در این پایان نامه یک الگوریتم جدید برای منابع سیستم های توزیع شده با مکانیزم داده کاوی ارائه شده است. الگوریتم پیشنهادی در منابع سیستمی یکپارچه توزیع شده مورد استفاده کاربران قرار می گیرد که دانش بهینه برای منابع نسبت به تخصیص منابع سیستمی توزیع شده کارآمدتر است که با توجه به سطوح رقابتی، سطح رضایتمندی مشتریان بهبود داده می شود. الگوریتم erpasd با در نظر گرفتن دسترسی مستقیم کاربران به بانک اطلاعاتی توزیع شده، بعنوان یک میان افزار است که می-تواند با شرایط انتخابی یکسان، داده های تکراری را نسبت به الگوریتم های مشابه خود کاهش دهد. با استفاده از الگوریتم پیشنهادی برای منابع سیستمی روش تکنیکی ارائه شده است تا بتواند متوسط زمان انتظار را برای سطح رقابتی در بین کاربران مورد ارزیابی قرار داده و با مطالعه موردی دقیق و همه جانبه فاکتورهای موثری را برای بهبود الگوریتم ارائه نماید. با استفاده از تعداد فازهای مرتبط به عنوان جریانهای کاری در منابع سیستمی توزیع شده، هزینه مشتریان ورودی و خروجی نسبت به زمانبندی مطالعه موردی کاهش یافته و با استفاده از الگوریتم erpasd روش جدیدی ارائه شد تا نسبت به روش اولیه (سیستم یکپارچه) که در آن داده های تکراری در بانک اطلاعاتی بصورت دفعات با تکرار متعدد مورد پردازش قرارمی گرفت، با الگوریتم فوق حذف دفعات پردازش در بانک اطلاعاتی انجام گرفت و مدت زمان پردازش داده های تکراری کاهش یافت. همچنین با استفاده از الگوریتم erpasd و apriori_checksum تابعی ارائه شد که در آن با تکنیک جدیدی مکانیزم داده کاوی با apriori_checksum تائید شده و زمان نهایی بین کاربران کاهش یافت و در نهایت اتکاپذیری، بهره وری و کارایی در سیستم های یکپارچه توزیع شده قابل ایمن افزایش یافت و مشکلات سیستم‎های یکپارچه برطرف شد

امروزه پردازش دسته ای و همچنین پردازش خوشه ای نقش بسیار مهمی را در حل مسائل بزرگ بازی می کند. از آنجایی که اجرای برنامه های کاربردی و همچنین استفاده درست از روش پردازش دسته ای نیاز است که این نوع برنامه های کاربردی نه تنها بر روی سیستم های تک پردازنده، بلکه بر روی سیستم های چند پردازنده اجرا شوند. به منظور استفاده بهینه و مطمئن از حد اکثر کارآیی منابع سیستم و همچنین بدست آوردن کم ترین تعداد پردازه رد شده در پردازه های بلادرنگ بر روی چندپردازنده ها، مطالعات سیستماتیک بسیاری مورد نیاز است. چنین هدفی نیاز به بهترین الگوریتم های زمان بندی همانند الگوریتم هایی که در سیستم های تک پردازنده و نیز برای پردازه های غیر بلادرنگ موجود است، دارد. کارهای سیستمی که در مورد آن ها صحبت می شود از نوع قابل تقسیم به زیر کارها به صورت دلخواهانه هستند. این زیر کارهای بدست آمده باید به بهترین نحوی که کارآیی که در بالا ذکر شد را حاصل شوند، زمان بندی شوند. در این تحقیق ابتدا سعی شده است که کارهای مرتبط پیشین را به طور وسیع مورد مطالعه قرار گیرد و پس از آن مبادرت به پیشنهاد یک الگوریتم زمان بندی جدید برای پردازه های بلادرنگ در سیستم های چند پردازنده ای با استفاده از کلیه گره های پردازشی در دسترس، ورزیده شد. در امر نوآوری الگوریتم جدید هدف اصلی را سهولت در پیاده سازی و هم زمان با آن قابل درک و استفاده بودن آن نسبت به الگوریتم های پیشین را مد نظر قرار گرفته است. در انتها الگوریتم پیشنهادی با استفاده از روش شبیه سازی از نظر تعداد پردازه های رد شده مورد آزمایش قرار گرفته است.

در این پایان نامه پس از معرفی فضاهای متریک مجهز به گراف به بررسی شرایطی می پردازیم که تحت آن -انقباض ها و -انقباض های مجانبی دارای نقطه ثابت باشند. همچنین با توسیع قضیه ی نقطه ی ثابت نادلر برای نگاشت های چند مقداری، شرایطی را بررسی می کنیم که تحت آن ، نگاشت f : x ? cb(x) دارای نقطه ی ثابت باشد. در این جا (x,d) یک فضای متریک مجهز به گراف جهت دار و cb(x) کلاس تمام زیرمجموعه های بسته و ناتهی x می باشد.

