با توجه به پیشرفت های قابل توجهی که در شبکه های حسگر بی سیم رخ داده، همواره صرفه جویی در مصرف انرژی و در نتیجه افزایش طول عمر شبکه یکی از مهمترین چالش های فرا روی محققین می باشد. گره های حسگر از نظر انرژی دارای ظرفیت محدودی می باشند، به همین دلیل پژوهشگران به بررسی توپولوژی و معماری در شبکه های حسگر بی سیم می پردازند. از آنجا که طول عمر شبکه های حسگر بی سیم به اولین گره ای که در شبکه انرژی خود را از دست دهد بستگی دارد، به همین دلیل حفاظت از انرژی، در این شبکه ها بسیار حائز اهمیت می باشد. یکی از تکنیک های محبوب در این زمینه خوشه بندی می باشد، که می تواند بهطور مستقیم طول عمر شبکه را افزایش دهد، بههمین منظور تاکنون الگوریتم های متفاوتی به منظور خوشه بندی و انتخاب سرخوشه ارائه شده اند. در این پایان نامه در قدم اول از یک روش جدید که مبتنی بر منطق فازی می باشد به منظور خوشه بندی و انتخاب سرخوشه ی مناسب ارائه نمودیم که در نتیجه ی آن سبب افزایش طول عمر شبکه گردید. سپس در قدم بعدی دیگر ایستگاه مرکزی را ثابت فرض نمی کنیم، بلکه می تواند روی مسیر دایره، مربع، مثلث و یا شش ضلعی با طول گام و ابعاد از پیش تعیین شده حرکت نماید و با استفاده از منطق فازی به سمت خوشه ای حرکت کند که کمترین انرژی را دارد، که در نتیجه سبب افزایش طول عمر شبکه می شود. در قدم آخر با استفاده از الگوریتم بهینه سازی کلونی مورچه تعداد کل خوشه ها، شکل، ابعاد و طول گام را بهینه می کنیم. که این امر سبب بهینه سازی مصرف انرژی و به تبع آن افزایش طول عمر در شبکه حسگر بی سیم می شود. در قسمت انتهایی پایان نامه به کمک شبیه سازی، این بهینه سازی مصرف انرژی و افرایش طول عمر در شبکه به وضوح قابل مشاهده می باشد.

مجهز شدن علم پزشکی به ابزارهای هوشمند در تشخیص و درمان بیماری ها می تواند پزشکان را در تشخیص به موقع و همچنین از اشتباهات تشخیصی در به وجود آمدن خسارات جانی و مالی کاهش دهد. طبق تحقیقات موجود اگر به طب کلاسیک و سنتی بسنده کنیم فقط در 30 % از بیماری ها به تشخیص می رسیم و قسمت عمده آنها یعنی 70 % بدون تشخیص باقی می مانند در این میان همه روزه بیماران زیادی به علت دردهای مفصلی به پزشک مراجعه می کنند و می توان اذعان کرد که یکی از مشکلاتی که در حال حاضر پزشکان با آن روبرو هستند ضعف در تشخیص آسیب دیدگی مفاصل در مراحل ابتدایی آن است. به این ترتیب از آن جایی که پیش بینی صحیح وضعیت بیماری افراد از اهمیت زیادی برخوردار است در این راستا بر آن شدیم تا در این پژوهش به آسیب دیدگی مفاصل ورزشکاران توسط شبکه عصبی در پزشکی را مورد بررسی قرار دهیم. در این تحقیق از شبکه عصبی مصنوعی پرسپترون چند لایه با الگوریتم پس انتشار خطا جهت ارزیابی وضعیت بیماری استفاده خواهد شد. شبکه عصبی یک ساختار محاسباتی است که از چندین واحد پردازشی به هم متصل به نام نورون تشکیل شده است. نرون ها ورودی های شبکه را به خروجی ها متصل می کنند و اتصالات بین نرون ها وزن های شبکه را تشکیل می دهند که در حین یادگیری شبکه به هنگام می شوند. نرون ها ورودی های را جمع می کنند و بعد از اعمال تابع فعالیت خروجی نرون محاسبه می شود. تلاش بر این بوده است که این پژوهش هم برای محققان هوش مصنوعی و هم برای پزشکی قابل استفاده باشد در این راستا بررسی نمونه های عملی انجام شده ایده های مناسبی برای تحقیقات بعدی ایجاد می کند همچنین کاربردهای شبکه عصبی در پزشکی در سه بخش لحاظ می شود که عبارتند از تشخیص بیماری ها، پیش بینی و پیش آگاهی، مهندسی پزشکی.

در سالهای اخیر، حجم تصاویر موجود در پایگاههای داده تصاویر خصوصی و یا عمومی نظیر شبکه جهانی اینترنت رو به افزایش است. با توجه به این موضوع، سیستمهایی با قابلیت بازیابی تصاویر بر اساس خصوصیات دیداری در حیطه موضوعات مطرح شده در شاخه پردازش تصویر اهمیت بسزایی یافته است.