation of project portfolio under risk and uncertainty. The first approach is designed based on a normal distribution curve and the minimum coefficient of variation (CV), while the second one acts based on a corrected available budget and the maximum expected value. Finally, the results of the proposed approaches are evaluated and analyzed considering the presented sample problems. چکیده: در این تحقیق به بررسی و پیشنهاد رویکردهایی جهت انتخاب اقتصادیترین پروژهها در شرایط ریسک و عدم قطعیت پرداخته میشود. این بررسی در حالتی است که پروژههای مورد بررسی مستقل هستند و ماهیتاً امکان انتخاب چند گزینه، به عنوان سبدی از پروژهها، بصورت همزمان وجود دارد. معیار محدودکنندهی سرمایهگذار در انتخاب سبدهای بزرگتر، محدودیت در بودجه و سرمایه در دسترس است که تعیین مینماید کدام پروژهها اقتصادی بوده و قابل انتخاب هستند. ولیکن تغییرپذیری و نوسان در مطلوبیت اقتصادی پروژهها که ناشی از عدم قطعیتهای بیرونیست، عامل مهمی است که میبایست در این ارزیابیها لحاظ گردد. در این تحقیق دو رویکرد متفاوت جهت ارزیابی اقتصادی سبد پروژهها در شرایط ریسک و عدم قطعیت پیشنهاد میشود. رویکرد اول بر مبنای تابع توزیع نرمال و با معیار کمترین ضریب تغییرات طراحی میشود، درحالیکه رویکرد دوم بر اساس اصلاحِ بودجه در دسترس و با معیار بیشترین امیدریاضی عمل میکند. در انتها نتایج رویکردهای پیشنهاد شده، بر اساس نمونه مسائل ارایه شده، مورد تجزیه و تحلیل و ارزیابی قرار میگیرد.دانشگاه قممدیریت مهندسی و رایانش نرم2538-62396220200922Proposed Method for Note Detection and Automatic Identification of the Melody Models (Gusheh) in Iranian Traditional Music with Micro Approach-روش پیشنهادی برای شناسایی خودکار گوشهها در ردیف موسیقی سنتی ایرانی با رویکرد میکرو113138126810.22091/jemsc.2018.1268FAامیروفائیانگروه علم اطلاعات و دانش شناسی، دانشگاه خوارزمی، تهران، ایرانکیوانبُرنااستادیار، گروه علوم کامپیوتر، دانشکده علوم ریاضی و کامپیوتر، دانشگاه خوارزمی، تهران، ایرانحامدساجدیاستادیار، گروه برق و الکترونیک، دانشکده فنی و مهندسی، دانشگاه شاهد، تهران، ایرانداریوشعلیمحمدیاستادیار، گروه علم اطلاعات و دانششناسی، دانشکده روانشناسی و علوم تربیتی، دانشگاه خوارزمی، تهران، ایرانپویاسراییاستادیار، گروه موسیقی، دانشکده هنر، دانشگاه آزاد واحد تهران مرکزی، تهران، ایرانJournal Article20190315One of the most common problems with computer networks is the amount of information in these networks. Meanwhile searching and getting inform about content of textual document, as the most widespread forms of information on such networks, is difficult and sometimes impossible. The goal of multi-document textual summarization is to produce a pre-defined length summary from input textual documents while maximizing documents’ content coverage. This paper presents a new approach for textual document summarization based on paraphrasing and textual entailment relations and formulating the problem as an optimization problem. In this approach the sentences of input documents are clustered according to paraphrasing relation and then the entailment score and final score of a fraction of the header sentences of clusters which have the best score according to the user query is calculated. Finally, the optimization problem is solved via greedy and dynamic programming approaches and while selecting the best sentences, the final summary is generated. The results of implementing the proposed system on standard datasets and evaluation via ROUGE system show that the proposed system outperforms the state-of-the-art systems at least by 2.5% in average.