رکوردهای مرتبط با این شخص

استفاده از الگوریتم مسیریابی خوشه‌بندی در NDN برای شبکه‌های رادیو شناختی موردی (1395) / شیرمهد ، فروزان، نویسنده

نوع مدرک: متون چاپی سرشناسه شیرمهد ، فروزان، نویسنده شماره بازیابی : ‭COM soft ‭14 1397 عنوان : استفاده از الگوریتم مسیریابی خوشه‌بندی در NDN برای شبکه‌های رادیو شناختی موردی ناشر: دانشگاه شهید اشرفی اصفهانی : بی نا سال نشر : 1395 صفحه شمار: ج، 71ص شابک/شاپا 22734 یادداشت پایان نامه کارشناسی ارشد : مهندسی کامپیوتر گرایش نرم‌افزار شناسه افزوده : خیام باشی ، محمد رضا، استاد راهنما توصیفگرها شبکه مبتنی بر نام داده  شبکه‌های رادیو شناختی موردی  مسیریابی  بسته درخواست  بسته محتواNamed Data Networking  Ad-hoc wireless network  routig  Interest packet  content packet چکیده : NDN یکی از معماری‌های پیشنهادی شبکه‌های اطلاعات محور (ICN) برای نسل آینده اینترنت است که ارتباطات میان گره‌ها بر اساس نام داده به‌جای مکان و آدرس آن‌ها است. هدف طراحی این شبکه‌ها افزایش کارایی، مقیاس‌پذیری و امنیت در مقایسه با اینترنت امروزی است. شبکه‌های رادیو شناختی زیرمجموعه‌ای از شبکه‌های موردی است. در شبکه‌های رادیو شناختی موردی مبتنی بر IP ارتباطات بر اساس اتصال انتها به انتها است. با توجه به اینکه در این شبکه‌ها شرایط کانال پویا و متناوب است نگهداری مسیر انتها به انتها بین گره‌های رادیو شناختی به‌خصوص در حضور کاربران اولیه و شرایط نامطمئن کانال دشوار است و به‌علاوه این شبکه‌ها مسائل مانند مقیاس‌پذیری، خودسازمان‌دهی و ناکارآمدی را به همراه دارند. با توجه به مزایا NDN در این شبکه‌ها در این پایان‌نامه یک الگوریتم مسیریابی خوشه‌بندی در NDN برای شبکه‌های رادیو شناختی موردی معرفی و ارائه‌شده است که برای این منظور در مرحله اول یک مقاله پایه انتخاب و شبیه‌سازی اولیه انجام‌شده است. در مرحله بعد برای بهبود مقاله پایه الگوریتم مسیریابی خوشه‌بندی گره‌ها ارائه و شبیه‌سازی‌شده است که خوشه‌بندی را با ایده الگوریتم تقریبی گوچه و خالر انجام می‌دهد و برای حداقل کردن سر خوشه‌ها و کاهش سربار داده‌ها از قوانینی استفاده‌شده است. شبیه‌سازی‌ها نشان داده‌اند که روش پیشنهادی در مقایسه با مقاله پایه در سناریو افزایش تعداد گره‌ها برای پارامتر نرخ تحویل بسته 3% و برای پارامتر بار مسیریابی نرمال شده 17.5% و برای نرخ تأخیر 23.5% و برای نرخ گذردهی 14.5% و در سناریو تغییر سرعت برای پارامتر نرخ تحویل بسته 2.25% و برای پارامتر بار مسیریابی نرمال شده 24.5% و برای نرخ تأخیر 19.25% و برای نرخ گذردهی 19.75% و همچنین در سناریو ترافیک روش پیشنهادی برای پارامتر نرخ تحویل بسته 1.75% و برای پارامتر بار مسیریابی نرمال شده 26.85% و برای نرخ تأخیر 21.5% و برای نرخ گذردهی 18% بهبود داشته است لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=1335 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
22734	‭COM soft ‭14 1397	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

استفاده از روش‌های مبتنی بر یادگیری ماشین به منظور بهبود پیشبینی حملات فیشینگ (1403) / عابدی ، معصومه، نویسنده

نوع مدرک: متون چاپی سرشناسه عابدی ، معصومه، نویسنده شماره بازیابی : ‭COM soft ‭80 1403 عنوان : استفاده از روش‌های مبتنی بر یادگیری ماشین به منظور بهبود پیشبینی حملات فیشینگ عنوان موازی : Using methods based on machine learning in order to improve ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1403 صفحه شمار: 20ص شابک/شاپا 25867 یادداشت پایان‌نامه کارشناسی ارشد: رشته مهندسی کامپیوتر گرایش نرم‌افزار شناسه افزوده : خیام باشی ، محمد رضا، استاد راهنما توصیفگرها ادگیری ماشین، آدرس اینترنتی، حملات فیشینگ، یادگیری جمعی، مدل استکینگ  Machine Learning, Uniform Resource Locator, Phishing Attacks, Ensemble Learning, Stacking Model. چکیده : یادگیری ماشین یکی از مهم‌ترین و کاربردی‌ترین زیر شاخه‌های هوش مصنوعی است که به سیستم‌ها اجازه می‌دهد بدون نیاز به برنامه‌نویسی صریح، از داده‌ها یاد گرفته و پیش‌بینی‌های دقیق‌تری انجام دهند. این تکنیک با توانایی شناسایی الگوهای پیچیده در داده‌های بزرگ، توانسته است تحولی عظیم در زمینه‌های مختلفی از جمله پزشکی، تجارت، و امنیت سایبری ایجاد کند. امنیت سایبری به ویژه در دهه‌های اخیر به یکی از چالش‌های اصلی در دنیای دیجیتال تبدیل شده است، چرا که حملات سایبری می‌توانند تبعات سنگینی برای افراد و سازمان‌ها به همراه داشته باشند. یکی از رایج ترین و خطرناک‌ترین تهدیدات در فضای آنلاین، حملات فیشینگ است که به وسیله آن، مهاجمان تلاش می‌کنند تا با فریب کاربران و جلب اعتماد آن‌ها، اطلاعات شخصى و مالى حساس آنها را به سرقت ببرند. در این پایان‌نامه، هدف اصلی بهبود پیش‌بینی و شناسایی حملات فیشینگ به کمک یادگیری ماشین است. برای دستیابی به این هدف، از مدل‌های یادگیری جمعی به ویژه مدل استکینگ استفاده شده که می‌تواند شبیه‌سازی دقیقی از حملات فیشینگ ارائه داده و در مقایسه با مدل‌هاى منفرد، عملکرد بهتری از خود نشان دهد. به ویژه در این تحقیق، با بهره‌گیری از تکنیک‌های پیشرفت‌های چون تنظیم هایپرپارامترها و اعتبارسنجی متقابل K در کنار مدل استکینگ، تلاش بر این بود که دقت و پایداری مدل در پیشبینی در مقایسه با مدل‌های منفرد و یادگیری جمعى ضعیف، افزایش یابد. در این پژوهش، از سه مجموعه دادهی فیشینگ که شامل نمونه‌هایی از حملات مختلف و شناخته‌شده است، استفاده شده و نتایج حاصل از مدل استکینگ در مجموعه داده‌ی اول با دقت 78/97% در بعدی 16/96% و در سومی 30/97%، نشان داد که ترکیب مدل‌هاى مختلف و استفاده از تکنیک‌های پیش‌پردازش می‌تواند به شدت به بهبود دقت پیشبینی و کاهش خطاها کمک کند. این تحقیق نشان‌دهنده قابلیت‌های بالای یادگیری ماشین در شناسایی تهدیدات سایبرى و بهبود عملکرد سیستم‌های امنیتی است لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=14703 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
25867	‭COM soft ‭80 1403	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

بهبود تشخیص بیماری های قلبی با استفاده از تکنیک های داده‌کاوی (1400) / عبداللهی ، مریم سادات، نویسنده

