فهرست مطالب

محاسبات نرم - سال پنجم شماره 2 (پاییز و زمستان 1395)
  • سال پنجم شماره 2 (پاییز و زمستان 1395)
  • تاریخ انتشار: 1395/11/28
  • تعداد عناوین: 6
|
  • متین رمضانی، فاطمه احمدی ابکناری*، اسدالله شاه بهرامی صفحات 2-17
    در دهه ی اخیر تاثیر بکارگیری سیستم های نرم افزاری اطلاعات سلامت در مراکز خدمات درمانی در کاهش زمان پذیرش وترخیص و انتقال بیمار، زمان گزارش نویسی و درخواست های پاراکلینیکی، زمان اخذ جواب ها و مراجعه به اطلاعات قبلی پرونده، افزایش میزان دقت درج اطلاعات و درخواست ها، تسریع ارتباطات بین بخشی، افزایش میزان رضایت بیمار، ارائه خدمات بهتر، دریافت آمار و گزارشات روزانه، اطلاع از وضعیت درآمد و هزینه بیمارستان، تعدیل نیروها و... به وضوح مشاهده شده است. با توجه به اهمیت و کاربرد وسیع این سیستم ها، پژوهش های صورت گرفته در ارزیابی فنی میزان تطابق این سیستم ها به عنوان یک کلیت واحد و یا ارزیابی مولفه های مستقل آن ها با معیارهای کیفی از دیدگاه مهندسی نرم افزار در داخل کشور بسیار ناچیز بوده است. این مقاله به بررسی کیفیت مولفه های سیستم های اطلاعات سلامت در حال استفاده در سطح بیمارستان ها و مراکز خدمات درمانی زیرنظر دانشگاه های علوم پزشکی استان گیلان از نظر میزان تطابق آن ها با معیارهای فنی کیفیت نرم افزار می پردازد. به این منظور با استفاده از پرسشنامه و مطالعه و تحلیل آماری بر نتایج بدست آمده، ده مولفه ی مستقل از پنج سیستم اطلاعات سلامت بررسی و نقاط قوت و ضعف آن ها بر حسب معیارهای کیفیت نرم افزار تفکیک و ارائه شده است.
    کلیدواژگان: سیستم های اطلاعات سلامت، سیستم های اطلاعاتی بیمارستانی، مولفه های طراحی نرم افزار، معیارهای کیفیت نرم افزار
  • محسن بیگلری*، علی سلیمانی صفحات 18-27
    پس از موضوعاتی چون تشخیص مکان خودرو و شناسایی گروه کلی خودرو، شناسایی نوع و مدل دقیق وسیله نقلیه (VMMR) در دهه ی اخیر در مرکز توجه محققین قرار گرفته است. این مسئله به دلیل وجود تعداد کلاس های زیاد و نزدیکی بسیار زیاد این کلاس ها به یکدیگر، از مسائل طبقه بندی دشوار به حساب می آید.
    در این مقاله به مقایسه رویکرد کلی نگر و جزئی نگر پرداخته و روش های ارائه شده در هر دسته، به طور کامل مرور گشته اند. علاوه براین، رویکردی در دسته ی روش های جزئی نگر برای شناسایی نوع و مدل وسیله نقلیه پیشنهاد شده است که سعی بر برطرف کردن برخی از مشکلات موجود دارد. این رویکرد با تمرکز بر بخش های معنی دار تشکیل دهنده ی خودرو از قبیل چراغ ها، جلوپنجره و نشان واره به طبقه بندی کلاس های مختلف وسیله نقلیه می پردازد. توصیفگر هیستوگرام گرادیان های جهت دار برای استخراج ویژگی و ماشین بردار پشتیبان برای طبقه بندی به کار گرفته شده اند. برای این منظور مجموعه داده ای متشکل از 352 تصویر از نمای جلو و پشت هشت کلاس مختلف از خودروها جمع آوری شده و تمامی بخش های آن ها علامت گذاری گشته اند. نتایج آزمایشات انجام شده بر روی این تصاویر، برتری رویکرد مبتنی بر بخش را نسبت به رویکردهای پیشین نشان می دهد. روش پیشنهادی موفق به کسب دقت 95.4% بر روی نمای جلو و دقت 100% بر روی نمای پشت شده است.
