سرویس پست الکترونیک یکی از محبوب ترین سرویس های اینترنت است که بخش مهمی از این ایمیل ها، مورد درخواست و تقاضای کاربر نیست. عدم درخواست این ایمیل ها و یا عدم شناسایی فرستنده هرزنامه تعریف می شود که البته همین تعریف نیز مورد توافق همه افراد قرار نگرفته است. از مهمترین چالش های شناخت هرزنامه، وابستگی آن به سلایق کاربر است. به-عبارت دیگر یک ایمیل ممکن است برای فردی هرزنامه و برای فرد دیگری ایمیل موجه تلقی شود. این موضوع، مفهوم جدیدی را با عنوان شخصی سازی ایمیل ایجاد می کند. عدم ارائه تعریف دقیق هرزنامه و همچنین تنوع سلایق و نظرات کاربران در مورد این¬گونه ایمیل ها، مانع ایجاد مکانیزم مناسبی برای جلوگیری از دریافت و یا ارسال هرزنامه شده است. در این پایان نامه برای مشخص کردن نوع کلاس های ایمیل و طبقه بندی آن، از یک هستان شناسی دامنه استفاده می شود. به علاوه در حین انجام کار با استفاده از مجموعه داده ها ، آنتولوژی پایه تکمیل و درنهایت از آنتولوژی جدید برای کلاس بندی ایمیل استفاده می شود. باید توجه داشت که تغییر سلایق افراد در گذر زمان و فیلتر هرزنامه دارای رابطه مستقیم هستند، این رابطه به¬نحوی است که با تغییر سلایق افراد، آنتولوژی مربوطه باید خود را به¬روز نموده و مکانیزم پویایی برای جلوگیری از ارسال هرزنامه ایجاد کند به طوری که این موضوع در این تحقیق لحاظ می شود. به علاوه نتایج به وضوح برتری 1/99 درصدی روش پیشنهادی را نسبت به روش های پیشین نشان می دهد، به ویژه که هم زمان نسبت به تغییرات سلیقه ی کاربر نیز به صورت پویا عمل می کند.

شبکه ی اینترنت یک شبکه ی بهترین تلاش است و همراه با افزایش چشمگیر کاربردهای مختلف در این شبکه و روند رو به افزایش انتظارات آن ها، شبکه ی ip خالص برای فراهم کردن سرویس های مناسب ناکارآمد به نظر می رسد. از این رو نیاز برای تفکیک سرویس ها و تلاش برای پشتیبانی از کاربردهایی که نیازمندی های غیر قابل چشم‏پوشی دارند مسئله ای حیاتی است. سه الگوریتم در این پایان ‏نامه ارائه شده است که عملکرد آن با دو الگوریتم صف بندی غیر ازدحامی و droptail مورد مقایسه قرار می گیرد. الگوریتم‏ های ارائه شده تأخیر را برای کاربردهای غیرازدحامی و بلادرنگ تا حد ممکن کاهش می دهد، درعین حال که هزینه ی قابل توجهی را به ترافیک های دیگر تحمیل نمی کند. علاوه بر این، الگوریتم های پیشنهادی بهره وری سیستم را افزایش داده و با کاهش زمان سرویس جریان ها کاربران بیشتری را سرویس می دهد. همچنین، الگوریتم های پیشنهادی عدالت بین جریان ها را در سطح قابل قبولی برقرار می کند درحالی که نیازی به ذخیره سازی اطلاعات وضعیت جریان ها ندارد و در نتیجه از ویژگی مقیاس پذیری برخوردار است. از طرف دیگر، الگوریتم ها این توانایی را دارند که به صورت پویا پارامترهای خود را با تغییر شرایط در شبکه به روزرسانی کنند. نتایج شبیه سازی تأیید می کنند که الگوریتم های پیشنهادی به اهداف خود دست یافته اند.