<strong>طراحی سامانهای که بتواند بهطور خودکار دستگاهها و گوشههای موسیقی سنتی ایرانی تشخیص دهد، مدتی است که توجه پژوهشگران ایرانی را در حوزه بازیابی اطلاعات موسیقایی به خود جلب کرده است. ازآنجاکه در این پژوهشها، بهطور عمده به دستهبندی خودکار پنج دستگاه اصلی پرداختهاند و نه تفکیک گوشهها از یکدیگر، پژوهشِ حاضر با هدف ارائه الگوریتم و روشی برای شناسایی خودکار گوشهها در ردیف دستگاهی موسیقی سنتی ایرانی انجام شده است. ازاینرو، ابتدا تعریف و تحلیلی نظاممند از دو مفهوم اصلی موسیقی سنتی ایرانی، یعنی دستگاه و گوشه آمده و پس از معرفی دو رویکرد اساسی در شناسایی خودکار دستگاه و گوشه، روششناسی و الگوریتمهای بکار رفته در برخی از پژوهشهای مرتبط، آمده است. سپس، الگوریتم و روشی برای شناسایی خودکار گوشههایِ ردیف دستگاهی موسیقی ایرانی بر اساس رویکردِ میکرو ارائه شده است. در روش پیشنهادی، در درجه نخست تلاش برای شناسایی نغمههای یک قطعه موسیقی سنتی ایرانی، بهعنوان مرحله اولیه و مهم در شناسایی گوشهها و بهبود پارامترهای آن بوده است. پس از این مرحله، با تعریف سیرِ ملودیِ جمله مُعرّف گوشهها و بررسی میزان شباهت آن به کل قطعه، میتوان گوشه موردنظر را شناسایی کرد.</strong><br /><strong> </strong>دانشگاه قممدیریت مهندسی و رایانش نرم2538-62396220200922Optimization of Job Scheduling in the Cloud Computing Environment Using the Fuzzy Particle Swarm Optimization Algorithm-بهینهسازی زمانبندی وظایف در محیط ابر با استفاده از ویرایش فازی الگوریتم بهینهسازی اجتماع ذرات199215127110.22091/jemsc.2018.1271FAشبنمقرائیاندانشگاه آزاد اسلامی،واحد گرمسار،دانشکده مهندسی کامپیوتر و فناوری اطلاعات، گروه کامپیوترخسروامیری زادهدانشگاه آزاد اسلامی،واحد گرمسار،دانشکده مهندسی کامپیوتر و فناوری اطلاعات، گروه کامپیوترJournal Article20190220Nowadays, along with the constant increase of using cloud environment by companies and organizations, scheduling jobs in this environment in an optimum way is of prime importance. Therefore, different algorithms have been suggested for assigning tasks to resources in cloud environments; however, most of which do not consider criteria such as balanced load, and reduction of the task completion time. In this work, using the meta-heuristic algorithm of swarm particles optimization (PSO) and fuzzy logic, task completion time is reduced, and, as a result of which, efficiency of using resources is increased. Generally, in a distributed system like cloud environment, tasks are assigned randomly to resources. Hence, total load on the cloud environment could become imbalanced, which reduces system’s efficiency. In this research, PSO and fuzzy logic is used for job scheduling. In addition, the use of simulated annealing (SA) to improve the initial solutions, which are generated randomly, is suggested. Results show that the suggested optimization method can effectively improve criteria like makespan once compared with results of algorithms without optimization, like Ron-robin, and even in comparison to other optimization algorithms, like genetic algorithm. امروزه با توجه به استفادهی روزافزون از محیط ابر توسط شرکتها و سازمانها، زمانبندی وظایف در این نوع محیطها از اهمیت ویژهای برخوردار است. الگوریتمهای متنوعی برای تخصیص وظایف به منابع در محیط ابر پیشنهاد شده است که اغلب آنها معیارهایی همچون توزیع بار متعادل، تخصیص بهینهی منابع و کاهش زمان اجرای وظایف را در نظر نمیگیرند. در این کار با استفاده از الگوریتم فرااکتشافی ازدحام ذرات و منطق فازی، زمان اجرای وظایف کاهش و در نتیجه بهرهوری منابع افزایش مییابد. بهطور کلی در یک سیستم توزیعشده همچون محیط ابر، توزیع وظایف بر روی ماشینهای مجازی به صورت تصادفی انجام میشود. در نتیجه، بار کل بر روی محیط ابر غیرمتعادل میشود که این امر از بهرهوری منابع میکاهد. دراین تحقیق، الگوریتم ازدحام ذرات<sup>1</sup> و منطق فازی برای زمانبندی وظایف استفاده میشود. علاوه بر این، استفاده از الگوریتم آنیلینگ شبیهسازی شده<sup>2</sup> برای بهبود شرایط اولیه دادههای تصادفی پیشنهاد میشود. نتایج نشان میدهد که روش بهینهسازی پیشنهادی در این کار، معیارهای عملکرد الگوریتم زمانبند مانند زمان خاتمه کار<sup>3</sup> را در مقایسه با الگوریتمهای فاقد بهینه سازی (مانند راندرابین<sup>4</sup>) و حتی در مقایسه با الگوریتم های بهینه سازی دیگر همچون الگوریتم ژنتیک<sup>5</sup> به طور موثری بهبود می بخشد.