نوع مدرک: متون چاپی سرشناسه عبداللهی ، مریم سادات، نویسنده شماره بازیابی : ‭COM soft ‭41 1400 عنوان : بهبود تشخیص بیماری های قلبی با استفاده از تکنیک های داده‌کاوی عنوان موازی : Improve the Diagnosis of Heart Diseases Using Data Mining Technique ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1400 صفحه شمار: ح، 99ص شابک/شاپا 24014 یادداشت پایان نامه کارشناسی ارشد: مهندسی کامپیوتر گرایش مهندسی نرم‌افزار شناسه افزوده : خیام باشی ، محمد رضا، استاد راهنما توصیفگرها بيمار‌های قلبی  داده‌کاوی  ويژگي‌های مؤثر  طبقه‌‌‌‌‌‌‌‌بندی  الگوریتم بیز ساده  الگوریتم ماشین بردار پشتیبان  Heart Disease  Data Mining  Data Mining Techniques  Effective Features  Classification  Simple Bayesian Algorithm  Support Vector Machine Algorithm چکیده : امروزه افراد زیادی به علت بیماری قلب و عروق جان خود را از دست می‌دهند. این بیماری با توجه به شیوع و سهمی که در مرگ و میر انسان‌ها دارد از اهمیت بالایی برخوردار است. با توجه به این‌که بیماری‌های قلبی و عروقی جزء شایع‌ترین علت‌های مرگ و میر در جهان و نیز کشور ما می‌باشند و صدمات مالی و جانی بسیاری را به جامعه وارد می‌سازند، به کارگیری روش‌های پیشگیری کننده از بروز این بیماری‌ها بسیار حائز اهمیت است. پزشکان به دنبال تحقیق در مورد عوامل افزایش بیماری‌های قلبی، علت بروز آن‌ها و تشخیص آن‌ها با استفاده از روش‌هایی با عوارض کمتر و صحت بالاتر هستند. همچنین پردازش داده‌ها با روش‌های سنتی که توسط آزمایش‌ها و معاینه‌های بیماران قلبی جمع‌آوری شده است، هزینه زیادی در برخواهد داشت. بنابراین پیچیدگی اطلاعات پزشکی و وجود ابزارهای داده‌کاوی باعث می‌شود که داده‌کاوی بر روی داده‌های پزشکی و سلامت مهم تلقی گردد. تاکنون استفاده از تکنیک‌های داده‌کاوی در زمینه‌‌‌ی پزشکی رشد روز افزونی داشته است. مطالعات اخیر با استفاده از ویژگی‌های جمع‌آوری شده‌ی بیماران و الگوریتم‌های مختلف داده‌کاوی برای افزایش صحت تشخیص بیماری استفاده کرده‌اند. در این پژوهش، هدف بر این است که با استفاده از الگوریتم‌های طبقه‌‌‌‌‌‌‌‌بندی در داده‌کاوی، بهبود عملکرد این الگوریتم‌ها در تشخیص بیماری‌های قلبی با صحت بالاتر نشان داده شود. همچنین بسیاری از ویژگی‌های مجموعه‌داده به علت وزن ناچیز، کم اهمیت تلقی می‌شوند و در صحت تشخیص بیماری قلبی تأثیر چندانی ندارند. بنابراین، نوآوری دیگر این پژوهش در انتخاب ویژگی‌های مؤثر و حذف ویژگی‌های ناکارآمد با استفاده از عملگرهای انتخاب ویژگی وزن‌دهی جهت ورود به مرحله داده‌کاوی است. سیزده ویژگی تأثیرگذار بر بیماری‌های قلبی که دارای وزن بیشتری هستند به عنوان زیرمجموعه‌ای از کل ویژگی‌ها در نظر گرفته شده است. مجموعه‌داده‌ی به کار رفته در روش پیشنهادی از بیمارستان رجائی تهران گرفته شده است. نتایج نشان می‌دهد، الگوریتم رأی‌گیری با درصد صحت 38%/88 و حساسیت %57/ 87 و ویژگی %78/89 از عملکرد بهتری نسبت به الگوریتم بیز ساده و سایر پارامترهای الگوریتم ماشین بردار پشتیبان در حالت انتخاب زیر مجموعه ای از ویژگی‌ها دارد لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=13212 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
24014	‭COM soft ‭41 1400	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

بهبود تشخیص بیماری های قلبی با استفاده از تکنیکهای داده‌کاوی (1398) / عباسیان ، نگار، نویسنده

نوع مدرک: متون چاپی سرشناسه عباسیان ، نگار، نویسنده شماره بازیابی : ‭COM soft ‭23 1398 عنوان : بهبود تشخیص بیماری های قلبی با استفاده از تکنیکهای داده‌کاوی عنوان موازی : Improve the Diagnosis of Heart Diseases Using Data Mining Technique ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1398 صفحه شمار: ه،91ص یادداشت پایان نامه کارشناسی ارشد: مهندسی نرم افزار شناسه افزوده : خیام باشی ، محمد رضا، استاد راهنما توصیفگرها بيمار‌های قلبی  داده‌کاوی  ويژگي‌های مؤثر  طبقه‌‌‌‌‌‌‌‌بندی  الگوریتم بیز ساده  الگوریتم ماشین بردار پشتیبان  Heart Disease  Data Mining  Data Mining Techniques  Effective Features  Classification  Simple Bayesian Algorithm  Support Vector Machine Algorithm چکیده : امروزه افراد زیادی به علت بیماری قلب و عروق جان خود را از دست می¬دهند. این بیماری با توجه به شیوع و سهمی که در مرگ و میر انسان‌ها دارد از اهمیت بالایی برخوردار است. با توجه به اینکه بیماری‌های قلبی و عروقی جزء شایع¬ترین علت‌های مرگ و میر در جهان و نیز کشور ما می‌باشند و صدمات مالی و جانی بسیاری را به جامعه وارد می¬سازند، به کارگیری روش¬های پیشگیری کننده از بروز این بیماری¬ها بسیار حائز اهمیت است. پزشکان به دنبال تحقیق در مورد عوامل افزایش بیماری‌های قلبی، علت بروز آنها و تشخیص آنها با استفاده از روش¬هایی با عوارض کمتر و صحت بالاتر هستند. همچنین پردازش داده¬ها با روش‌های سنتی که توسط آزمایش‌ها و معاینه‌های بیماران قلبی جمع‌آوری شده است، هزینه زیادی در برخواهد داشت. بنابراین پیچیدگی اطلاعات پزشکی و وجود ابزارهای داده‌کاوی باعث می¬شود که داده‌کاوی بر روی داده¬های پزشکی و سلامت مهم تلقی گردد. تا کنون استفاده از تکنیک‌های داده‌کاوی در زمینه‌‌‌ی پزشکی رشد روز افزونی داشته است. مطالعات موجود از ویژگی‌های جمع‌آوری شده از بیماران و الگوریتم‌های مختلف داده‌کاوی برای افزایش صحت استفاده کرده‌اند. در این پژوهش، هدف بر این است که با استفاده از الگوریتم‌های طبقه‌‌‌‌‌‌‌‌بندی در داده‌کاوی، بهبود عملکرد این الگوریتم‌ها در تشخیص بیماری‌های قلبی با صحت بالاتر نشان داده شود. نوآوری دیگر این پژوهش در انتخاب ویژگی‌های مؤثر و حذف ویژگی‌های ناکارآمد جهت ورودی به مرحله داده‌کاوی است. به این دلیل که بسیاری از ویژگی‌های مجموعه‌داده به علت وزن ناچیز، کم اهمیت تلقی می‌شوند و در صحت تشخیص بیماری قلبی تأثیر چندانی ندارند. سیزده ویژگی تأثیرگذار بر بیماری‌های قلبی که دارای وزن بیشتری هستند به عنوان زیرمجموعه‌ای از کل ویژگی‌ها در نظر گرفته شده است. مجموعه‌داده‌ی به کار رفته در روش پیشنهادی از بیمارستان رجائی تهران گرفته شده است. این ویژگی‌های مؤثر ورودی الگوریتم‌های بیز ساده و ماشین بردار پشتیبان است و معیارهای ارزیابی مختلفی برای این دو الگوریتم محاسبه شده است. نتایج نشان می‌دهد که الگوریتم ماشین بردار پشتیبان با در نظر گرفتن مقدار آستانه و درصد صحت %38/88 و حساسیت %57/87 و درصد ویژگی %78/89 عملکرد بهتری نسبت به الگوریتم بیز ساده و سایر پارامترهای الگوریتم ماشین بردار پشتیبان در تشخیص بیماری قلبی دارد لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=12536 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
23213	‭COM soft ‭23 1398	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