    کلیدواژگان: شناسایی شیء، طبقه بندی شیء، شناسایی نوع و مدل وسیله نقلیه، VMMR، رویکرد مبتنی بر بخش
  • الهام محفوظ، غلامحسین فتح تبار* صفحات 28-33
    فرض کنید G=(V،E) یک گراف است که در آن V(G) و E(G) به ترتیب رئوس و یال های آن هستند. اغلب مجموع فاصله های بین رئوس گراف G را پایای وینر G گویند. این مقاله به شرح کران های یافت شده برای پایای وینر و شرحی از نتایج جدید در زمینه کران بالا برای پایای وینر در گراف های k-همبند می پردازد.
    کلیدواژگان: گراف، پایای وینر، گرافها k، همبند
  • علی قنبری سرخی*، حمید حسن پور، منصور فاتح صفحات 34-47
    در تحقیقات انجام شده در سال های اخیر، بدست آوردن ناحیه های کاندید به عنوان یک مرحله اساسی و مهم در سیستم های تشخیص و شناسایی اشیای موجود در تصویر معرفی شده است. بدست آوردن این ناحیه ها به مانند یک تنگناه بوده و بیشترین بار محاسباتی را در این نوع از سیستم ها دارد. در همین راستا انتخاب روش مناسب و سریع می تواند در بهبود عملکرد سیستم های تشخیص بسیار حائز اهمیت باشد. در این مقاله به مرور کارهای انجام شده در این زمینه پرداخته شده است و چندین روش مشهور و محبوب مورد استفاده در سیستم های شناسایی قدرتمند معرفی شده است. همچنین در این مقاله به مقایسه و ارزیابی روش های مطرح بر روی مجموعه داده های استاندارد PASCAL VOC، ImageNet و COCO پرداخته شده است. در روش های مورد ارزیابی روش ناحیه کاندید گروه بندی ترکیبی بر پایه چندین مقیاس (MCG) با الگوریتم شناسایی شبکه عصبی کانولوشن بر پایه ناحیه (R-CNN)، بهترین نتایج را داشته است. این روش عملکردی در حدود 57%، 54% و 41% بر روی مجموعه داده های PASCAL VOC 2007، ImageNet 2013 و COCO 2014 نشان داده است.
    کلیدواژگان: ناحیه کاندید، R، CNN سریع، ابرپیکسل، شی بودن، تشخیص و شناسایی اشیاء
  • منصور شیخان*، زهرا جعفری نسب صفحات 48-55
    امروزه پیش بینی آلودگی هوا در نواحی شهری به دلیل تاثیر آن بر روی سلامتی انسان، یکی از موضوعات مهم در پژوهش های زیست محیطی است. با وجود اهمیت به سزای موضوع آلودگی هوا، داده های نقاط اندکی در دسترس بوده و اندازه گیری آن برای تمام نقاط مورد نظر ناممکن است. به همین علت، تاکنون مدل های مختلفی برای پیش بینی آلودگی هوا معرفی شده اند. در این مقاله، 10 ویژگی مهم از مجموع 20 ویژگی مربوط به داده های سازمان هواشناسی و موثر در پیش بینی آلودگی هوا توسط نسخه دودویی الگوریتم جستجوی گرانشی انتخاب شده اند. در ادامه، با استفاده از نسخه آشوب گونه الگوریتم جستجوی گرانشی، یک شبکه عصبی به منظور پیش بینی آلاینده های هوای شهر تهران آموزش داده شده است. برای ارزیابی کارایی شبکه عصبی آموزش دیده، عملکرد آن در پیش بینی میزان آلاینده های هوای شهر تهران، در شرایط کاملا یکسان با پنج روش دیگر که در آن ها شبکه عصبی با الگوریتم های جستجوی گرانشی استاندارد، پس انتشار خطا، اجتماع زنبورها، ترکیب الگوریتم های وراثتی با تبرید شبیه سازی شده، و بهینه سازی ازدحام ذرات آموزش دیده است، مقایسه می شود. نتایج تجربی گویای برتری روش پیشنهادی در آموزش شبکه عصبی با هدف پیش بینی آلودگی می باشد.
