فهرست مطالب

رایانش نرم و فناوری اطلاعات - سال هشتم شماره 4 (زمستان 1398)
  • سال هشتم شماره 4 (زمستان 1398)
  • تاریخ انتشار: 1398/11/01
  • تعداد عناوین: 9
|
  • فرایین آیینی، امیرمسعود افتخاری مقدم*، فریبرز محمودی صفحات 1-16

    در این مقاله، به مسئله‏ ی انتخاب خودکار و بدون ناظر منیفولد طبقه در فضای مالتی منیفولد چند منظری می‏پردازیم. مسئله‏ی طبقه ‏بندی تصاویر چند منظری برای یافتن منیفولد طبقه را می‏توان به‏ عنوان مسئله ‏ی یادگیری چندین منیفولد با تعدادی اشتراک بین منیفولدها در نظر گرفت. در حالت کلی مسئله‏ ی یادگیری مالتی منیفولد با چندین زیر فضای مستقل کار می‏کند، بنابراین ایجاد تعادل میان اطلاعات درون منیفولد طبقه و ساختار متمایز کننده‏ی بین طبقه‏ ها مشکل است. در این مقاله، روشی پیشنهاد می‏دهیم که بدون استفاده از اطلاعات برچسب نقاط داده با توجه به فشردگی درون طبقه‏ای و تفکیک‏ پذیری برون طبقه ‏ای، ساختار مالتی منیفولد چند منظری را به‏دست می‏آورد. به ‏علاوه، برای تعمیم تعبیه برای نقاط جدید که به‏ عنوان مشکل "خارج از نمونه" شناخته می‏شود، نگاشت صریح و تنظیم شده‏ ی باناظر برای کاهش بعد غیرخطی ارائه کردیم که "توسعه خارج از نمونه" را برای یادگیری مالتی منیفولد چند منظری در زمینه ‏ی طبقه ‏بندی انجام می‏دهد. نتایج آزمایشات در دو دسته‏ی مدل‏سازی خودکار و بدون ناظر ساختار گراف مالتی منیفولد چند منظری و نرخ بازشناسی بر روی چندین مجموعه داده‏ی چند منظری برتری روش پیشنهادی را نسبت به دیگر روش‏ های گزارش شده در مطالعات اخیر نشان می‏دهد.

    کلیدواژگان: یادگیری مالتی منیفولد چند منظری، کاهش بعد غیر خطی، توسعه‏ ی خارج از نمونه، طبقه ‏بندی تصاویر چندمنظری
  • علی محمدزاده، محمد مصدری*، فرهاد سلیمانیان قره چپق، احمد جعفریان صفحات 17-29
    در این مقاله یک الگوریتم فرا ابتکاری بهبودیافته بر اساس الگوریتم فرا ابتکاری گرگ های خاکستری به منظور حل مسائل بهینه سازی ارائه می گردد. در الگوریتم پیشنهادی ضعیف ترین گرگ ها از جمعیت حذف شده و با گرگ های دیگری از جمعیت اولیه جاگذاری می شود. انتخاب گرگ های جاگذاری شده به صورت تصادفی یا بر اساس برازندگی خواهد بود. در این الگوریتم برازندگی مکان ذرات در هر تکرار بررسی شده و در صورت بهبود برازندگی، گرگ ها به سمت هدف حرکت می کنند، در غیر این صورت در آخرین وضعیت مناسب باقی می مانند. این الگوریتم باهدف بهبود عملکرد جستجو در مقابله با مسائل مختلف، افزایش سرعت همگرایی و جلوگیری از گیر افتادن در بهینه محلی ارائه شده است. شبیه سازی در نرم افزار متلب بر روی 23 تابع استاندارد ریاضی بهینه سازی مختلف اجراشده است. با بررسی عملکرد و مقایسه آماری نتایج به دست آمده از الگوریتم جدید با الگوریتم گرگهای خاکستری پایه و چند الگوریتم دیگر به این نتیجه می رسیم که با تنظیم مناسب پارامترها بهبودهای انجام شده تاثیر بسزایی در عملکرد الگوریتم بر روی توابع مختلف دارند.