بهبود تشخیص جوامع در شبکه های اجتماعی با استفاده از الگوریتم جستجوی ممنوعه (1395) / هاشمی نیا ، پر یسا، نویسنده

نوع مدرک: متون چاپی سرشناسه هاشمی نیا ، پر یسا، نویسنده شماره بازیابی : ‭COM soft ‭18 1397 عنوان : بهبود تشخیص جوامع در شبکه های اجتماعی با استفاده از الگوریتم جستجوی ممنوعه ناشر: دانشگاه شهید اشرفی اصفهانی : بی نا سال نشر : 1395 صفحه شمار: ث، 69ص شابک/شاپا 22738 یادداشت پایان نامه کارشناسی ارشد : کامپیوتر گرایش نرم افزار شناسه افزوده : خیام باشی ، محمد رضا، استاد راهنما توصیفگرها شبکه اجتماعی  تشخیص جامعه  خوشه بندی  الگوریتم جستجوی ممنوعهsocial network  community detection  clustering  tabu search algorithm چکیده : تشخیص جوامع یکی از شاخه‌های یادگیری بدون نظارت میباشد و فرایند خودکاری است که در طی آن، نمونه‌ها به دسته‌هایی که اعضای آن مشابه یکدیگر می‌باشند تقسیم می‌شوند که به این دسته‌ها خوشه یا جامعه گفته میشود. بنابراین هر جامعه مجموعه‌ای از افراد و یا نمونه ها میباشد که در آن اعضا با یکدیگر مشابه بوده و با اعضای موجود در جوامع دیگر غیر مشابه می‌باشند. یک اجتماع از نظر درونی ارتباطات متراکمتر نسبت به جوامع بیرونی دارد. جوامع اطلاعات ارزشمندی در مورد نوع ارتباط کاربران، نحوه انتقال اطلاعات بین آنها و نحوه توزیع کاربران در شبکههای اجتماعی فراهم میکند و در واقع به عنوان جزء اصلی این شبکهها محسوب میشود. مشکل اصلی در شبکه های اجتماعی تشخیص افراد با سلایق یکسان و قرار دادن افراد با سلایق یکسان در یک دسته میباشد که به این عمل تشخیص جوامع گفته میشود تشخیص جوامع از ان جهت بسیار مشکل ساز میباشد که باید کاربران را بر اساس ویژگی های طوری دسته بندی کرد که هر دسته بیشترین تراکم جمعیتی را داشته باشد و افراد بر اساس ویژگی های خود از فاصله کمی نسبت به هم برخوردار باشند . بر این اساس در این پایاننامه با استفاده از الگوریتم جستجوی ممنوعه به تشخیص جامعه در شبکه اجتماعی پرداخته خواهد شد. در روش ارائه شده ابتدا ماتریس اختصاص کارابران به هر خوشه تشکیل میشود که این اختصاص بصورت تصادفی انجام میشود. سپس با استفاده از مقدار تابع برازندگی تعیین شده به خوشه بندی و تشخیص جوامع بر اساس الگوریتم جستجوی ممنوعه پرداخته شده است. بر اساس آزمایشات انجام شده با استفاده از معیار های ارزیابی خوشه بندی که شامل ماژولاریتی و NMI میباشد. نتایج الگوریتم جستجوی ممنوعه نسبت به دو الگوریتم ازدحام ذرات و ژنتیک بهینه تر میباشد. این ازمایشات بر اساس تعداد تکرارهای مختلف که مابین صد تکرار تا دو هزار تکرار انجام شد که در تمامی این آزمایشات نتایج الگوریتم جستجوی ممنوعه در تکرار اخر به عنوان بهترین جواب شناخته شد. در آزمایشات دیگر که برای سنجش پایداری الگوریتم انجام شد، الگوریتمها به صورت پنج ازمایش پشت سرهم و با تعداد تکرارهای صد تکرار و دویست تکرار و پانصد تکرار و هزار تکرار و دو هزار تکرار مورد ازمایش قرار گرفتند که نتیجه نهایی در این آزمایشات ثبت شد به صورت نمودارهای میلهای نمایش داده شده که در تمامی این آزمایشات الگوریتم جستجوی ممنوعه از نتایج بهتری نسبت به دو الگوریتم دیگر برخوردار میباشد. بر اساس این ازمایشات مقدار ماژولاریتی با هشت درصد بهبود به صورت میانگین و مقدار NMI با ده درصد بهبود بصورت میانگین نسبت به دو الگوریتم دیگر بهبود نشان داد لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=1348 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
22738	‭COM soft ‭18 1397	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

بهبود روش های خوشه بندی محتوای کاربران و تشخیص هرزنامه در شبکه اجتماعی طراحی گرافیک (1395) / یعقوبی دستگردی ، فا‌‌یزه، نویسنده

