یافتن دسته داده های تکراری در جریان پیوسته تراکنشها یکی از مسائل حیاتی در کاربردهایی نظیر تحلیل سبد خرید، مانیتورینگ شبکه و پیش‎بینی فروش انبار می باشد. پنجره لغزان یکی از مدلهایی است که به دلیل مدیریت تغییر محتوا، مصرف حافظه محدود و سرعت پردازش کم به شکل گسترده در یافتن دسته داده های تکراری در جریانهای داده استفاده شده است. یک الگوریتم مبتنی بر مدل پنجره ای لغزان به یک ساختمان داده کارا احتیاج...

با توسعه سریع شبکه های رایانه ای، موضوع امنیت در شبکه ها اهمیت بیشتری پیداکرده است. شبکه هایی همچون شبکه های اجتماعی و سیستم های چند عامله و شبکه های نظیر به نظیر ذاتاً باز و بسیار پویا هستند. به همین دلیل رفتار موجودیت ها در آن ها مشخص و قطعی نیست و این واقعیت، این شبکه ها را در برابر تهدیدات و حملات آسیب پذیر کرده است. یکی از راه های افزایش امنیت در این نوع شبکه ها ارزیابی اعتماد موجودیت ها اس...

چکیده شبکه عصبی با تاخیر زمانی، یک ابزار مدل‌سازی برگرفته از محاسبات هوشمند است که در کنار روش‌های کلاسیک برای پیش‌بینی سری‌های زمانی مالی بکار گرفته می‌شود. این مدل اغلب در مواردی که از سری ‌زمانی داده‌های فراوان، اما از ساختار مدل اطلاعات محدود وجود دارد، استفاده می‌شود، از این رو انتخاب ساختار و ارزیابی آن خود یک چالش است.در این مقاله یک مدل مبتنی بر شبکه عصبی با تاخیر زمانی برای پیش‌بینی مع...

در این پایان نامه یک روش تشخیص علائم ترافیک برای علائم دایره ای (منع کننده و اجبار کننده) ، و برای علائم مثلثی (خطر) ارائه می شود. در اینجا از روش هیستوگرام گرادیان شیب دار(hog) و دو پنجره لغزان بزرگ و کوچک استفاده شده است. نامزد منطقه مورد علاقه(roi) ما برای اولین بار ، در پنجره کوچک کشف می شود ، و در یک پنجره اندازه بزرگ با دقت بالاترمورد تایید قرار می گیرد. در مقایسه با الگوریتم اصلی hog ، ...

در این پایان نامه، آشکارسازی با نرخ هشدار غلط ثابت در حضور سیگنال های تداخلی مورد تحقیق قرار گرفت. پس از تشریح چگونگی تاثیر نامطلوب سیگنال های تداخلی در مقدار سطح آستانه و در نتیجه تاثیر آن در آشکارسازی، راهکارهایی برای مقابله با این پدیده بیان شد. از جمله این راهکارها، استفاده از روش مقایسه ای است که در آن، نمونه های سیگنال های تداخلی، با مقدار متناسبی از متوسط کل نمونه های موثر در آشکارسازی ج...

هرچند که تبدیل فوریه ابزاری قوی جهت تجزیه و تحلیل فرکانسی سیگنالها است، اما تنها نشان دهنده متوسط مولفه های فرکانسی سیگنال است و قادر به استخراج و تجزیه و تحلیل فرکانسی سیگنال در بازه های گوناگون نیست.جهت رفع این عیب تبدیلات زمان فرکانس ارائه گردیده اند. عمده این تبدیلات ازتابع پنجره استفاده می کنندکه حاصل ضرب دقت زمانی- فرکانسی پنجره ها توسط حد هایزنبرگ محدود می گردد.نشان داده شده است که مقدار...

چکیده شبکه عصبی با تاخیر زمانی، یک ابزار مدل سازی برگرفته از محاسبات هوشمند است که در کنار روش های کلاسیک برای پیش بینی سری های زمانی مالی بکار گرفته می شود. این مدل اغلب در مواردی که از سری زمانی داده های فراوان، اما از ساختار مدل اطلاعات محدود وجود دارد، استفاده می شود، از این رو انتخاب ساختار و ارزیابی آن خود یک چالش است.در این مقاله یک مدل مبتنی بر شبکه عصبی با تاخیر زمانی برای پیش بینی مع...

در چند سال اخیر نیاز به گونه ی جدیدی از پردازش داده ها بوجود آمده است که با پردازش داده هایی که توسط پایگاه های داده صورت می گیرد متفاوت می باشد. این نوع پردازش داده که بر روی جریانی از داده ها انجام می گیرد، پردازش داده های جریانی یا پردازش جریان داده نامیده می شود. جریان داده، یک توالی معمولاً بی کران از داده هایی است که توسط یک منبع تولید می شوند. درخواست هایی که بر روی جریان های داده تعریف م...

. سیستم های تشخیص نفوذ با توجه با ماهیتشان هشدارهای زیادی تولید می نمایند به گونه ای که حجم هشدارهای تولید شده توسط آنها به قدر زیاد می باشد که مدیریت آن ها توسط عامل انسانی تقریبا غیر ممکن است. علاوه بر اینکه حجم این هشدارها زیاد می باشد مشکلات دیگری نیز وجود دارد که می توان به عدم اولویت بندی هشدارها، وجود هشدارهای اشتباه و مواردی از این قبیل اشاره نمود. همچنین مشکل مهم دیگری که این سیستم ها ...

در بسیاری از کاربردهای پردازش سیگنال، مانند آنالیز سیگنال eeg، اغلب نیاز است که سیگنال غیر ایستان به بخش¬های کوچکتر تقسیم شود. این عمل با یافتن مرزهای سیگنال در لحظات زمانی تغییر مشخصات آماری آن، از قبیل دامنه یا فرکانس، انجام می¬شود. به طورکلی، دو روش برای سگمنت¬کردن سیگنال وجود دارد، سگمنت¬کردن با طول ثابت و سگمنت¬کردن تطبیقی. در روش¬ سگمنت¬کردن با طول ثابت، سیگنال eeg به تکه¬هایی با طول ثابت...