بیماری های قلبی بنا بر آمارهای سازمان جهانی بهداشت شایعترین علت فوت را در میان سایر بیماری ها به خود اختصاص می دهند. تشخیص سریع و مراقبت ویژه پزشکی از بیماران مبتلا به این امراض می تواند تا حد زیادی از مرگ ناگهانی آنها جلوگیری نماید. از میان وسایل و راه های تشخیص مورد استفاده در این بیماری ها، استفاده از الکتروکاردیوگرام (electrocardiogram:ecg) کاربرد وسیع و قابل توجهی دارد. با توجه به اینکه ثبت نوار قلب آسان، کم هزینه و در عین حال ثمر بخش می باشد، استفاده از آن برای تشخیص مفید است. به علت حجم کاری فراوان متخصصین قلب، خستگی و بی خوابی ایشان، احتمال تشخیص اشتباه بیماری وجود دارد. برای کاستن از این اشتباهات و کمک به پزشکان، می توان از روشهای هوشمند در تشخیص این بیماری ها استفاده نمود. تغییر و اعوجاج در هریک از پارامترهای اصلی سیگنال الکتروکاردیوگرام می تواند نشان دهنده یک بیماری قلبی باشد. هر یک از این تغییرات نابهنجار به طورکلی یک "آریتمی قلبی" نامیده می شود. هدف اصلی این تحقیق، بدست آوردن روشی اتوماتیک و کارا جهت تشخیص و تفکیک بیماری های قلبی بلوک شاخه ای راست ، بلوک شاخه ای چپ ، پیس ریتم و حالت نرمال و طبیعی از یکدیگر می باشد. برای این منظور یک سیستم طراحی شد تا ویژگی هایی را از سیگنال قلب استخراج کند. در گام بعد با استفاده از روش های موجود و نیز روش پیشنهادی بر پایه الگوریتم ژنتیک ویژگی های مناسب از بین مجموعه ویژگی ها انتخاب می شود. این گام بسیار مهم بوده و سبب دقت سیستم به صورت چشمگیری می شود. در نهایت مشخصه های انتخاب شده به یک کلاس بند چند کلاسی dag svm و dag esvm داده می شود و ضربان های متفاوت در هر یک از گروه ها دسته بندی می شوند.

بدون شک نیاز عصر امروز بشر، با توجه به غوطه‏ور شدن در حجم وسیعی از داده‏های پیرامونش، استفاده از ابزارهایی برای تحلیل این داده‏ها و دستیابی به دانش نهفته‏ی درون آنهاست. طبقه‎بندی داده‎ها یکی از ابزارهای مهم در استخراج دانش از داده‎هاست. یکی از مشکلاتی که در هر روش طبقه‏بندی داده‏ها پیش روی داریم، بدست آوردن بهترین مدل است. اهمیت این قضیه وقتی آشکار می‏شود که بدانیم مجموعه داده‏هایی که برای آموزش این مدل استفاده شده‏ است، دارای داده‏های پرت، نویزی و یا به طور کلی کم اهمیت هم بوده است. در نتیجه مدل بدست آمده نمی‏تواند نتایج خوبی را در تشخیص داده‏های جدید گزارش نماید. بنابراین کلیه‏ی برنامه‏های داده‏کاوی از جمله طبقه‏بندی، بخش عمده‏ای از کار خود را روی تحلیل و کم‎کردن تأثیر این داده‏ها صرف می‏کنند. یکی از محبوب‏ترین روش‏های طبقه‏بندی داده‏ها ماشین‎های بردار پشتیبان (svm) هستند. ابرسطح جداکننده ای که توسط این روش بدست می‎آید فقط به بخش کوچکی از داده‎های آموزش بستگی دارد. در نتیجه svm نسبت به داده‎های نویزی و پرت بسیار حساس است. از طرف دیگر اهمیت تمام داده‎هایی که در آموزش شرکت می‎کنند، یکسان در نظر گرفته می‎شود. هدف