نوع مدرک: متون چاپی سرشناسه یعقوبی دستگردی ، فا‌‌یزه، نویسنده شماره بازیابی : ‭COM soft ‭16 1397 عنوان : بهبود روش های خوشه بندی محتوای کاربران و تشخیص هرزنامه در شبکه اجتماعی طراحی گرافیک ناشر: دانشگاه شهید اشرفی اصفهانی : بی نا سال نشر : 1395 صفحه شمار: ل، 63ص شابک/شاپا 22736 یادداشت پایان نامه کارشناسی ارشد : مهندسی کامپیوتر گرایش نرم افزار شناسه افزوده : خیام باشی ، محمد رضا، استاد راهنما توصیفگرها داده کاوی  تشخیص هرزنامه  شبکه اجتماعی  الگو خوشه بندی محتوای شبکه اجتماعی  تشخیص محتوای هرزData mining  Spam detection  Social network  Social network content modeling  Detect spam content چکیده : اﻣﺮوزه ﺷﺒﮑﻪﻫﺎ و اﯾﻨﺘﺮﻧﺖ ﺑﻪ ﺑﺨﺸﯽ ﺟﺪاﯾﯽﻧﺎﭘﺬﯾﺮ از زﻧﺪﮔﯽ ﺑﺸﺮ ﺗﺒﺪﯾﻞ ﺷﺪه اﺳﺖ. اﯾﻦ ﻣﻮﺿﻮع در ﮐﻨﺎر ﻣﺰاﯾﺎی ﺑﺴﯿﺎر، ﻣﯽﺗﻮاند انواع ﺗﻬﺪﯾﺪات اﻣﻨﯿﺘﯽ و ﻧﺎﻫﻨﺠﺎریﻫﺎی اﺟﺘﻤﺎﻋﯽ را ﻧﯿﺰ ﺑﻪ دﻧﺒﺎل داﺷﺘﻪ ﺑﺎﺷﺪ. رﺷﺪ روز اﻓﺰون ﺷﺒﮑﻪﻫﺎی اﺟﺘﻤﺎﻋﯽ آﻧﻼﯾﻦ ﺑﻪ دﻟﯿﻞ ﻣﺤﺒﻮﺑﯿﺖ وﮐﺎرﺑﺮی آﺳﺎن، آﻧﻬﺎ را ﺑﻪ ﻋﻨﻮان اﺻﻠﯽﺗﺮﯾﻦ ﻫﺪف ﺑﺮای ﻫﺮزﻧﺎﻣﻪﻧﻮﯾﺴﺎن ﺗﺒﺪﯾﻞ ﮐﺮده اﺳﺖ. در اﯾﻦ ﻣﯿﺎن ﺑﺴﯿﺎری از ﻣﻄﺎﻟﻌﺎت موجود از روشﻫﺎی ﯾﺎدﮔﯿﺮی ﻣﺎﺷﯿﻦ ﺑﺮای ﺷﻨﺎﺳﺎﯾﯽ ﻫﺮزﻧﺎﻣﻪﻧﻮﯾﺲﻫﺎ اﺳﺘﻔﺎده ﻧﻤﻮده اﻧﺪ. در ﺣﺎﻟﯽ ﮐﻪ ﻫﺮزﻧﺎﻣﻪ نویسان ﻫﻤﻮاره ﺑﺮای ﻓﺮار از وﯾﮋﮔﯽ های تشخیص موجود ، در حال ابداع روش های جدید هستند.در سال های اخیر محققان روش هایی را برای شناسایی هرزنامه ارائه داده اند. در این پایان نامه به الگویی از داده‌های حجیم دست یافته ، که با بکارگیری این الگو به بهترین نتیجه ارزشیابی محتواهایی همچون عنوان، متن اصلی، دیدگاه و پاسخ دیدگاه، کلمات کلیدی، هشتگ‌های درون محتوا در زمینه طراحی گرافیک دست پیدا خواهیم کرد. نتیجه ارزشیابی می‌تواند یک مقدار عددی باشد، که نسبت به این مقدار میزان احتمال هرزنامه بودن محتوای تحت بررسی را مورد سنجش قرار دهد، به عبارتی با آزمایش بر روی الگوهای مورد بررسی به تشخیص هرزنامه با دقت بالا و به درصد کمی از ضعف های غیر قابل قبول دست یابی خواهد شد. در تحقیق پیش رو محتواها و دیدگاه‌های کاربران شبکه اجتماعی dribbble مورد بررسی قرار گرفته، توسط یک فرآیند در یک بازه زمانی استخراج شده، داده‌های بی‌ارزش آن حذف شده و جهت تشخیص هرزنامه بودن دیدگاه‌های کاربران دیدگاه‌گذار مورد بررسی قرار گرفته‌اند. فرآیندهایی که در تحقیق‌های پیشین انجام شده است بر روی شبکه اجتماعی‌هایی بوده‌اند که فقط محتوا مورد بررسی قرار می‌گرفته، در این پایان نامه دقت بر روی دیدگاه کاربرانی است که برای محتوا دیدگاه وارد می‌کنند و می‌بایست محتوا اصلی همراه با دیدگاه کاربر مورد بررسی قرار بگیرند. در این پایان نامه با تمرکز بیشتر بر روی محتوا دیدگاه، اطلاعات دیدگاه‌گذار و متن محتوا توانستیم میزان دقت را میانگین،5 درصد و فراخوانی را 6 درصد بهبود ببخشیم لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=1343 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
22736	‭COM soft ‭16 1397	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

بهبود روش های مبتنی برخوشه‌بندی برای بهینه‌سازی مصرف انرژی در شبکه‌های حسگر بی سیم (1399) / آخوندی ، جواد، نویسنده

نوع مدرک: متون چاپی سرشناسه آخوندی ، جواد، نویسنده شماره بازیابی : ‭COM soft ‭26 1399 عنوان : بهبود روش های مبتنی برخوشه‌بندی برای بهینه‌سازی مصرف انرژی در شبکه‌های حسگر بی سیم عنوان موازی : Improving Cluster-Based Methods To Optimize Energy Consumption In Wireless Sensor Networks ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1399 صفحه شمار: د، 121ص یادداشت پایان نامه کارشناسی ارشد: مهندسی نرم افزار شناسه افزوده : خیام باشی ، محمد رضا، استاد راهنما یراقی ، شکوفه، استاد مشاور توصیفگرها شبكه هاي حسگر بي سيم  مصرف انرژي  پروتكل مسيريابي  خوشه بندي  بهينه سازي ازدحام ذرات  الگوريتم جستجوي گرانشي  Wireless Sensor Networks  Energy Consumption  Routing Protocol  Clustering  Particle Swarm Optimization  Gravitational Search Algorithm چکیده : امروزه، در شبکه¬های حسگر بی¬سیم، پروتکل¬های مسیریابی مبتنی بر خوشه¬بندی از طریق تقسیم گره¬های همسایه به خوشه¬های مجزا و انتخاب سرخوشه¬های محلی برای ترکیب و ارسال اطلاعات هر خوشه به ایستگاه مبنا و سعی در مصرف متوازن انرژی توسط گره¬های شبکه، بهترین کارایی را از لحاظ افزایش طول عمر و حفظ پوشش شبکه¬ای در مقایسه با سایر روش¬های مسیریابی به دست می¬آورند. یک چالش مهم در شبکه¬های حسگر بی¬سیم،کاهش مصرف انرژی و افزایش طول عمر شبکه در کل شبکه حسگر است، و کنترل توپولوژی تأثیر زیادی روی این کاهش مصرف انرژی دارد. براساس تحقیقات قبلی، یک راه حل مبتنی بر پیش پردازش خوشه¬بندی فازی و بهینه¬سازی تراکم ذرات برای انتخاب سرخوشه در کنترل توپولوژی سلسله مراتبی پیشنهاد شده است. به طور خاص، در ابتدا الگوریتم خوشه¬بندی فازی برای طبقه¬بندی اولیه¬ی گره¬های سنسور بر اساس مکان¬های جغرافیایی استفاده می-شود، که در آن یک گره سنسور به خوشه¬ای با احتمال مشخص تعلق دارد و تعداد خوشه¬های اولیه مورد تحلیل و بحث قرار می¬گیرد. علاوه بر این، تابع تطبیق با در نظر گرفتن فاکتورهای مصرف انرژی و فاصله از شبکه¬ای حسگر بی¬سیم طراحی شده است. سپس گره¬های سرخوشه در توپولوژی سلسله مراتبی براساس بهینه¬سازی تراکم ذرات بهبود یافته تعیین می¬شود. به علاوه یک تابع هزینه جدید به منظور تصمیم¬گیری در انتخاب گره¬های سرخوشه، پیشنهاد شده است که سعی در ترکیب معیارهای مختلف موثر در انتخاب بر اساس میزان اهمیت آن¬ها دارد. در نهایت با استفاده از الگوریتم جستجوی گرانشی بهترین مسیر بین سرخوشه¬ها و ایستگاه اصلی محاسبه می¬شود. کارائی برتر این پروتکل از لحاظ افزایش طول عمر مفید شبکه و کاهش مصرف انرژی در پروتکل¬های پیشین در مقایسه با روش پیشنهادی با شبیه¬سازی در نرم افزار متلب به اثبات رسیده است. درشبیه¬سازی انجام شده با 100 گره مشاهده شد که مصرف انرژی در روش¬های پیشن E-OEERP, LEACH ،K-MEANS-PSO ، به ترتیب 60،100،150 ژول می باشد که در روش پیشنهادی¬ PRPOSED-METHOD¬ به ترتیب دارای 60% و 40% و 24% بهبود نسبت روش های پیشین می¬باشد لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=12592 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
23277	‭COM soft ‭26 1399	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

بهبود روش های مصرف انرژی در شبکه های حسگر بی سیم بدنی با استفاده از الگوریتم های فراابتکاری (1403) / قوامی ، سید احمد، نویسنده