مسأله¬ی هل دادن جعبه بر روی مسیر مشخص نیازمند رسیدن به هدف قرار دادن جعبه بر روی مسیر و هل دادن آن است که این کار با تلاش برای قرار دادن مرکز جعبه بر روی مسیر و تنظیم زاویه¬ی جعبه با مسیر، مساوی با 90 درجه به وسیله¬ی همکاری ربات¬ها به دست می¬آید. در این پایان¬نامه برای اعمال نیرو از روش الگوریتم بهینه¬سازی ازدحام ذرات استفاده شده است. جعبه در ابتدای مسیر قرار دارد و ربات¬ها در پشت جعبه برای اعمال نیرو باهم همکاری می-کنند. تابع ارزیابی برای الگوریتم ازدحام ذرات یک تابع بیشینه¬سازی است که به دنبال بهترین زاویه¬ی قرارگیری هر ربات برای اعمال نیرو با در نظر گرفتن جهت قرار گرفتن همه¬ی ربات¬ها، زاویه¬ی جعبه با مسیر، فاصله¬ی مرکز جعبه از مسیر و مقدار نیرو و گشتاور واردشده توسط ربات¬ها است. در هر بار تکرار الگوریتم بهترین مکان سراسری ذره که در واقع همان بهترین زاویه¬ی قرارگیری ربات¬ها است، انتخاب شده و به تک تک ربات¬ها داده می¬شود. ربات¬ها زاویه-ی مورد نظر را تنظیم کرده و جعبه را به اندازه¬ی مدت زمان معینی هل می¬دهند. ربات¬ها و محیط به وسیله¬ی نرم¬افزار شبیه¬ساز ویباتز طراحی شد. به وسیله¬ی پیاده¬سازی روش گفته شده، ربات¬ها با همکاری هم جعبه را بر روی مسیر هل داده و در لحظه¬ی رسیدن به انتهای مسیر متوقف می¬شوند.

هدف از پژوهش حاضر ارائه روشی برای تشخیص و جداسازی تصاویر غیراخلاقی از تصاویر معمولی است. تشخیص تصاویر غیراخلاقی برای فیلتر مفاهیم نامناسب در اینترنت لازم و ضروری است. به¬خصوص در مواردی همچون فیلتر مفاهیم نامناسب در شبکه¬های اجتماعی و اشتراک¬گذاری تصویر، که از فیلتر کل سایت پرهیز می شود. تنوع در مناظر، پس¬زمینه¬ی شلوغ و نواحی غیراخلاقی کوچک در تصویر از چالش¬های این مسئله هستند. تشخیص تصاویر غیراخلاقی برپایه بسته¬های کلمات بصری یک رویکرد امیدوارکننده است زیرا می¬تواند کاستی¬های روش¬های سنتی را جبران کند. با این حال انتخاب¬های بسیاری برای ساخت کلمات بصری وجود دارد که در ایجاد موازنه بین سرعت و کارایی، حیاتی هستند. دراین پژوهش روش جدیدی برای ساخت بسته¬های کلمات surf و mser در نواحی هم¬رنگ پوست و ترکیب آن با ویژگی¬های عمومی استخراج شده از نرخ پوست ارائه کرده¬ایم. نشان دادیم نتایج سیستم با ترکیب این ویژگی¬ها بهبود می¬یابد. tf-idf روش معمول وزن¬دهی به کلمات است اما به آن بسنده نکردیم و برای یافتن بهترین روش وزن¬دهی، روش¬های مختلف وزن-دهی محلی، سراسری و نرمال سازی را برای هرکدام از واژه¬نامه¬های surf و mser آزمایش کردیم. برای هر ویژگی بهترین الگوریتم دسته بندی را انتخاب کرده و در سیستم ترکیبی پیشنهادی استفاده کردیم. نتایج نشان¬ می دهد سیستم ترکیبی پیشنهادی می تواند تصاویر غیراخلاقی را با نرخ بازیافت (مثبت صحیح) 96.1 درصد تشخیص دهد درحالی که تنها نرخ مثبت اشتباه 5.7 درصد را نشان می¬دهد.