    کلیدواژگان: الگوریتم های تکاملی، الگوریتم گرگ های خاکستری، فرا ابتکاری، بهینه سازی
  • علی سبطی*، حمید حسن پور صفحات 30-43
    نظارت ویدئویی هوشمند از کاربردهای اصلی در بینایی ماشین می باشد. بازشناسی انسان به عنوان بخشی از این سیستم ها از اهمیت ویژه ای برخوردار است. به طوری که صحت عملکرد در این بخش منجر به کارآمدی انواع الگوریتم های نظارتی می گردد. فرآیند بازشناسی در منظر ناظر انسانی به صورت آگاهانه و برپایه اطلاعات و دانش پیشین از ویژگی های سه بعدی پیکره انسان انجام می شود. یکی از این ویژگی ها اطلاعات زاویه قرارگیری شخص نسبت به دوربین است. به عبارتی ناظر انسانی در مرحله تطبیق با بهره گیری از اطلاعات زاویه، تخمینی از ظاهر شخص در زوایای مختلف خواهد داشت. در این پژوهش نیز فرآیند مذکور مدل سازی می گردد. بدین ترتیب در این پژوهش، راهکاری کاملا آگاهانه برای رفع تاثیرات مخرب تغییرات زاویه ای شخص در فرآیند بازشناسی، ارائه شده است. برای این منظور بخش هایی از پوشش بالاتنه فرد که تحت زوایای مختلف می توانند آشکار یا نهان شوند، استخراج گردیده و در مرحله تطبیق، وزن دهی یا نمونه افزایی می شوند. به منظور ارزیابی و مقایسه، روش پیشنهادی بر روی دو الگوریتم از کارآمدترین الگوریتم های بازشناسی مورد استفاده قرار گرفته است. نتایج آزمایش های انجام شده بر روی مجموعه داده های ViPer، بهبود را در نرخ تشخیص بازشناسی نشان می دهد.
    کلیدواژگان: بازشناسی انسان، اطلاعات زاویه ای، نظارت ویدئویی، ویژگی های سه بعدی
  • بنیامین خان محمدزاده سرستی، مجتبی شاکری*، پروین نیک بخت صفحات 44-58

    در دنیای رقابتی امروز کاهش هزینه های توزیع از جمله موارد مهمی است که در سرلوحه تفکرات مدیران صنایع قرار گرفته است. درصد زیادی از قیمت تمام شده یک محصول متعلق به هزینه های توزیع آنست. بنابراین حذف مسافت های غیرضروری و بهینه سازی مسیرهای طی شده به عنوان یکی از راه حل های مطلوب برای کاهش هزینه های توزیع شناخته شده است. هدف از این مطالعه، ارائه ی یک مدل توزیع پویا در یک زنجیره عرضه سرد مواد لبنی با استفاده از یک روش ترکیبی اصلاحی فرا ابتکاری مبتنی بر بهینه سازی کلونی مورچه است. مدل توزیع پیشنهادی بر پایه مساله مسیریابی وسیله نقلیه ظرفیت دار (CVRP) تعریف می شود که در آن، مسیرهای وسایل نقلیه برای توزیع مواد لبنی از قبل مشخص نیست و با توجه به حجم سفارش های مربوط به آن روز توسط هر خرده فروش، تعداد وسایل نقلیه کمینه همراه با مسیرهای بهینه توزیع مشخص می گردد. ارزیابی کارآیی مدل توزیع پیشنهادی بر پایه مجموعه دادگان تستی که با الهام از داده های جمع آوری شده از شرکت لبنی پگاه قزوین تولید شده است در پنج سطح متفاوت توزیع انجام گرفته است. معیار ارزیابی، مقایسه با نتایج سیستم توزیع ایستای کنونی در نظر گرفته شده است. نتایج آزمایش ها نشان می دهد که مدل توزیع پویای پیشنهادی به دلیل کاهش قابل محسوس تعداد وسایل نقلیه بکار گرفته شده، مسافت طی شده کوتاه تر و مصرف سوخت کم تر، باعث صرفه جویی در هزینه های حمل ونقل، نیروی انسانی و هندلینگ شده و کارایی و انعطاف پذیری بیشتری نسبت به سیستم توزیع ایستا دارد.