نوع مدرک: متون چاپی سرشناسه قوامی ، سید احمد، نویسنده شماره بازیابی : ‭COM soft ‭86 1403 عنوان : بهبود روش های مصرف انرژی در شبکه های حسگر بی سیم بدنی با استفاده از الگوریتم های فراابتکاری عنوان موازی : Improving Energy Consumption Methods in Wireless Body Area Networks Using Meta-heuristic Algorithms ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1403 صفحه شمار: 100ص شابک/شاپا 25886 یادداشت پایان نامه کارشناسی ارشد :رشته مهندسی کامپیوتر گرایش نرم افزار شناسه افزوده : خیام باشی ، محمد رضا، استاد راهنما توصیفگرها شبکه های حسگربی سیم بدنی، مصرف انرژی، خوشه بندی، پروتکل مسیریابی، الگوریتم های فراابتکاری.  wireless body area networks, energy consumption, clustering, routing protocol, meta-heuristic algorithms. چکیده : شبکه حسگر بی سیم بدنی نوعی از شبکه های حسگر بی سیم می باشد که به عنوان عنصری کلیدی در حوزه سلامت الکترونیکی برای نظارت بر بدن انسان شناخته می شود. این شبکه شامل مجموعه ای از حسگرهای پوشیدنی بر روی بدن و حسگرهای قابل کاشت و استفاده در داخل بدن می باشد. از کاربردهای این تکنولوژی می توان در زمینه های مختلف از جمله پزشکی، تناسب اندام و هوش مصنوعی اشاره نمود. چالش های فراوانی در این نوع از شبکه ها وجود دارد که از مهم ترین آن ها تغییر توپولوژی، توان مصرفی محدود، امنیت، قابلیت اطمینان و مقیاس پذیری می باشد. به جرأت می توان گفت که مهم ترین چالش مربوط به توان مصرفی است، چرا که در حسگرها شارژ و تعویض باتری هزینه بر و تقریبا غیرممکن است. مدیریت انرژی یکی از نگرانی های عمده در این شبکه ها می باشد. در این پژوهش طرحی ارائه می شود که حسگرها در آن بتوانند برای انتقال اطلاعات از طریق خوشه بندی به یکدیگر کمک کنند تا انرژی گره ها دیرتر رو به زوال برود و موجب افزایش پایداری شبکه شود. ضمنا از طریق ارائه یک الگوریتم، یک پروتکل مسیریابی مبتنی بر اولویت مطرح می گردد که تلاش دارد با انتخاب بهترین حسگر براساس یک تابع هزینه براساس پارامترهای مختلف برای انتقال داده ها و اولویت بندی کردن آن ها، باعث کاهش انرژی مصرفی حسگرها شود. همچنین در روش پیشنهادی در عملیات خوشه بندی بین حسگرها با استفاده از پارامتر ضریب اهمیت، اولویت اعمال شده است. در نهایت با شبیه سازی روش مطرح شده در نرم افزار متلب و مقایسه آن با الگوریتم های دیگر، این نتیجه حاصل می گردد که روش پیشنهادی در برخی از معیارهای مقایسه ارزیابی شبکه، مانند طول عمر شبکه و مصرف انرژی شبکه، عملکرد بهتری را نسبت به سایر رقبا از خود نشان می دهد لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=14722 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
25886	‭COM soft ‭86 1403	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

بهبود مدل هوشمند ارائه خدمات به مشتریان با رویکرد اجرایی شبکه محلی در بحران شیوع ویروس کرونا (1403) / جاری ، منصور، نویسنده

نوع مدرک: متون چاپی سرشناسه جاری ، منصور، نویسنده شماره بازیابی : ‭COM soft ‭82 1403 عنوان : بهبود مدل هوشمند ارائه خدمات به مشتریان با رویکرد اجرایی شبکه محلی در بحران شیوع ویروس کرونا عنوان موازی : Improving the model of providing intelligent services to customers with local executive networks in the Corona virus crisis ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1403 صفحه شمار: 100ص شابک/شاپا 25879 یادداشت پایان‌نامه کارشناسی‌ارشد در :رشته مهندسی کامپیوتر گرایش نرم‌افزار شناسه افزوده : خیام باشی ، محمد رضا، استاد راهنما توصیفگرها : مدل هوشمند، ارائه خدمات به مشتریان، رویکرد اجرای شبکه محلی، بحران شیوع ویروس کرونا  Intelligent model, service delivery, local network approach, COVID-19 pandemic چکیده : در عصر حاضر، بحران‌های جهانی؛ مانند شیوع ویروس کرونا فشار فزاینده‌ای بر روی سیستم‌های خدماتی شهری ایجاد کرده است. این بحران‌ها نیاز به راهکارهای سریع و بهینه برای مدیریت تقاضای متغیر مشتریان و کاهش زمان پاسخگویی را برجسته می‌سازد. در این زمینه، بهبود مدل‌های هوشمند ارائه خدمات به مشتریان با استفاده از رویکردهای اجرایی شبکه محلی، به‌ویژه در شرایط بحران، از اهمیت ویژه‌ای برخوردار است. این پژوهش به بررسی تأثیر استفاده از چهار الگوریتم فراابتکاری شامل الگوریتم ژنتیک، بهینه‌سازی ازدحام ذرات (PSO)، بهینه‌سازی گرگ خاکستری (GWO) و الگوریتم نهنگ (WOA) در بهینه‌سازی عملکرد دفاتر خدمات شهری پرداخته است. هدف اصلی این مطالعه، بهبود کارایی این دفاتر در مواجهه با تقاضای متغیر مشتریان و کاهش میانگین زمان پاسخگویی به درخواست‌ها با بهره‌گیری از روش‌های بهینه‌سازی فراابتکاری است. برای رسیدن به این هدف از چهار الگوریتم فراابتکاری شامل الگوریتم ژنتیک، بهینه‌سازی ازدحام ذرات (PSO)، بهینه‌سازی گرگ خاکستری (GWO) و الگوریتم نهنگ (WOA) استفاده شده است. نتایج با تعداد 200 درخواست و تعداد 20 دفتر خدماتی نشان می‌دهد که استفاده از رویکرد شبکه محلی به همراه روش‌های فراابتکاری موجب بهبود قابل‌توجه کارایی خدمات ارائه شده می‌گردد. همچنین، الگوریتم ژنتیک با توجه به موازنه مناسب بین مراحل اکتشاف و بهره‌برداری، عملکرد بهتری در کاهش میانگین زمان پاسخگویی داشته است. الگوریتم ژنتیک توانسته است در مقایسه با سه روش فراابتکاری دیگر دیگر بطور میانگین کارایی را در تعداد 200 درخواست و 20 دفتر خدماتی در حدود 9.66% افزایش دهد. این یافته‌ها به‌ویژه در شرایط بحرانی همچون شیوع ویروس کرونا، اهمیت استفاده از مدل‌های هوشمند و بهینه‌سازی‌شده برای ارائه خدمات شهری را برجسته می‌سازد لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=14715 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
25879	‭COM soft ‭82 1403	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

بهبود مقیاس پذیری اینترنت اشیا از طریق توسعه در شبکه‌های مبتنی بر نرم‌افزار (1399) / زاده حسینی ، مریم، نویسنده