    کلیدواژگان: آموزش شبکه عصبی، انتخاب ویژگی، نسخه آشوب گونه الگوریتم جستجوی گرانشی، آلودگی هوا
  • کاربرد سیستم های آنالیز تصویردر فرآیند فلوتاسیون
    فردیس نخعی*، مهدی ایران نژاد، سیما محمد نژاد صفحات 66-83
    فرآیند فلوتاسیون رایج ترین روش در جدایش کانی های باارزش از باطله در فرآوری مواد معدنی است. ماهیت تغییر پذیر خوراک ورودی، تاثیر متقابل متغیرها و ضعف تجهیزات دقیق اندازه گیری، توسعه روش های پایش و کنترل پیوسته مدارهای فلوتاسیون را به موضوع مهمی تبدیل کرده است. امروزه با توسعه تکنولوژی، سیستم های بینایی ماشین مبتنی بر روش های پردازش تصویر به عنوان یک ابزار شناسایی سریع، ارزان و با امنیت بالا، در صنایع فرآوری مواد معدنی مورد توجه صنایع و محققان قرار گرفته است. ظاهر سطح کف فلوتاسیون، حاوی اطلاعات مهمی از فرآیند است که به خوبی شرایط عملیاتی فرآیند را بازتاب می کند. توزیع ابعادی حباب کف شاخصی از پایداری و سرعت کف است که بهترین عامل برای تخمین کارآیی و اهداف کنترلی عملیات فلوتاسیون است. این مقاله، مرور بروزرسانی شده ای از رایج ترین روش های تخمین ابعاد حباب کف فلوتاسیون به همراه مزایا و محدودیت های آن ها و ایده هایی برای تحقیقات آتی در این حوزه را ارائه می کند. همچنین ارتباط میان عیار و بازیابی کنسانتره با ابعاد حباب کف بیان می شود.
    کلیدواژگان: فلوتاسیون، کف، پردازش تصویر، ابعاد حباب، کنترل، عیار و بازیابی
|
  • Matin Ramzani, Dr. Fatemeh Ahmadi-Abkenari*, D. Assadoolah Shahbahrami Pages 2-17
    The impacts of employing healthcare information systems in decreasing the admission and discharge time, patient transfer time, the internal clashes and clinical applications, time to get answers and refer to previous data file, increasing information and request accuracy, accelerating the communication between hospital wards, increasing patient satisfaction, providing better quality services, accessing hospital income and expenses information, downsizing, etc. are obvious in recent decade. Regarding the significance and the broad application of these softwares, there are a few number of research to verify their conformance as a whole or a collection of components with software quality metrics. In this research, the quality of healthcare information systems componets that are currently being used in hospitals in Guilan province is investigated regarding their conformance to software technical quality metrics. To this end, ten components of five healthcare information systems are analyzed with gathering information of users through questionnaire. The conformance degree of each component with software quality metrics is statistically analyzed and presented through this paper.
    Keywords: Healthcare Information Systems, Hospital Information systems, Software Design Components, Software Quality Metrics
  • Mohsen Biglari*, Ali Soleimani Pages 18-27
    After vehicle detection and vehicle type recognition, it is vehicle make and model recognition (VMMR) that has attracted researchers attention in the last decade. Due to the large number of classes and small inner-class distance, this problem is known as a hard classification problem.
