جواد حمیدزاده
دانشگاه صنعتی سجاد - دانشکده مهندسی کامپیوتر و فناوری اطلاعات
[ 1 ] - جستجوی k نزدیک‌ترین همسایه تقریبی با روش ترکیب خطی
مسئله جستجوی k نزدیک‌ترین همسایه تقریبی در ابعاد بالا یک مسئله کلاسیک در هندسه محاسباتی، شباهت تصویر و سایر زمینه‌های مشابه می‌باشد. در این مسئله، یک مجموعه داده متشکل از n نقطه در فضای d بعدی و یک پارامتر k داریم، هدف پیش‌پردازش مجموعه داده است به‌طوری‌که با داشتن یک نقطه پرس‌وجوی d بعدی Q داده‌شده بتوان k نقطه را یافت به‌طوری‌که k نزدیک‌ترین همسایه تقریبی به Q باشد. هدف این مقاله ارائه روشی ج...
[ 2 ] - فیلترکننده مشارکتی فازی ناهموار مبتنی بر کاربر در سیستم‌های پیشنهاددهنده
امروزه سیستم‌های پیشنهاددهنده، با توجه به کارایی خاص خود، در بسیاری از زمینه‌های علمی، کاربردهای فراوانی پیدا کرده است. نوعی از این سیستم‌ها، سیستم‌های پیشنهاددهنده فازی است، که با ترکیب نظریه فازی، انعطاف آن‌ها بیش‌تر شده است. در این مقاله، یک روش جدید با ترکیب فیلترکننده مشارکتی و مجموعه فازی ناهموار ارائه شده است که در آن، شباهت بر اساس فاصله اقلیدسی محاسبه می‌شود. در واقع با استفاده از مجم...
[ 3 ] - A density based clustering approach to distinguish between web robot and human requests to a web server
Today world's dependence on the Internet and the emerging of Web 2.0 applications is significantly increasing the requirement of web robots crawling the sites to support services and technologies. Regardless of the advantages of robots, they may occupy the bandwidth and reduce the performance of web servers. Despite a variety of researches, there is no accurate method for classifying huge data ...
[ 4 ] - دسته‌بند تک‌کلاسه مبتنی بر بردارهای پشتیبان برای داده‌های نویزی با استفاده از الگوریتم گروه میگوی آشوبی و تراکم محلی
هدف دسته‌بندی تک‌کلاسه، تشخیص و جداسازی داده‌های اصلی از داده‌های پرت است. دسته‌بند توصیف داده‌ها مبتنی بر بردار پشتیبان، یکی از روش‌های دسته‌بندی تک‌کلاسه است. این روش با تعریف اَبَرکُره‌ای در فضای ویژگی‌ها، سعی بر پوشش داده‌های اصلی در فضای اَبَرکُره دارد. سطح اَبَرکُره، مرز جداساز داده‌های اصلی از داده‌های پرت است. تعیین شعاع و مرکز مناسب برای اَبَرکُره در فضای ویژگی‌ها، یک مسئله بهینه‌سازی است. وجود دا...
[ 5 ] - Improving Chernoff criterion for classification by using the filled function
Linear discriminant analysis is a well-known matrix-based dimensionality reduction method. It is a supervised feature extraction method used in two-class classification problems. However, it is incapable of dealing with data in which classes have unequal covariance matrices. Taking this issue, the Chernoff distance is an appropriate criterion to measure distances between distributions. In the p...
Co-Authors