دانشگاه قممدیریت مهندسی و رایانش نرم2538-62396220200922Identifying the Effective Factors on Neuropathic Diseases in Patients with Chronic pain Using Deep Neural Networks-تعیین ویژگی های موثر برای بیماری نوروپاتیک در بیماران دارای درد مزمن با استفاده از شبکه عصبی عمیق139150127610.22091/jemsc.2018.1276FAمبینشاطریانفارغ التحصیل کارشناسی ارشد مهندسی کامپیوتر گرایش هوش مصنوعی، گروه کامپیوتر، دانشگاه آزاد اسلامی واحد علوم تحقیقات، تهران، ایرانمحمدتشنه لبعضو هیئت علمی دانشکده مهندسی برق، گروه کنترل، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایرانJournal Article20190316<strong> </strong>The main purpose of this research is finding major characteristics of clinical signs in the diagnosis of neuropathic disease in patients with chronic long-term pain. This type of disease is caused by various factors such as war, accidents and sports events. In this research, pain questionnaire of Shafa Neuroscience Research Center in Khatam-ol-Anbia Hospital in Tehran is study. By using the deep neural network and the nearest neighbor and the genetic algorithm and the auto encoder, the list of features was obtained with a precision measurement of 75 percentage. The McGill questionnaire was designated as the best effective feature for Neuropathic Pain.<strong>هدف از این تحقیق تعیین ویژگی های موثر بالینی در بیماران نوروپاتیک دارای درد مزمن میباشد. این نوع بیماری بر اثر عواملی مختلف چون جنگ، تصادفات، حوادث ورزشی صورت می پذیرد. در این پژوهش، پرسشنامه درد مرکز تحقیقات علوم اعصاب شفا واقع در بیمارستان تخصصی و فوق تخصصی خاتم الانبیاء(ص) تهران مورد بررسی قرار گرفت. با استفاده از شبکه عصبی عمیق و نزدیک ترین همسایگی و الگوریتم ژنتیک لیست ویژگی ها با دقت اندازه گیری </strong><strong>۷۵</strong><strong> درصد به دست آمد. پرسشنامه مک گیل به عنوان بهترین ویژگی های موثر در بیماری نوروپاتیک برای بیماران با درد مزمن تعیین شد. </strong>دانشگاه قممدیریت مهندسی و رایانش نرم2538-62396220200922Diagnosis of Coronary Heart Disease by Using Hybrid Intelligent Systems Based on the Whale Optimization Algorithm, Simulated Annealing and Support Vector Machine-تشخیص بیماری قلبی عروق کرونر با سیستم هوشمند ترکیبی براساس الگوریتم نهنگ، شبیه ساز تبرید و ماشین بردار پشتیبان167181127710.22091/jemsc.2018.1277FAزینبحسنیمربی، دانشکده فنی وعلوم پایه، دانشگاه کوثربجنورد، بجنورد، ایرانمهینخسروی مشیزیدانشجو، دانشکده فنی وعلوم پایه، دانشگاه کوثربجنورد، بجنورد، ایرانJournal Article20190316<em> </em>In recent years, machine learning algorithms are widely used for diagnosis and timely treatment of diseases. Moreover, diagnosis of disease on early stages is very effective in improving the disease and in reducing the cost of treatment for the patient. Heart disease is one of the main causes of death in the world. Several studies have been conducted to diagnose of disease and to design an intelligent and efficient system. In this paper, a hybrid algorithm of Whale Optimization Algorithm and simulated annealing are presented to identify the effective factors in the diagnosis of the disease. The support vector machine algorithm is considered for effective classification of the disease. The proposed approach is evaluated using the Cleveland Heart Disease Data Collection in the UCI database. The proposed algorithm has obtained with an accuracy of 87.78% which is able to diagnose of disease with fewer attributes. The results exhibition the superiority of the proposed method which the proposed approach can help physicians to diagnose and to improve disease in the early stages<strong>در سالهای اخیر، الگوریتمهای یادگیری ماشین به طور گستردهای در تشخیص و درمان به موقع بیماریها نقش بسزایی را ایفا میکنند. علاوه