اصلی در این تحقیق، اهمیت دادن به نمونه‎های یادگیری با استفاده از قیود موجود در مسأله‎ی بهینه‎سازی svm است. بدین ترتیب مشکل دیگر در آموزش svm که همواره بین انتخاب یک حاشیه بزرگ‎تر و کم‎کردن خطای در آموزش سیستم یک تضاد وجود دارد، به نحوی تبدیل به یک هدف شده و مرتفع می‎گردد و زیادتر کردن آگاهانه‏ی خطا تأثیر منفی بر مسأله‏ی بیشینه کردن ناحیه‏ی بین دو کلاس نخواهد داشت. ساختار svm در روش پیشنهادی به نحوی تغییر می‎کند که قادر است در مقابل داده‎های نویزی و پرت مقاوم‎تر باشد. از مزایای دیگر روش ارائه شده در نظر گرفتن تحمل و همچنین درجه‎ی قطعیت برای داده‎هاست که تاکنون در هیچ‎کدام از توسعه‎هایی که برای svm داده شده، مطرح نگردیده است. آزمایش‎های مختلف با استفاده از مجموعه داده‎های متعدد کارایی این الگوریتم برای مسائل مختلف یک کلاسی، دو کلاسی و چند کلاسی را اثبات کرد.

امروزه با گسترش شبکه¬های کامپیوتری، بحث امنیت شبکه بیش از گذشته مورد توجه پژوهشگران قرار گرفته است. در این راستا تشخیص نفوذ به¬عنوان یکی از اجزای اصلی برقراری امنیت در شبکه¬های کامپیوتری شناخته می¬شود که هدف اصلی آن کنترل ترافیک شبکه و تحلیل رفتارهای کاربران می¬باشد. به¬طور کلی در اغلب کارهای انجام گرفته در این حوزه از یک تاکسونومی جهت نمایش ویژگی حملات استفاده شده است. بکارگیری تاکسونومی مشکلات و محدودیت¬های فراوانی در سیستم تشخیص نفوذ ایجاد می¬کند که برای جلوگیری از بروز آنها می¬توان از یک آنتولوژی جهت طبقه¬بندی و بیان ویژگی حملات استفاده نمود. آنتولوژی علاوه بر دارا بودن ویژگی¬های تاکسونومی مزایای عمده دیگری نیز دارد و با استفاده از آن می¬توان مدل داده¬ای تشخیص نفوذ را از منطق سیستم کشف نفوذ تفکیک نمود. از این¬رو هدف اصلی این تحقیق بر روی استخراج آنتولوژی حملات در حوزه¬ی تشخیص نفوذ شبکه¬های کامپیوتری بنا شده است. بدین منظور یک معماری توزیع شده مبتنی بر عامل طراحی شده است، و از تکنیک-های داده¬کاوی متفاوتی مانند الگوریتم¬های طبقه¬بندی ripper و خوشه¬بندی hotspot بر روی مجموعه¬ی داده¬ای nsl-kdd استفاده می¬شود. با بهره¬گیری از این الگوریتم¬ها می¬توان قوانین لازم جهت مشخص نمودن ویژگی کلاس¬های مختلف آنتولوژی حملات را تولید نمود. آنتولوژی بدست آمده به عنوان یک طبقه¬بند در سیستم تشخیص نفوذ توزیع شده به¬کار گرفته می¬شود. بدین منظور آنتولوژی حملات در قالب یک فایل owl در اختیار عامل مرکزی قرار می¬گیرد. وظیفه عامل مرکزی این است که گزارش عامل¬های ایستا را دریافت کرده و با بهره¬گیری از زبان پرس¬و¬جوی sparql و تکنیک¬های تشابه معنایی، کلاس مربوط به نمونه¬ی دریافتی را در آنتولوژی حملات مشخص کند. ارزیابی سیستم پیشنهادی بر روی مجموعه داده¬ای nsl-kdd حاکی از قدرت آن در تشخیص نفوذ شبکه¬های کامپیوتری می¬باشد. به¬طوری که با بهره¬گیری از این سیستم می¬توان به نرخ تشخیص 99/2% همراه با نرخ هشدار غلط 0/2 دست یافت.