    کلیدواژگان: زنجیره عرضه سرد، مدل توزیع پویا، مساله مسیریابی وسیله نقلیه ظرفیت دار، بهینه سازی کلونی مورچه
  • نسترن حکیمی اقدم، مهرداد آشتیانی، محمد عبداللهی ازگمی* صفحات 59-74
    - امروزه، افزایش کاربرد انواع شبکه های اجتماعی برخط و گسترش تعاملات اجتماعی در این شبکه ها، اهمیت مسئله ای چون اعتماد را پر رنگ می کند. اعتماد و بی اعتمادی دو فاکتور مهم در تحلیل این شبکه ها هستند. با بررسی مراجع موجود در مقوله اعتماد و بی اعتمادی در محیط های اجتماعی، این نتیجه حاصل شد که اطلاعات بی اعتمادی نیز به اندازه اطلاعات اعتماد، نقش مهمی در تعاملات اجتماعی و تصمیم گیری ها خواهد داشت. اعتماد و بی اعتمادی هویت مستقل دارند اما بر یکدیگر تاثیر می گذارند. این هویت مستقل به معنای احتساب آن ها بر اساس ویژگی ها و عوامل مرتبط است. در این پژوهش، سعی شده است تا بتوان همزیستی اعتماد و بی اعتمادی با حفظ استقلال هویت هر یک، مدل شود. بدین منظور از نظریه منطق ذهنی که فضای مناسبی را برای هم زیستی اعتماد و بی اعتماد فراهم می کند، استفاده شده است. تا کنون تمرکز روش های ارائه شده در این حوزه، بیشتر بر اطلاعات اعتماد و نحوه محاسبه آن بوده است. دسته ای دیگر از روش ها نیز وجود دارند که اطلاعات بی اعتمادی را در نظر گرفته اند. اما در این روش ها، غالبا این اطلاعات، یا با مکمل گیری از اطلاعات اعتماد و یا به طور مستقیم از کاربر به دست آمده است. در این پژوهش، سعی شده است تا با در نظر گرفتن معیارهای مرتبط با اعتماد و معیارهای مرتبط با بی اعتمادی، اعتماد و بی اعتمادی محاسبه شود و در تصمیم گیری مورد استفاده قرار گیرد. برای ارزیابی روش پیشنهادی محاسبه اعتماد و بی اعتمادی در شبکه اجتماعی، شبیه سازی در شبکه اجتماعی فرضی صورت گرفته است. در این شبیه سازی، با تحلیل نتایج حاصل شده از هریک از سناریوهای ارزیابی و مقایسه این نتایج با روش مشابه، این نتیجه به دست آمد که به کارگیری اطلاعات بی اعتمادی همراه با اطلاعات اعتماد با ایجاد یک فضای ذهنی، باعث بهبود دقت در تصمیم گیری و ارزیابی اعتماد و بی اعتمادی شده است.