یکی از مسائل مهم طراحی در هر سیستم نظارتی، نحوه قرار دادن تجهیزات می باشد. با استفاده از روش مناسب قرار دادن گره ها می توان به اهداف خود رسیده و پارامترهای مورد نظر مانند پوشش، ارتباطات، انرژی مصرفی و طول عمر شبکه را بهبود داده و کارایی سیستم با توجه به بودجه تعیین شده را بهینه نمود. از آنجایی که منابع موجود و تنظیمات سیستم به نحوه قرار گرفتن گره وابسته بوده و محدوده کارایی شبکه را تعیین می نماید، بنابراین مهمترین مسئله در شبکه-های حسگر بی سیم می باشد. در طراحی های بسیاری تلاش شده است تا کارایی شبکه های حسگر بی سیم را در زمان عملیات آنها افزایش دهند. بهترین بسته پروتکل های اجرایی هم در صورت عدم فراهم نمودن تجهیزات مناسب نمی توانند طول عمر مورد نظر سیستم را به وجود آورند. اگر تعداد تجهیزات کافی نباشد و یا گره ها به صورت مناسب قرار داده نشده باشند، پوشش و طول عمر شبکه کاهش می یابد یا در بدترین حالت سیستم غیر عملیاتی می گردد. روش هایی بر اساس الگوریتم ژنتیک، الگوریتم اجتماع ذرات و الگوریتم های دیگری به منظور بهینه سازی مهمترین پارامترهای شبکه ارائه شده اند. در این تحقیق از الگوریتم پوش محدب برای قرارگیری حسگرها در مکانی مناسب استفاده کرده ایم. هدف روش ارائه شده، بهینه کردن تعداد حسگرها، کاهش توان مصرفی و تعیین مکان قرارگیری آنها برای پشتیبانی از شبکه های حسگر توزیع شده در یک محیط نامتقارن می-باشد. بطوریکه در روش های متداول خیلی از مناطقی که نیازی به قرارگیری حسگر ندارند نیز پوشش داده می-شوند که این عامل منجر به افزایش تعداد حسگرها در منطقه مورد نظر شده که متعاقباً میزان مصرف انرژی را افزایش خواهد داد.

تشخیص چهره همواره از مقبول ترین روش های بیومتریک شناخته شده است. اما علیرغم اهمیت مبحث تشخیص هویت مبتنی بر چهره، بسیاری از روش ها و الگوریتم های موجود، تنها تحت شرایط کنترل شده و با وجود تصاویر نرمال، قادر به کسب نتایج مناسب می باشند. در حالی که در کاربرد های واقعی، همواره با تغییرات چهره و چالش ها و پوشیدگی های موضعی در تصویر مواجه هستیم. در یافتن محل چهره مشکلاتی وجود دارد که موجب انتخاب کاندیدهای اشتباه به عنوان چهره می شود و یا اینکه ناحیه ای از تصویر که شامل چهره است را نادیده می گیرد و این مشکلات ما را بر آن داشت که در حل هر یک از مشکلات راهکارهایی را ارائه کنیم. از جمله مشکلات تشخیص چهره پوشیدگی موضعی به وسیله عینک، سبیل و موی سر و همچنین چگالی زیاد تصاویر ورودی است. با توجه به اهمیت چالش پوشیدگی موضعی در تشخیص چهره و عدم موفقیت رویکرد های کلی نگر در حل آن و همچنین چگالی زیاد تصویر، در این پایان نامه به منظور حل این معضلات در جهت یافتن نواحی چهره در تصویر، از ترکیب سه الگوریتم که دارای دقت بسیار بالایی در رفع چالش های فوق می باشند استفاده شده است که عبارتند از: الگوریتم داده کاوی مافیا، الگوریتم ژنتیک و الگوریتم ماشین پشتیبانی بردار. الگوریتم داده کاوی مافیا که ویژگی های اصلی چهره را بسیار دقیق و سریع استخراج می کند و همچنین با استفاده از این الگوریتم می-توان ویژگی های چهره را به دو دسته تقسیم کرد و این دو دسته می تواند شامل چشم ها، بینی، دهان و ابرو به عنوان ویژگی مثبت و گونه و لپ به عنوان ویژگی منفی باشد، اهمیت استفاده از این الگوریتم این است که علاوه بر سرعت و دقت بالایی که دارد، در صورت نیاز به هر یک از این دسته ویژگی ها دیگر نیاز به استخراج هر دو دسته ویژگی نیست. الگوریتم ژنتیک که مشکلات پوشیدگی موضعی را مرتفع می سازد. الگوریتم ماشین پشتیبانی بردار که الگوریتم معروف و دقیق و سریعی می باشد و نرخ تشخیص در آن بالاست و با به کارگیری آن در آخرین مرحله ی تست و یافتن چهره می توان میزان اطمینان از تشخیص صحیح را بالا برد. به منظور ارزیابی کارایی روش فوق، مجموعه آزمایشاتی به کمک پایگاه داده ای از تصاویر انجام گرفته است. ارائه نتایج امیدبخش در حضور چالش های فوق، در مقایسه با موفق ترین روش های موجود، نشان دهنده بهبود چشمگیری در نرخ تشخیص چهره می باشد.