بر این، تشیخص بیماری در مراحل آغازین آن، در بهبود بیماری و در کاهش هزینههای درمانی بیمار بسیار موثر است. بیماری قلبی یکی از دلایل اصلی مرگ در جهان شناخته شده</strong> <strong>است. مطالعات زیادی برای تشخیص بیماری و طراحی سیستم هوشمند و کارا انجام شده</strong> <strong>است. در این مقاله، الگوریتم ترکیبی نهنگ و شبیه ساز تبرید برای شناسایی عوامل موثر در تشخیص بیماری ارائه شده است و الگوریتم ماشین بردار پشتیبان برای طبقهبندی موثر بیماری لحاظ شده است. رویکرد پیشنهادی با مجموعه داده بیماری قلبی کلیولند در پایگاه داده </strong>UCI<strong> ارزیابی شده است. الگوریتم پیشنهادی با صحت 87.78 درصد با تعداد ویژگی کمتر توانسته بیماری را تشخیص دهد. نتایج حاصل برتری روش پیشنهادی را نشان میدهد و همچنین رویکرد پیشنهادی میتواند پزشکان را در تشخیص درست و در مراحل اولیه بیماری یاری رساند.</strong>دانشگاه قممدیریت مهندسی و رایانش نرم2538-62396220200922Improvement of CRF-Based Saliency Detection Algorithm Using Matrix Decomposition Based Features-بهبود الگوریتم تشخیص نقشه برجستگی مبتنی بر CRF با استفاده از ویژگیهای مبتنی بر تجزیه ماتریس151166127510.22091/jemsc.2018.1275FAمحمدشوریابیدانشجوی کارشناسی ارشد، دانشکده برق و کامپیوتر، دانشگاه سمنان، سمنان،محمد جوادفدائیاسلاماستادیار، دانشکده برق و کامپیوتر، دانشگاه سمنان، سمنانJournal Article20190316One of the most important processing steps in the human vision system is the detection of a scene saliency map. Since saliency map can be applied to algorithms such as segmentation, compression and image retrieval, Researchers have focused on providing an efficient model to recognize it. Although a lot of works have been done in this area, the obtained saliency maps are still not satisfying enough. For this purpose, we propose a simple and supervised algorithm to identify the saliency map using a conditional random field (CRF) and saliency cues. In the proposed method, local contrast, center-bias, and backgroundness features have been used for CRF training. Additionally, a new feature based on matrix decomposition has been employed to improve the performance. In the following, CRF has been trained according to the features of 20 images close to the input image. Finally, input image saliency is estimated according to calculated weights in the training phase, input image saliency cues, and ground truths. The proposed method outperforms other methods in terms of algorithm implementation accuracy and speed.<strong>یکی از مراحل پردازشی مهم در سیستم بینایی انسان آشکارسازی نقشه برجستگی یک صحنه میباشد. با توجه به اینکه نقشه برجستگی تصویر میتواند در الگوریتمهای مانند بخشبندی، فشردهسازی و بازیابی تصویر کاربرد داشته باشد، ارائه یک مدل کارآمد برای تشخیص برجستگی مورد توجه محققین قرار گرفته است. علیرغم اینکه تاکنون کارهای زیادی در این زمینه انجام شده است، اما تاکنون یک مدل موثر و کارآمد که بتواند با محاسبات کم نقشه برجستگی تصویر را آشکار کند، ارائه نشده است. برای این منظور، ما یک الگوریتم ساده و تحت نظارت برای شناسایی نقشه برجستگی با استفاده از میدان تصادفی شرطی (</strong>CRF<strong>) و نشانههای برجستگی پیشنهاد میکنیم. در روش پیشنهادی برای آموزش </strong>CRF<strong> از ویژگیهای کنتراست محلی، مرکز سوگیری و پسزمینهای استفاده شده است، علاوه بر این سه ویژگی برای کارایی بهتر، ویژگی جدیدی مبتنی بر تجزیه ماتریس به کار گرفته شده است. در ادامه </strong>CRF<strong> با توجه به ویژگیهای 20 تصویر که به تصویر ورودی نزدیک هستند، آموزش میبیند. در نهایت برجستگی تصویر ورودی با توجه به وزنهای محاسبه شده در مرحله آموزش، نشانههای برجستگی تصویر ورودی و مبنای درستی محاسبه میشود. روش پیشنهادی در دقت و سرعت اجرای الگوریتم نسبت به سایر روشها برتری دارد. </strong>دانشگاه قممدیریت مهندسی و رایانش نرم2538-62396220200922فایل کامل مقالاتفایل کامل مقالات269410.22091/jemsc.2020.2694FAJournal Article20240122فایل کامل مقالاتفایل کامل مقالات