    کلیدواژگان: شبکه اجتماعی برخط، اعتماد، بی اعتمادی، ویژگی چندوجهی، روش های تصمیم گیری، استنتاج، منطق ذهنی
  • زینب خدابخشی، سکینه اسدی امیری*، حمید حسن پور صفحات 75-86
    وجود نویز در تصویر باعث کاهش کیفیت آن می شود، و تحلیل آن را دچار مشکل می کند. روش های رفع نویز، بخصوص در مواجه با نویز های قوی در تصویر، غالبا خرابی هایی نیز به همراه دارند. با توجه به آنکه حساسیت سیستم بینایی انسان به همه نواحی تصویر (نواحی هموار و غیر هموار) به یک میزان نیست، در این تحقیق حذف نویز بر اساس نواحی بافتی تصویر انجام می شود. روش ارائه شده در این مقاله، نویز موجود در نواحی هموار را به دلیل اثرگذاری بیشتر بر روی سیستم بینایی انسان با شدت بیشتری حذف می کند. در واقع با دخالت کمتر فیلتر در نواحی غیرهموار، اثرات کمتری از خرابی ناشی از فیلتر در تصویر بهسازی شده مشاهده خواهد شد. در روش پیشنهادی، با استفاده از اطلاعات آنتروپی، تصویر به دو ناحیه با بافت هموار و غیرهموار قطعه بندی می شود. سپس برای حذف نویز در هریک از این دو ناحیه، از فیلتر انتشار با مقادیر پارامترهای مختلف استفاده می شود. در واقع در روش پیشنهادی، ضمن کاهش اثر نویز در تصویر، لبه ها و جزئیات تصویر نیز به خوبی حفظ می شوند. روش پیشنهادی بر روی چندین تصویر نویزی و تصاویر پایگاه داده CSIQ و IVC ارزیابی شده است. نتایج کیفی و کمی حاکی از آن است که روش پیشنهادی در حذف نویز گوسی از تصویر، در مقایسه با روش های پیشین به مراتب عملکرد بهتری دارد.
    کلیدواژگان: حذف نویز، فیلتر انتشار، بافت تصویر، سیستم بینایی انسان
  • شیما جباری، یاسر بالغی* صفحات 87-97
    از آن جا که تشخیص زودهنگام سرطان پوست می تواند کمک شایانی به درمان بیمار کند، سامانه های تشخیص به کمک رایانه در حال توسعه هستند تا متخصصان پوست را در این زمینه یاری دهند. این سامانه ها سه گام اصلی دارند: 1) قطعه بندی، 2) استخراج ویژگی، 3) طبقه بندی. قطعه بندی، اولین و مهم ترین گام در سامانه های تشخیص خودکار است. در این مقاله، یک روش جدید براساس کانتورهای فعال هندسی معرفی می شود که با استفاده از ترکیب اطلاعات بافت و رنگ قسمت ضایعه را از پوست سالم جدا می کند. استفاده از ترکیب اطلاعات بافت و رنگ می تواند نقش مهمی را در ایجاد تمایز بین پیکسل های پوست سالم و ضایعه، ایفا کند. نوآوری این مقاله در چگونگی ترکیب اطلاعات بافت و رنگ در تابع سرعت و استفاده از ویژگی های بافت به صورت تصویر است. در این روش برای استفاده ی موثر از اطلاعات رنگ، از دو فضای رنگی یکنواخت CIE L*a*b* و CIE L*u*v* استفاده می شود؛ برای استخراج ویژگی های بافت نیز، از چند روش تجزیه و تحلیل بافت شامل فیلتر گابور، روش ماتریس هم رخدادی، فیلترهای آنتروپی، محدوده تغییرات و انحراف معیار محلی استفاده می شود. برای ارزیابی روش پیشنهادی از دو پایگاه داده ی ISIC2017 و PH2 که به ترتیب شامل 2750 و 200 تصویر درموسکوپی هستند، استفاده شد. مقایسه ی نتایج با پژوهش های اخیر نشان می دهد، الگوریتم پیشنهادی مقاله بالاترین میزان دقت (92/97% برای پایگاه داده ی PH2 و 78/94% برای داده های آزمایش پایگاه داده ی ISIC2017)، حساسیت (83/97% برای پایگاه داده ی PH2 و 11/90% برای داده-های آزمایش پایگاه داده ی ISIC2017) و اختصاصی بودن (45/99% برای پایگاه داده ی PH2 و 53/98% برای داده های آزمایش پایگاه داده ی ISIC2017) را برای هر دو پایگاه داده کسب کرد.