نوع مدرک: متون چاپی سرشناسه زاده حسینی ، مریم، نویسنده شماره بازیابی : ‭COM soft ‭27 1399 عنوان : بهبود مقیاس پذیری اینترنت اشیا از طریق توسعه در شبکه‌های مبتنی بر نرم‌افزار عنوان موازی : Improvement of Scalability in IoT by Development in Software Defined Networking ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1399 صفحه شمار: م، 98ص یادداشت پایان نامه کارشناسی ارشد: مهندسی نرم‌افزار شناسه افزوده : خیام باشی ، محمد رضا، استاد راهنما توصیفگرها شبکه‌های مبتنی بر نرم‌افزار  اینترنت اشیا  مقیاس‌پذیری  کنترلرهای توزیع‌شده  Software Defined Networking  Internet of Things  Scalability  Distributed controllers چکیده : اینترنت اشیاء در واقع به ارتباط اشیای مختلف از طریق اینترنت و برقراری ارتباط با یکدیگر می‌پردازد، تا هدف آن یعنی فراهم‌کردن تجربه کاراتر و هوشمندتر محقق شود اما باتوجه به افزایش روز افزون اتصال و ارتباط اشیا با یکدیگر و همچنین چالش‌هایی در شبکه‌های سنتی مانند پیچیدگی، فقدان مقیاس‌پذیری و نبود هماهنگی بین نیازهای بازار و قابلیت‌های شبکه باعث شده است که طراحان شبکه گامی بلند برای پیشرفت شبکه‌ها بردارند، که راه‌حل تحقق این پیشرفت در شبکه‌ها استفاده از شبکه‌های مبتنی بر نرم‌افزار است. در شبکه‌های مبتنی بر نرم‌افزار با جداکردن صفحه‌ی کنترل از صفحه‌ی داده، قابلیت مدیریت و برنامه نویسی کردن بر روی شبکه‌ها ایجاد می‌گردد و موجب از بین‌بردن بسیاری از مشکلات شبکه‌های سنتی می‌شود. در این نوع شبکه‌ها، کنترلرها دیدی کلی از شبکه دارند، این دید به همراه قابلیت کنترل شبکه با ایجاد تغییر در کد کنترلر، در اختیار مدیر شبکه قرار می‌گیرد. از جمله مزایای شبکه‌های مبتنی بر نرم‌افزار انعطاف‌پذیری و سرعت ایجاد تغییرات، بالاتر و قابلیت کنترل آسان‌تر، می‌باشد. با وجود مزیت‌هایی که در شبکه‌های مبتنی بر نرم‌افزار وجود دارد اما چالش‌هایی نیز در آن دیده می‌شود. با وجود تک کنترلر بودن در چنین شبکه‌هایی، مشکلی چون تک نقطه‌ی شکست نمایان می‌گردد و زمانی که چند کنترلر وجود داشته باشد مدیریت آنها دشوار می‌باشد.اما ایده‌ای را که در این پژوهش به آن پرداخته شده است، درصدد حل این مشکلات است که با ایجاد کنترلرهای سلسله مراتبی و مسطح به صورت همزمان به گونه‌ای که کنترلرهای سطح یک به عنوان مدیریت باشند)کنترلرهای والد(و مسئولیت کنترلرهای سطح دوم)کنترلرهای فرزند(را دارند و با توجه به میزان بار شبکه، کنترلرهای والد می‌توانند تعداد کنترلرهای فرزند را افزایش یا کاهش دهند و به این صورت زمان پاسخ‌گویی تقلیل می‌یابد و تعداد میزبان‌های بیشتری را می‌تواند پشتیبانی نماید. بدیهی است به این صورت مقیاس‌پذیری که به معنای افزایش تعداد اشیا متصل بدون پایین آمدن کیفیت می‌باشد در اینترنت اشیا بهبود می‌یابد. در این پژوهش با نوشتن الگوریتمی برای کنترلرهای فرزند، برای کسب تکلیف یک بسته‌ی جدید، دیگر نیازی به ارسال بسته به کنترلر والد نمی‌باشد و کنترلر فرزند، برای آن بسته قانون جدید را ثبت می‌کند و به تمامی سوئیچ‌ها ارسال می‌نماید. کارایی این معماری در شبکه‌های کوچک تا بزرگ مورد ارزیابی قرار گرفت و با سناریوهای دیگری مورد مقایسه قرار گرفت که jitter این معماری تا 51 درصد بهینه شده است و ping دو میزبان در حالت‌های متفاوت سنجیده شده است. در حالتی که برای یک بسته باشد و ping بین دو میزبان نزدیک بهم باشد تا 39 درصد بهینه شده است و در حالتی که میزبان‌ها از یکدیگر دور باشند و برای ده بسته ارسال داده صورت گیرد تا 9.5 درصد بهبود یافته است لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=12593 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
23278	‭COM soft ‭27 1399	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

بهبود نقض SLA جهت افزایش بهره وری انـرژی در تخصیص منابع برای سرویس (1394) / سپهریان ، سید مهدی، نویسنده

نوع مدرک: متون چاپی سرشناسه سپهریان ، سید مهدی، نویسنده شماره بازیابی : ‭COM soft ‭3 1396 عنوان : بهبود نقض SLA جهت افزایش بهره وری انـرژی در تخصیص منابع برای سرویس ناشر: دانشگاه شهید اشرفی اصفهانی : بی نا سال نشر : 1394 صفحه شمار: 99ص شابک/شاپا 22723 یادداشت پایان نامه کارشناسی ارشد : کامپیوتر گرایش مهندسی نرم افزار شناسه افزوده : نعمت بخش ، ناصر، استاد راهنما خیام باشی ، محمد رضا، استاد مشاور توصیفگرها رایانش ابری  تخصیص منابع  بهره‌وری انرژی  سرویس‌های بلادرنگ  سرویس‌های مجازیcloud computing  resources allocation  utilizing energy  Real-time services  virtual services چکیده : رایانش ابری، مدل محاسبات جدیدی استکه سرویس‌های متنوعی را بر اساس تقاضای کاربران و به‌صورت پرداخت به ازای استفاده ارائه می‌دهد. دسترسی به سرویس‌های ابری که در قالب منابع سخت‌افزاری و نرم‌افزاری ارائه می‌شوند،به‌صورت فراگیر و یا حداقل تعامل با تأمین‌کنندگان سرویس‌ها امکان‌پذیر است. جنبه‌های مختلف کیفیت سرویس از قبیل دسترس‌پذیری و کارایی باید از سوی تأمین‌کنندگان مورد ضمانت قرار گیرند.گسترش سریع کاربردهای ابری و رقابت میان تأمین‌کنندگان برای ارائه سرویس با بهترین سطح کیفی،منجر به ایجاد مراکز داده‌ی بزرگ‌شده است. بهره‌برداری از این نوع مراکز داده به دلیل مصرف زیاد انرژی، هزینه‌های عملیاتی بسیاری در پی دارد. افزایش دما، کاهش قابلیت اطمینان سیستم، تولید گاز دی‌اکسید کربن و تأثیرات نامطلوب زیست‌محیطی از دیگر دغدغه‌هایی است که مصرف زیاد انرژی در مراکز داده‌ی ابری حاصل می‌شود.در این پژوهش، روشی برای تخصیص منابع برای سرویس‌های ابری بلادرنگ با رویکرد به حداقل رساندن مصرف انرژی هم‌زمان با کاهش توافقنامه سطح سرویس پیشنهادشده است، چندین روش برای عرضه ماشین‌های مجازی و میزبان‌ها ارائه‌شده که هدف آن‌ها کاهش مصرف انرژی و تجمیع ماشین‌های مجازی است. راهکار پیشنهادیدستیابی به یک محیط رایانش سبز استکه تحت تأثیر متغیرهایی در طی زمان، با تغییر در میزان مصرف منابع شبکه رفتار مرکز داده را تغییر می‌دهد. از منابع تأثیرگذار بر این متغیرها، پردازنده مرکزی، دیسک درایو و کارت شبکه هستند که می‌توانند در بررسی نقش داشته باشند. برای دستیابی به هدف کاهش مصرف انرژی در سرورها باید پس از یافتن الگوریتم‌های مناسب ازجمله هیوریستیک تطبیقی و توابع مکاشفه‌ای تطبیقی از لیست میزبانان، میزبانی که دچار ازدحام شده را انتخاب و یا میزبانی که دچار کم باری شده را انتخاب و به نقشه‌ی مهاجرت اضافه می‌کند و طبق سیاست‌های انتخاب ماشین مجازی، ماشین مجازی که نیازمند مهاجرت می‌باشد را انتخاب می‌کند و با فراخانی الگوریتم جستجوی سطل یا (Modified Best Fit Decreasing(MBFD، با توجه به وجود سه منبع CPU, RAM و کارت شبکه ماشین مجازی را در مکان جدید منتقل خواهد کرد و درنهایت موجب کاهش مصرف انرژی و کاهش تعداد میزبان‌های فعال و کاهش نقض SLA خواهد بود.نتایج ارزیابی هم که از این روش به‌دست‌آمده با توجه به دو سیاست تشخیص ازدحام به روش ایستا و تطبیقی مبتنی بر انحراف مطلق میانه نشان می‌دهد که در حالت ایستا بازه تعداد میزبان‌های خاموش شده بهینه در سه ترکیب میانگین زمان انتخاب ماشین مجازی، میانگین زمان انتخاب میزبان و میانگین زمان تخصیص دوباره برابر 13683، 15597، 12605 عدد بوده و در حالت تطبیقی مبتنی بر انحراف مطلق میانه برابر 15002، 17463 و 12543عدد بوده که نسبت به میانگین سیستم‌های خاموش شده رشد نسبتاً بهینه‌تری را درپی داشته است و میزان تغییرات درنقض توافقنامه بهینه سطح سرویس درروش آستانه درهر سه ترکیب برابر 4/4%، 5/1%، 85/4% ایجادشده و درروش آستانه تطبیقی در هر سه ترکیب برابر %3.3 و 4.3% و 5% میزان تغییرات درنقض توافقنامه بهینه سطح سرویس را نشان می‌دهد لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=1117 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
22723	‭COM soft ‭3 1396	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