در جریان کاری علمی روی ابر، نیاز به ذخیره سازی مقادیر زیادی از داده های برنامه در مراکز داده توزیع شده است. برای ذخیره کارا و موثر این داده ها، مدیر داده ها باید هوشمندانه مراکز داده را برای اقامت این داده ها انتخاب کند. به طور سنتی، مرکز داده به طور انتخابی با توجه به ظرفیت ذخیره سازی سیستم تعیین می شود (تعیین دستی). در مورد داده هایی که مکان ثابت نیستند؛ وقتی یک کار نیاز به مجموعه داده های مختلف واقع در مراکز داده مختلف دارد، حرکت حجم زیادی از داده ها به یک چالش تبدیل می شود. در حال حاضر انجام کارهای علمی در ابرها محبوب شده است، مجموعه داده های میانی در جریان کاری علمی روی ابر را می توان با استراتژی های ذخیره سازی مختلف بر اساس مدل «پرداخت به اندازه استفاده» ذخیره کرد و سیستم را مطلوب تر ساخت. در صورتی که مدیر داده ها، مراکز داده محلی را برای استقرار مجموعه داده ها انتخاب کند؛ حرکت داده ها میان مراکز داده کم می شود و این تحقیق نشان داده که کاهش میزان حرکت داده ها روی زمان و هزینه اجرایی جریان کاری موثر می باشد. از آنجا که در برنامه های جریان کاری زمان و هزینه دو پارامتر مهم برای کاربر می باشد. در این تحقیق پارامترهای زمان، اندازه مجموعه داده و هزینه به سیستم اضافه شده و ارزیابی ها نشان می دهد که استفاده از روش پیشنهادی موجب کاهش هزینه و زمان اجرایی برنامه جریان کاری می شود. به عبارت دیگر هرچه حرکت داده ها کمتر شود بالطبع زمان اجرا و هزینه مصرفی نیز کاهش می یابد و سیستم مطلوب تر می شود.

مسأله ی زمانبندی وظایف در گرید به معنی تخصیص وظایف وارد شده به یک محل در گرید به ماشین های موجود در آن محل و نیز ترتیب وزمان اجرای آن وظایف روی ماشین های تخصیص داده شده می باشد. با توجه به ماهیت غیر چند جمله ای بودن زمانبندی تلاش براین است که الگوریتم های ارائه شده برای زمانبندی تاحد ممکن از نظر مرتبه ی زمانی کوچک باشند و نیز اهداف زمانبندی مورد نظر را تامین نمایند. مساله ی زمانبندی از دیدگاه های مختلفی بررسی شده است، دیدگاه کاربر یعنی کسی که وظایف را به گرید برای پردازش ارسال کرده است، از این دیدگاه کم شدن زمان اجرا و در صورت وجود هزینه کاهش میزان هزینه از جمله محورهای زمانبندی است. همچنین از دیدگاه ارائه دهنده ی خدمات در گرید بهره وری بیشتر ماشین ها و بالا بردن کارایی از جمله اهداف زمانبندی محسوب می شوند. آنچه در این پایان نامه مورد نظر قرار گرفته است بالا بردن کارایی ماشین های موجود در یک محل در گرید همراه با افزایش تعداد وظایف پردازش شده در یک بازه ی زمانبندی است که به صورت ضمنی به افزایش سرعت انجام کارها منجر می شود. توسعه ی یک الگوریتم