V. Sattari-Naeini
Dept. of Computer Engineering, Shahid Bahonar University of Kerman, Kerman, Iran
[ 1 ] - Combination of Feature Selection and Learning Methods for IoT Data Fusion
In this paper, we propose five data fusion schemes for the Internet of Things (IoT) scenario,which are Relief and Perceptron (Re-P), Relief and Genetic Algorithm Particle Swarm Optimization (Re-GAPSO), Genetic Algorithm and Artificial Neural Network (GA-ANN), Rough and Perceptron (Ro-P)and Rough and GAPSO (Ro-GAPSO). All the schemes consist of four stages, including preprocessingthe data set ba...
[ 2 ] - A Gravitational Search Algorithm-Based Single-Center of Mass Flocking Control for Tracking Single and Multiple Dynamic Targets for Parabolic Trajectories in Mobile Sensor Networks
Developing optimal flocking control procedure is an essential problem in mobile sensor networks (MSNs). Furthermore, finding the parameters such that the sensors can reach to the target in an appropriate time is an important issue. This paper offers an optimization approach based on metaheuristic methods for flocking control in MSNs to follow a target. We develop a non-differentiable optimizati...
[ 3 ] - استفاده از خوشه بندی در پروتکل مسیریابی AODV برای شبکه های بین خودرویی بر روی سناریوی بزرگراه
Vehicular Ad hoc networks are a subset of mobile Ad hoc networks in which vehicles are considered as network nodes. Their major difference is rapid mobility of nodes which causes the quick change of topology in this network. Quick changes in the topology of the network are considered as a big challenge For routing in these networks, routing protocols must be robust and reliable. AODV Routing pr...
[ 4 ] - روش موجودیت محور چند سطحی جهت سیستمهای پشتیبان تشخیص پزشکی با استفاده از فناوری معنایی در زمینه تشخیص بیماریهای با علامت مشترک درد قفسه سینه
مقدمه: سیستمهای پشتیبان تصمیمگیری، همراه با فناوری وبمعنایی رویکردی نوین جهت کمک به پزشکان در تشخیص انواع بیماریها ایجاد میکنند. از طرفی، هستیشناسی پزشکی یک مدل دانش از دامنه بالینی شامل تمام مفاهیم مرتبط به تشخیص، درمان، روشهای بالینی و دادههای بیمار است. روش: این پژوهش که از نوع توسعهای-کاربردی میباشد و سیستمی جهت تشخیص بیماری در حوزههای مختلف پزشکی با یک علامت مشترک درد قفسه سینه...
[ 5 ] - روش موجودیت محور چند سطحی جهت سیستمهای پشتیبان تشخیص پزشکی با استفاده از فناوری معنایی در زمینه تشخیص بیماریهای با علامت مشترک درد قفسه سینه
مقدمه: سیستمهای پشتیبان تصمیمگیری، همراه با فناوری وبمعنایی رویکردی نوین جهت کمک به پزشکان در تشخیص انواع بیماریها ایجاد میکنند. از طرفی، هستیشناسی پزشکی یک مدل دانش از دامنه بالینی شامل تمام مفاهیم مرتبط به تشخیص، درمان، روشهای بالینی و دادههای بیمار است. روش: این پژوهش که از نوع توسعهای-کاربردی میباشد و سیستمی جهت تشخیص بیماری در حوزههای مختلف پزشکی با یک علامت مشترک درد قفسه سینه...
[ 6 ] - بهرهگیری از الگوریتم پرش ترکیبی قورباغه جهت کاهش مصرف انرژی مراکز داده ابری از طریق بهینهسازی مدیریت زمانبندی کارها و ترکیب مؤثر ماشینهای مجازی
امروزه رایانش ابری سبز به دلیل کاهش اثرات زیستمحیطی مورد توجه قرار گرفته است. یکی از معیارهایی که در رایانش ابری سبز بر آن تاکید شده است، مصرف انرژی مراکز داده است. یکی از راهکارهای کاهش مصرف انرژی، که در این مقاله مورد بررسی قرار گرفته است، مدیریت زمانبندی کارها و ترکیب مؤثر ماشینهای مجازی است. در این مقاله الگوریتمی جهت مدیریت زمانبندی کارها و توازن بار ارائه میشود. این الگوریتم به نام ...
[ 7 ] - Fuzzy-rough Information Gain Ratio Approach to Filter-wrapper Feature Selection
Feature selection for various applications has been carried out for many years in many different research areas. However, there is a trade-off between finding feature subsets with minimum length and increasing the classification accuracy. In this paper, a filter-wrapper feature selection approach based on fuzzy-rough gain ratio is proposed to tackle this problem. As a search strategy, a modifie...
Co-Authors