بهینه‌سازی تخصیص منابع در لایه مه با استفاده از الگوریتم تکاملی قدرت پارتو 2 (1404) / شیخ الاسلامی ، حامد، نویسنده

نوع مدرک: متون چاپی سرشناسه شیخ الاسلامی ، حامد، نویسنده شماره بازیابی : ‭COM soft ‭88 1404 عنوان : بهینه‌سازی تخصیص منابع در لایه مه با استفاده از الگوریتم تکاملی قدرت پارتو 2 عنوان موازی : Optimizing Resource Allocation In Fog Layer Using SPEA-2 ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1404 صفحه شمار: 94ص شابک/شاپا 26075 یادداشت پایان نامه کارشناسی ارشد: رشته مهندسی کامپیوتر گرایش نرم‌افزار شناسه افزوده : خیام باشی ، محمد رضا، استاد راهنما توصیفگرها بهینه‌سازی، تخصیص منابع، لايه مه، الگوريتم تکاملی، الگور يتم تکاملی قدرت پارتو  Optimization, Resource Allocation, Fog Layer, Evolutionary Algorithm, Pareto-based the Strength Pareto Evolutionary Algorithm 2. چکیده : اینترنت اشیاء به شبکه‌ای از دستگاه‌ها و اشیا فیزیکی اطلاق می‌شود که از طریق اینترنت به یکدیگر متصل شده و قادر به جمع‌آوری، تبادل و تحلیل داده‌ها هستند. این دستگاه‌ها می‌توانند شامل هر نوع وسیله‌ای مانند سنسورها، دوربین‌ها، ابزارهای خانگی هوشمند و حتی وسایل نقلیه باشند. اینترنت اشیاء به سازمان‌ها و کاربران این امکان را می‌دهد که به‌طور خودکار و در زمان واقعی به داده‌ها دسترسی داشته و عملکردها را بهینه کنند، که این امر موجب بهبود کارایی، کاهش هزینه‌ها و ارتقاء کیفیت زندگی می‌شود . اینترنت اشیاء در بسیاری از صنایع مانند سلامت، حمل‌ونقل، خانه‌های هوشمند و کشاورزی کاربرد دارد. با توجه به رشد سریع تکنولوژی‌های مرتبط با رایانش لبه و رایانش مه، یکی از چالش‌های مهم، تخصیص بهینه منابع در این سیستم‌ها است که می‌تواند تأثیر زیادی بر کارایی شبکه، کاهش مدت زمان تأخیر و بهبود مصرف انرژی داشته باشد. در این تحقیق، از الگوریتم تکاملی قدرت پارتو 2 برای بهبود تخصیص منابع در محیط‌های محاسباتی لبه استفاده شده است. این الگوریتم به دلیل توانایی در حفظ تنوع پاسخ‌ها و تولید مجموعه‌ای از راه‌حل‌های بهینه پارتو، به‌عنوان ابزار اصلی تحقیق انتخاب شده است. هدف تحقیق بهبود عملکرد تخصیص منابع در شرایط پویا و پیچیده شبکه‌های مه بوده است. روش تحقیق به‌صورت شبیه‌سازی طراحی و در آن از داده‌های شبکه با در نظرگرفتن محدودیت‌ها و بازه‌های مقاله پایه برای ارزیابی عملکرد الگوریتم در شرایط مختلف استفاده شده است. در این تحقیق، با استفاده از شبیه‌سازی‌های متعدد، عملکرد الگوریتم تکاملی قدرت پارتو 2 در مدیریت منابع شبکه و تخصیص بهینه وظایف در گره‌های مختلف ارزیابی شده است. نتایج شبیه‌سازی‌ها نشان داده که این الگوریتم قادر است در شرایط پویا، تخصیص منابع را به‌صورت بهینه انجام دهد و به‌طور قابل‌ملاحظه‌ای زمان تأخیر و هزینه را کاهش و میزان بهره‌وری از منابع را افزایش دهد. نتایج این تحقیق نشان می‌دهند که استفاده از الگوریتم تکاملی قدرت پارتو 2 در کنار مدل‌های یادگیری ماشین می‌تواند به‌طور قابل توجهی عملکرد سیستم‌های محاسباتی لبه را بهبود بخشد. الگوریتم پیشنهادی توانسته است تخصیص بهینه منابع را در شرایط پیچیده و پویای شبکه‌های مه انجام دهد. مدل بهینه‌شده با کاهش 20٫1٪ در میانگین تأخیر (از 133٫38 به 106٫55) و کاهش 34٫3٪ در هزینه کل (از 4383٫96 به 2860٫86) عملکرد بهتری را نشان داد. همچنین، افزایش 26٫8٪ در نرخ بهره‌وری منابع (از 34٫16٪ به 43٫42٪) مؤید کارایی بالای الگوریتم‌های به‌کاررفته است لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=14911 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
26075	‭COM soft ‭88 1404	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

تحلیل و بررسی تعامل کاربر برای رتبه‌بندی صفحات جستجوی وب براساس زمان (1399) / بی ریا ، مهدی، نویسنده