موجود با کارکرد ایستا برای زمانبندی وظیفه هایی که به صورت bot در نظر گرفته می شوند به گونه ای که ضمن حفظ خواص و ویژگی های الگوریتم پایه ویژگی شبه پویا بودن نیز به آن اضافه شود مورد نظر است. به این صورت که وظایفی که در فاصله ی بین دو زمانبندی نیز به محل وارد می شوند با حصول شرایط و در صورت امکان خارج از نوبت زمانبندی شوند که در این صورت ضمن افزایش تعداد وظیفه های اولویت بالای زمانبندی شده کارایی ماشین های موجود در محل نیز بالا می رود. وظایف اولویت بالا در واقع وظایفی هستند که الزاما باید در یک مهلت معین انجام شوند و تاخیر بعد از این زمان به هیچ عنوان قابل قبول نیست و عدم اجرای آن ها در زمان مشخص شده موجب خرابی اساسی و به نوعی فاجعه خواهد بود. در طرح ارائه شده ضمن حفظ ساختار کلی الگوریتم پایه و حفظ تعداد وظایف پذیرش شده بر مبنای آن روش و حفظ سـاختار bot برای وظایف ورودی روشی پیشنهاد شده است که تعداد کل وظایف اولویت بالای زمانبندی شده افزایش یابد. همچنین در توزیع و تخصیص وظایف به ماشین های محلی تعدیل بار ماشین ها در نظر گرفته شده است.

به کار گیری فناوری ابرهای محاسباتی از بدو ابداع تا به امروز رو به رشد بوده و این روند با شتاب ادامه دارد. در این میان کلیه سازمانهای تجاری و تحقیقاتی در ابعاد بزرگ، متوسط و یا حتی کوچک خواهان این هستند که خود را با این فناوری که در مرزهای علم قرار گرفته است تطبیق دهند. استفاده از ابر خصوصی برای اجرای برنامه های جریان کاری ، کاهش هزینه و محرمانگی بیشتر اطلاعات سازمان را به دنبال خواهد داشت؛ در حالی که نیاز به منابع پردازشی و ذخیره سازی بیشتر، سازمان را به سوی استفاده از ابر عمومی سوق می دهد. ابر عمومی سرویس های فناوری اطلاعات را به صورت واحدهای کوچک و در مقیاس بالاتری نسبت به ابر خصوصی به کاربران اجاره می دهد که مخاطرات احتمالی در حفاظت از اطلاعات حساس سازمان را نیز به همراه دارد. ترکیب ابر خصوصی و ابر عمومی به عنوان ابر ترکیبی شناخته می شود که در آن اجرای وظایف جریان کاری می تواند بر روی ابر خصوصی و یا ابر عمومی انجام شود. هدف از این پایان نامه ارائه روشی برای زمانبندی برنامه های جریان کاری جهت افزایش محرمانگی اطلاعات در ابر ترکیبی می باشد، به صورتی که با تضمین اجرای وظایف حساس سازمان بر روی ابر خصوصی، برنامه جریان کاری را با حداقل هزینه و در مدت زمان تعیین شده توسط کاربر اجرا نماید. در پایان، پیاده سازی و ارزیابی الگوریتم پیشنهادی در مقایسه با سایر الگوریتم های شناخته شده در این زمینه صورت خواهد گرفت تا عملکرد نهایی زیرسیستم زمانبندی ارائه شده، از طریق همگرایی نتایج، مورد مطالعه و ارزیابی قرار گیرد.