    In this paper, a comparison between holistic and part-based approaches has been made and most of the previous methods in each category have been reviewed. In addition, a new part-based method is proposed which tries to overcome some of the hard challenges in this area. This method operates on meaningful parts of vehicle like lights, grilles and logo for distinguishing of different classes. The Histogram of Oriented Gradients (HOG) and Support Vector Machine (SVM) have been used for feature extraction and classification tasks respectively. For evaluation purposes, a dataset including 352 images from frontal and rear view of eight different classes of vehicles have been prepared and fully marked based on their parts. The experimental results show the effectiveness of the proposed part-based approach in comparison to the traditional approaches. The proposed method achieved 95.4% accuracy on frontal view and 100% accuracy on rear view images.
    Keywords: Object Recognition, Object Classification, Vehicle Make, Model Recognition, VMMR, Part-based Approach
  • Elham Mahfooz, Gholamhossein Fath-Tabar* Pages 28-33
    Let G=(V,E) be a graph where v(G) and E(G) are vertices and edges of G, respectively. Sum of distance between vertices of graphs is called wiener invariant. In This paper, we present some proved results on the wiener invariant and some new result on the upper bound of wiener invariant of k-connected graphs.
    Keywords: Graph, Wiener invariant, k-connected graphs
  • Ali Ghanbari Sorkhi*, Hamid Hasan Poor, Mansoor Fateh Pages 34-47
    According to the studies carried out in recent years, determination of the regional proposal is one of the crucial steps in detection and recognition of the objects included in an image. In fact, determination of this region has been like a bottleneck, gaining a significant computational energy. As a result, selection of suitable and fast approaches, under these circumstance, may enhance the performance of the recognition system. In this paper, a review was provided on the recent studies carried out in this field of research and few of the famous and friendly approaches conventionally used in the strong recognition systems were introduced and applied on the dataset of PASCAL VOC, ImageNet and COCO. The results obtained indicated that the multiclass combinatorial grouping (MCG) method with the region-convoulational neural network (R-CNN) can provide the best results with the efficiency of 57%, 54% and 41% on the dataset of PASCAL VOC 2007, ImageNet 2013 and COCO 2014 respectively.
    Keywords: Region Proposal, R-CNN, Superpixel, Objectness, Objects Detection, Recognition
  • Mansoor Sheikhan*, Zahra Jafari Nasab Pages 48-55
    Prediction of urban air pollution is an important subject in environmental studies. However, the required data for prediction is not available for every interested location. So, different models have been proposed for air pollution prediction. The feature selection (among 20 features given in Meteorology Organization data) was performed by binary gravitational search algorithm (BGSA) in this study and 10 features were selected. An artificial neural network (ANN) was used in this study for air pollution prediction. This ANN was trained using chaotic gravitational search algorithm (CGSA). In a comparative study, the performance evaluation of this neural predictor was performed when other methods were also used for ANN training. These methods were error back propagation, standard GSA, artificial bee colony, particle swarm optimization, and hybrid of genetic algorithm and simulated annealing. Experimental results showed the superior performance of the proposed BGSA-CGSA method used for feature selection and ANN training.
    Keywords: ANN training, feature selection, chaotic GSA, air pollution
  • Application of Image Analysis Systems in flotation process
    Fardis Nakhaei*, Mehdi Irannejad, Sima Mohammad Nejad Pages 66-83
    Froth flotation is the most widely used technique for the separation of valuable minerals from gangue ones. Changeable nature of feed, interaction of variables and weakness of accurate measurement equipment have made the development of monitoring methods and continues control of flotation circuits to an important issue. Today with the advance of technology, machine vision systems based on image processing methods are considered a rapid, cheap and safe detection device in mineral processing industries. The appearance of flotation froth surface consists of significant information process which easily distinguishes the process operation condition. Size distribution of froth bubbles is the reflection of froth stability and velocity and is the best criterion for the efficiency estimation of flotation operation. This paper is the updated review of the most common methods of size estimation of flotation froth bubbles along with their benefits and shortcomings and ideas for future studies in this area. Likewise, the correlation between concentrate grade and recovery with the froth bubble size is investigated.
    Keywords: Flotation, Froth, Image processing, Bubble size, Control, Grade, recovery