    کلیدواژگان: اطلاعات بافت و رنگ، تصاویر درموسکوپی، ضایعات پوستی رنگدانه دار، قطعه بندی، کانتورهای فعال هندسی، ویژگی های بافت ادغام شده
  • محسن اسماعیل بیگی*، امید چترآبگون صفحات 98-109
    ماشین بردار پشتیبان یکی از ابزارهای توانمند در زمینه یادگیری ماشین با ناظر در طبقه بندی داده ها می باشد. در مواجهه با داده-هایی که ساختار ماشین بردار پشتیبان خطی در طبقه بندی آنها از کارایی لازم برخوردار نیست، استفاده از ساختار ماشین بردار پشتیبان مبتنی بر هسته ها مدنظر می باشد. در رویکرد مبتنی بر هسته ها به دلیل استفاده از فضای ویژگی داده ها به جای خود داده های اصلی امکان طبقه بندی غیرخطی فراهم می آید. یکی از چالش های موجود در این رویکرد افزایش پیچیدگی های محاسباتی و در نهایت افزایش زمان لازم برای طبقه بندی است. عمدتا این افزایش زمان محاسباتی به دلیل ظاهر شدن هسته در حل مسئله بهینه-سازی درجه دوم است که با استفاده از تقریب رتبه پایین ارائه شده در این مقاله قادر خواهیم بود بر این مشکل غلبه کنیم. در این تکنیک با به کارگیری سری تقریبی قطع شده از هسته موجود، مسئله بهینه سازی درجه دوم در ساختار ماشین بردار پشتیبان مبتنی بر هسته ها با یک مسئله بهینه سازی با ساختار ساده تر جایگزین می گردد. در این رویکرد ، حاصلضرب های بردار-ماتریس و تجزیه های ماتریسی مورد نیاز بسیار سریع تر انجام خواهد شد. این تغییرات منجر به حل سریعتر مسئله بهینه سازی درجه دوم موجود و افزایش کارایی در طبقه بندی می گردد. نهایتا نتایج عددی ارائه شده در طبقه بندی برخی داده های کاربردی با استفاده از تقریب رتبه پایین ماشین بردار پشتیبان مبتنی بر هسته ها نشان می دهد که ضمن حفظ عملکرد طبقه بندی در حد قابل قبول، زمان محاسباتی به طور قابل توجهی کاهش یافته است.
    کلیدواژگان: طبقه بندی نظارت شده، ماشین بردار پشتیبان، بسط مرکر، تقریب رتبه پایین
  • مهران تقی پور گرجی کلایی*، سید محمد رضوی صفحات 110-118

    یکی از موثرترین توصیف گرهای مطرح برای بافت، فیلتر گابور می باشد. فیلتر کمانی گابور انتخاب مناسبی برای توصیف تصاویری است که با استفاده از حسگرهای بدون تماس نوری معمولی گرفته شده اند. به منظور تحت پوشش قرار دادن گستره کامل فرکانسی و استخراج ویژگی های متمایزکننده عموما از فیلتربانک استفاده می شود. اگرچه در یک فیلتربانک مقیاس ها و زوایای چرخش مختلف را داریم، اما انتخاب مقادیر مناسب برای پارامترهایی مانند فرکانس ماکزیمم، ابعاد فیلتر و طول کمان می توانند تاثیر بسزایی درنتیجه نهایی داشته باشد. در این مقاله برای تخمین مقادیر بهینه پارامترها از الگوریتم های فرا ابتکاری استفاده شده است. بر اساس نتایج به دست آمده در شناسایی هویت با استفاده از توصیفگر فیلتر بانک کمانی گابور بهینه شده با الگوریتم بهبود یافته جستجوی گرانشی میانگین نرخ شناسایی هویت مرتبه اول از 43/79 به 71/95 درصد افزایش یافته و در تایید هویت با بهینه کردن فیلتربانک پیشنهادی با استفاده از الگوریتم تبرید شبیه سازی شده میانگین خطای معادل EER از 84/8 به 12/5 کاهش یافته است.