سیستم های خبره از جمله سیستم های مطرح شده در هوش مصنوعی هستند که هدف آنها، تبدیل دانش افراد خبره در حوزه ای خاص، به یک سیستم کامپیوتری می باشد. این سیستم ها عموما بصورت منفرد طراحی شده و مورد استفاده واقع می شوند. همچنین حوزه دانشی که هر یک از این سیستم ها پوشش می دهد، محدود و مشخص است و سیستم خبره نمی تواند به سوالات خارج از حوزه دانش خود، پاسخ دهد. از این رو، برقراری ارتباط بین سیستم های خبره، نقش بسیار مهمی در استفاده از حوزه وسیع تری از دانش که توسط چند سیستم خبره پوشش داده شده اند، دارد. در این پایان نامه، یک سیستم توزیع شده مبتنی بر عامل ارایه شده است که با استفاده از آن می توان بین چند سیستم خبره مبتنی بر قانون که در حوزه های مرتبط و مشابه فعالیت می کنند، ارتباط برقرار کرد. در این سیستم، با طراحی پروتکل هایی برای توزیع تکنیک های استنتاج پیش رو و پس رو بین چند سیستم خبره، این امکان فراهم می شود که سیستم های خبره بتوانند برای پاسخ به پرسش های خود، از دانش سیستم های خبره دیگر نیز استفاده کنند. همچنین، برای استاندارد سازی نمایش دانش در کل سیستم، از ontology استفاده شده است. سیستم طراحی شده و پروتکل های آن، مبتنی بر استاندارد fipa بوده و در محیط jade پیاده سازی شده اند. همچنین، برای پیاده سازی ontology از ابزار protégé استفاده شده و خروجی آن بصورت فایل های javabean در محیط jade مورد استفاده قرار گرفته اند. برای آزمون سیستم، از دو سیستم خبره تنظیم برنامه سفر که با استفاده از jess پیاده سازی شده اند، استفاده شده است و نتایج بدست آمده نشان داده است که سیستم های خبره توانسته اند با استفاده از سیستم ارایه شده در این کار، از دانش سیستم های خبره دیگر برای حل مسایل خود استفاده کنند.

در سیستمهای ویدئو بر اساس تقاضا، انتظار میرود که سرویسهای متنوعی از برنامه های چند رسانهای مانند آموزش از راه دور، کنفرانس از راه دور ، انجام کار از راه دور، تلفن ویدئویی و غیره برای کاربران ارائه شوند. این کاربردها، پهنای باند بالا و فضای بافر زیادی را نیاز دارند تا به خوبی نرم افزار و سخت افزار را برای به کار گیری موثر منابع شبکه اختصاص دهند. در این پایان نامه ما یک الگوریتم جدید برای زمانبندی سیستمهای توزیع شده ویدئو بر اساس تقاضا معرفی می نماییم که از پهنایباند و فضای بافرینگ موجود برای سرویس دهی کلاس متنوعی از برنامههای ویدئویی از پیش ضبط شده بهره برداری مینماید. دو معیار بسیار مهم در یک الگوریتم زمانبندی در چنین سیستمهایی برقراری عدالت در سرویس دهی به کاربران و به حداکثر رساندن بهره وری سیستم می باشد. الگوریتم زمانبندی پیشنهادی ما علاوه بر در نظر گرفتن دو معیار فوق و برآورده کردن آنها، معیار جدیدی را نیز به آن افزوده است که در الگوریتمهای مشابه وجود ندارد و آن هم ارائه سطوح اولویت در سرویس دهی به کاربران می باشد. در حقیقت ما به گونه ای جریانهای ویدئویی را زمانبندی می نماییم که اولا بهره وری سیستم به حداکثر برسد، ثانیا عدالت در سرویس دهی و کیفیت سرویس دریافتی توسط کاربران رعایت گردد و ثالثا کاربران را بر اساس سطوح اولویتشان سرویس دهی نماید. ما نتایج شبیه سازی این الگوریتم را که بر روی یک معماری درختی در شبکه توزیع شده ویدئو بر اساس تقاضا به کار گرفته شده است را عرضه می نماییم، که این توپولوژی درختی موجود، در سیستمهای تلویزیونی کابلی امروزی به کار برده میشود. اعمال بررسی شده از طریق شبیه سازی عبارتند از: بهرهوری سیستم، عادلانه بودن مکانیزم زمانبندی و تاثیر سطوح اولویت بر روی کیفیت سرویس ارائه شده برای تحویل ویدئو به مقصد.