    کلیدواژگان: اثر کف دست، الگوریتم های فراابتکاری، تایید هویت، شناسایی هویت، فیلتربانک کمانی گابور
|
  • Faraein Aeini, Amir Masoud Eftekhari Moghadam *, Fariborz Mahmoudi Pages 1-16

    In this paper, we consider the issue of automatic and unsupervised class-manifold selection in a multi-view multi-manifold space. General multi-manifold learning methods achieve multiple independent manifolds, so it is challenging for them to adjust the intra-class local manifold information and global inter-class discriminative structure. In this paper, we propose a multi-manifold embedding method, which can explicitly obtain multi-view multi-manifold structure while considering both intra-class compactness and inter-class separability without using the class label information. Furthermore, to the generalization of embedding to novel points, known as the out-of-sample extension problem in multi-view multi-manifold learning, we propose a supervised method for building a regularized map that provides an out-of-sample extension for general multi-view multi-manifold learning studied in the context of classification. Experimental results on face and object images demonstrate the potential of the proposed method for the classification of multi-view multi-manifold data sets and the proposed out-of-sample extension algorithm for the classification of manifold-modeled data sets.

    Keywords: Multi-view multi-manifold learning, Dimensionality reduction, Out-of-sample extensions, Multi-view classification
  • Ali Mohammadzadeh, Mohammad Masdari *, Farhad Soleimanian Gharehchopogh, Ahmad Jafarian Pages 17-29
    In this paper, An improved meta-heuristic algorithm are proposed based on the meta-heuristic grey wolf algorithm for solving optimization problems. In proposed algorithm, we remove the weakest wolves from the population and put them in with the wolves of the initial population. Wolves selecting can be randomly or on a fitness basis. In this algorithm, the particle positioning accuracy is checked for each repetition, and if the wolf's fitness is improved, they will move towards the target, otherwise they will remain in the last state. This algorithm is designed to improve search performance in solving various issues, increase the rate of convergence and avoid local optimal. Simulation in Matlab software has been implemented on 23 different mathematical optimization functions. By comparing the performance and statistical comparison of the results obtained from the new algorithm with the basic grey wolves algorithm and several other algorithms, we conclude that by proper adjustment of the parameters, the improvements made have a significant effect on the function of the algorithm on different functions.
    Keywords: Evolutionary Algorithm, Grey wolf optimizer, Meta-heuristic, optimization
  • Ali Sebti *, Hamid Hassanpour Pages 30-43
    Intelligent video surveillance is one of the main applications in machine vision. People re-identification as part of these systems is of particular importance. Indeed, the accuracy in this part improves the efficiency of many types of monitoring algorithms. The re-identification task in human mind is performed consciously and is based on a prior knowledge of the 3D attributes of the human body. One of these attributes is the orientation of the body relative to the camera. In other words, a human supervisor at the matching stage uses the angle information to estimate the appearance of the person at different angles. In this research, the above process is modeled. Thus, in this research, a fully informed approach is provided to eliminate the destructive effects of angular changes of the person in the re-identification process. For this purpose, upper part of person's body clothing that can be seen or hidden from different angles are extracted and used in the matching stage. For evaluation and comparison, the proposed method was used in two of the most efficient re-identification algorithms. Experiments were performed on the ViPer dataset and the results show improvements in the recognition rate.
    Keywords: People re-identification, Body angle information, video surveillance, 3D attributes
  • Benyamin Khanmohammadzadeh Seresti, Mojtaba Shakeri *, Parvin Nikbakht Pages 44-58

    In today's competitive world, reducing the distribution costs is an important issue that lies in the forefront of industry managers' thinking. A large percentage of the overall price of a given product belongs to distribution costs. Accordingly, eliminating unnecessary trips and optimizing traversed routes are considered to be one of the ideal solutions to reduce distribution costs. The aim of this study is to develop a dynamic distribution model in cold supply chains of dairy products by using an enhanced hybrid metaheuristic approach based on ant colony optimization. The proposed distribution model is defined according to the capacitated vehicle routing problem (CVRP) where vehicles' routes are not specified for the distribution of dairy products and depending on the volume of orders requested by each trailer on a given day, the minimum number of vehicles along with optimal distribution routes are determined. We assess the efficiency of our proposed distribution model by generating some test data inspired by the data collected from Qazvin Pegah Dairy Company in five different levels of distribution. The evaluation criterion is compare with the results of the current static distribution system. The experimental results indicate that the proposed dynamic distribution model exhibits more efficiency and flexibility than the static distribution system in terms of transportation costs, manpower and handling costs due to fewer number of vehicles employed, shorter mileage traversed and less fuel consumed.

    Keywords: Cold supply chain, dynamic distribution model, Capacitated vehicle routing problem, ant colony optimization
  • Nastaran Hakimi, Aghdam, Mehrdad Ashtiani, Mohammad Abdollahi Azgomi * Pages 59-74
    Today, online social networks (OSNs) have gained an important role in everyday human life. With the ever Increasing use of different types of OSNs as well as the extension of social interactions, the role of trust has become significantly more important. The success of the social network depends on the correct analysis of social situations, interactions and applying appropriate approaches according to each specific situation. Trust and distrust are two considerable factors to analyze these networks. The main purpose of this research has been to improve the accuracy of calculating trust and distrust based on the theoretical foundation of social interactions as well as the decision making in the social environment. By reviewing the body of literature in the fields of sociology and psychology focusing on trust and distrust in the social environments, we have concluded that distrust information, as well as trust, plays an important role in social interactions and decision making. The construct of trust and distrust are independent but they affect one another. This independent identity means that they are counting on the basis of the attributes and related factors. The aim of this research has been to model the co-existence of trust and distrust in maintaining the independence of each identity while considering different criteria for each of them. Based on the theorem of subjective logic we have modeled the coexistence of trust and distrust. So far, the existing models have only focused on trust information and its corresponding calculations. There are other works that have focused on distrust Information. But, in these models, distrust information has been gathered directly by users or calculated based on trust information sources. Therefore, in this research, we have proposed the calculation of trust and distrust based on individual and entangled trust and distrust formation factors. These factors are used in the decision making process. The results of the performed evaluations demonstrate that the proposed model has generated more accurate outcomes in calculating trust and distrust within a trust-based decision making context compared to other existing models.
    Keywords: Online social networks, Trust, Distrust, Multi-faceted, Decision Making, Subjective logic
  • Zeinab Khodabakhshi, Sekineh Asadi Amiri *, Hamid Hassanpour Pages 75-86
    The existence of noise in image reduces its quality and hinders analysis of the image. Image noise reduction techniques are often accompanied with artifact, especially in facing with strong noise. Since sensitivity of human visual system is not alike in all areas of image, i.e. smooth and nonsmooth areas, noise removal can be performed considering the textual information of the image. The proposed approach intend to earnestly remove noise from the smooth region as it is more obvious to human visual system. Indeed, the filtered image produces less artifact in nonsoomth region, as the noise is superficially removed from the nonsmooth region. In the proposed method, the image is segmented into smooth and non-smooth regions using entropy information of the image. Then to remove the noise from each region, the diffusion filter with different parameters is used. The proposed method not only removes the noise but also preserves the edges and details of the image. The proposed method was evaluated using several noisy images and images from CSIQ and IVC databases. According to subjective and objective quality results, accuracy of the proposed method in Gaussian noise reduction is better than the previous works.
    Keywords: Noise Removal, Diffusion Filter, Texture, Human Vision System
  • Shima Jabbari, Yasser Baleghi * Pages 87-97
    If skin cancer is detected in the early stages, the survival rate is very high. So, computer-aided diagnosis (CAD) systems are being developed to help dermatologists in early and accurate diagnosis. A common CAD system is composed of three steps: 1) segmentation, 2) feature extraction, 3) classification. Segmentation is the first and most important step in the auto diagnosis systems. The purpose of this paper is to introduce a new method based on geometric active contours that combines texture and color information to separate the lesion area from healthy skin. Combination of texture and color information can play an important role in distinguishing between lesion and healthy skin pixels. The innovation of this paper is the way that, color and texture information are combined together to define the speed function and the use of texture features in the form of an image. In this method, in order to use the color information more effectively two color spaces CIE L*a*b* and CIE L*u*v*, have been adopted. For the texture features extraction, several methods of texture analysis including Gabor, GLCM, local entropy filter, local range filter and local standard deviation filter have been used. To evaluate the proposed method, two databases including dermoscopy images, were used: The ISIC2017 database (including 2750 data) and the PH2 database (including 200 data). Then, the results were compared with the recent works on these two databases. Experimental results showed that, the proposed algorithm has the highest accuracy (97.92% for PH2 database and 94.78% for ISIC 2017 test data), sensitivity (97.83% for PH2 database and 90.11% for ISIC 2017 test data) and specificity (99.45% for PH2 and 98.53% for ISIC 2017 test data) in comparison with recent state-of-the-art algorithms.
    Keywords: Dermoscopy Images, fused texture features, geometric active contours, pigmented skin lesions, Segmentation, texture, color information
  • Mohsen Esmaeilbeigi *, Omid Chatrabgoun Pages 98-109
    Support vector machine is one of the most powerful tools in the field of supervised machine learning to classify the existed data. In the data that the linear support vector machine does not have the required efficiency in their classification, using the kernel-based support vector machine which is based on the use of feature space instead of the original data is considered. As a result of this structure, nonlinear classification can be provided. One of the challenges in this approach is to increase the computational complexity and ultimately increase in the required time for classification. As such, it is not particularly useful for large datasets. This increase in computational time is mainly due to the appearance of the kernel in solving the quadratic optimization problem, which we will be able to overcome this problem using the presented low-rank approximation in this paper. In this technique, using a truncated Mercer series of the kernel, the quadratic optimization problem in the kernel-based support vector machine is replaced with a much simpler optimization problem. In the new presented approach, the required vector computations and matrix decompositions will be much faster such that these changes lead to faster resolution of the quadratic optimization problem and increase efficiency. Finally, the results of experiments show that using a low-rank kernel-based approximation of support vector machine, while keeping the classification performance in an acceptable range, the computational time has been significantly reduced.
    Keywords: Support Vector Machine, Kernel-based SVM, Mercer series, Low-rank approximation
  • Seyyed Mohammad Razavi Pages 110-118

    proper choice for descripting images captured by ordinary optic sensors. In order to cover all spectrum and extracting better features filter banks are usually used. Although there is different scales and orientations in filter bank, but using proper values for other parameters such as maximum frequency, filters’ dimension and length of arc can effectively impact on final result. In this paper Meta-heuristic methods are used to estimate optimum values for these parameters. According to obtained results, in identification using Optimum Arc-Gabor Filter Bank (OAGFB) trained by Improved Gravitational Search Algorithm, the average of 1st Rank identification rate is increased from 79.43 to 95.71% and in verification by optimizing proposed filter bank using Simulated Annealing the average of Equal Error Rate is decreased from 8.84 to 5.12%.

    Keywords: Arc-Gabor filter-bank, Identification, Palm-Print, Verification