نوع مدرک: متون چاپی سرشناسه بی ریا ، مهدی، نویسنده شماره بازیابی : ‭COM soft ‭32 1399 عنوان : تحلیل و بررسی تعامل کاربر برای رتبه‌بندی صفحات جستجوی وب براساس زمان عنوان موازی : A thesis submitted in partial fulfillment of the requirement for the M.Sc. degree ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1399 صفحه شمار: ن، 99ص شابک/شاپا 23533 یادداشت پایان نامه کارشناسی ارشد: مهندسی نرم افزار شناسه افزوده : خیام باشی ، محمد رضا، استاد راهنما توصیفگرها تعامل کاربر  رتبه‌بندی صفحات وب  آنالیز تعامل کاربر  صفحات جستجوی وب  زمان تعامل کاربر  User interaction  web page ranking  user interaction analysis  web search pages  user interaction time چکیده : دنیای وب منبع عظیمی از اطلاعات است که روز به روز بر حجم آن افزوده می‌شود. در حال حاضر میلیاردها صفحه که اطلاعات فراوانی از موضوعات مختلف را در بر دارند، بر روی سرورهای گوناگونی قرار دارند. این در حالی است که تولد سایت‌های جدید گسترش سایت‌های موجود نیز به طور فزاینده‌ای بر حجم این اطلاعات می‌افزاید. نرخ رشد اطلاعات تا حدی است که امروزه مشکل دسترسی به اطلاعات جدی‌تر از کمبود اطلاعات است. هرچه بر محبوبیت وب افزوده می‌گردد، نیاز به بایگانی‌کردن اطلاعات آن نیز بیشتر می‌شود. در واقع موتور جستجو به کمک کاربران شتافته و اطلاعات را بایگانی کرده و در زمان مورد نیاز و به سرعت در اختیار کاربران قرار می‌دهد. موتور جستجو ابزاری است که باعث می‌شود از به خاطر سپردن آدرس سایت‌های بسیار بی‌نیاز می‌کند. موتورهای جستجو همواره یک گزینه مطمئن دنیای امروزی است. امروزه چالش عمده اکثر کاربران دستیابی به اطلاعات است. به عبارت دیگر اگر کاربری به دنبال موضوع خاصی باشد، کدام صفحه را باید بخواند؟ از میان این تعداد عظیم صفحات موجود، کدام صفحه نیاز او را برآورده می‌کند؟ برای حل چنین چالش‌هایی مبحث رتبه‌بندی و اینکه کدام صفحات در معرض دید کاربر قرار بگیرند مورد بررسی قرار گرفته است. الگوریتم‌های متفاوتی در این زمینه ارائه شده است. هر موتور جستجو برای تشخیص بهترین پاسخ‌ها و رتبه‌بندی سایت‌ها از الگوریتمی مختص به خود استفاده می‌کند. هرچه این الگوریتم بهتر عمل کند، پاسخ‌های داده شده بهتر خواهد بود و موتور جستجو محبوب‌تر می‌شود. محبوبیت گوگل نیز ناشی از در اختیار داشتن بهترین الگوریتم در ارائه نتایج جستجو و رتبه‌بندی سایت‌ها است. در این پژوهش، الگوریتم رتبه‌بندی بر مبنای رفتار کاربر و همچنین مبتنی بر محتوا ارائه شده است که براساس کلیک بر روی صفحه سایت، مدت زمانی که کاربر در صفحه سپری می‌نماید، تعداد دانلودهای کاربر، تعداد کلیک‌های مثبت و منفی امتیازی به سایت داده می‌شود که بر اساس آن امتیاز، رتبه سایت تعیین می‌گردد و همچنین در این پژوهش به مبحث Spamming پرداخته شده است و با مقاله جیک‌ونگ 2019 مقایسه شده است و پاسخ‌گویی سریع‌تر این پژوهش نسبت به مقاله جیک ونگ قابل مشاهده می‌باشد و ریسپانس تایم این پژوهش نسبت به مقاله جیک ونگ یک هفتم بهبود یافته است که نتیجه‌ی شگفت‌آوری دارد لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=12794 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
23533	‭COM soft ‭32 1399	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

تخصیص زیر‌کانال وکنترل توان در شبکه‌های دوسطحی مبتنی بر ارتباطات دو‌طرفه درون باندی (1398) / مستاجران ، زینب، نویسنده

نوع مدرک: متون چاپی سرشناسه مستاجران ، زینب، نویسنده شماره بازیابی : ‭COM soft ‭25 1398 عنوان : تخصیص زیر‌کانال وکنترل توان در شبکه‌های دوسطحی مبتنی بر ارتباطات دو‌طرفه درون باندی عنوان موازی : Power Control and Sub-Channel Allocation Two Tier Heterogeneous Network with In-Band Full Duplex Communications ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1398 صفحه شمار: ز،74ص یادداشت پایان نامه کارشناسی ارشد: مهندسی نرم افزار شناسه افزوده : خیام باشی ، محمد رضا، استاد راهنما توصیفگرها شبکه‏های چندسطحی  فمتوسل  کنترل توان و تخصیص زیرکانال  ارتباطات دوطرفه درون باندی  OFDMA.Heterogeneous networks  Femtocell  Power control and Sub-channel Allocation  IBFD and OFDMA چکیده : در سال‌های اخیر میزان استفاده از تجهیزات هوشمند و برنامههای کاربردی با نرخ بالای ارسال داده افزایش قابل توجهی داشته است. بر همین اساس میزان داده تولید شده کاربران افزایش یافته است که منجر به افزایش حجم داده تولید شده می‌گردد. به همین دلیل برای پوشش و پاسخگویی به افزایش حجم زیاد ترافیک داده و ازدیاد تقاضا در شبکههای بیسیم نیاز است ظرفیت شبکههای بیسیم در نسل 5 افزایش یابد. در نسل 5 فناوری‌های زیادی در این راستا مطرح شده است. یکی از فناوریهای مطرح جهت افزایش بهره وری طیف فرکانسی در نسل 5 استفاده از ارتباطات دوطرفه درون باندی است. در این روش ایستگاه پایه و کاربر میتوانند به طور همزمان در باند فرکانسی یکسان، در هر دو جهت فراسو و فروسو ارتباط برقرار نمایند. با استفاده از این فناوری، میتوان به یک بهره فرکانسی تقریبا دو برابری از طیف فرکانسی در دسترس دست پیدا کرد. همچنین استفاده از شبکههای چندسطحی که شامل ماکروسل و فمتوسل هستند، یکی دیگر از راههای افزایش ظرفیت شبکه و بهبود کیفیت سرویسهای ارائه شده به کاربران در شبکههای سلولی نسل 5 است. تخصیص زیرکانال مشترک بین کاربران سطوح مختلف در شبکههای چندسطحی، باعث ایجاد تداخل بینسطحی بین کاربران میگردد. به همین دلیل مدیریت تداخل، تخصیص زیرکانال و کنترل توان ارسالی در سطوح مختلف یکی از مسائل مهم در این زمینه است. در این پایاننامه یک مسئله کنترل توان و تخصیص زیرکانال بر اساس تکنیک OFDMA، به صورت دو سطحی در حالت فروسو در سطح ماکروسل و دو حالت فراسو و فروسو با استفاده از ارتباطات تمام دوطرفه درون باندی در سطح فمتوسل ارائه میشود. هدف این مسئله بیشینه کردن مجموع نرخ داده کاربران فمتوسلها است، به نحوی که حداقل کیفیت سرویس برای همه کاربران ماکروسل و کاربران حساس به تاخیر فمتوسلها رعایت گردد. مسئله در سطح ماکروسل با هدف بیشینه نمودن مجموع آستانه تداخل بینسطحی قابل تحمل برای کاربران ماکروسل و در سطح فمتوسل با هدف بیشینه کردن مجموع نرخ داده کاربران فمتوسل است. برای حل این مسئله با توجه به چالشها و پیچیدگیهای موجود، به صورت گام به گام دو مسئله در نظر گرفته میشود. ابتدا یک مسئله به صورت چندسطحی و بدون در نظر گرفتن ارتباطات دوطرفه درون باندی و تنها در حالت فروسو در نظر گرفته میشود. مسئله دوم به صورت چندسطحی و در دو حالت فراسو و فروسو با در نظر گفتن ارتباطات دوطرفه درون باندی در سطح فمتوسل است. پس از حل هر یک از مسائل بیان شده، تاثیر بیان مسئله در سطح ماکروسل، در نظر گرفتن روش دوطرفه درون باندی بر مجموع نرخ داده کاربران فمتوسلها، با استفاده از نتایج حاصل از شبیهسازی نشان داده میشود. بر اساس نتایج حاصل شده، در نظر گرفتن روش دوطرفه درون باندی با افزایش بین 1.5 تا 2 برابری دارای بیشترین میزان تاثیر بر روی مجموع نرخ داده کاربران فمتوسل است لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=12547 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
23232	‭COM soft ‭25 1398	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

توسعه سیستم قیمت گذاری بهینه بر اساس حراج های ترکیبی در حراج آنلاین (1400) / حیدرپور دستگردی ، عباس، نویسنده

نوع مدرک: متون چاپی سرشناسه حیدرپور دستگردی ، عباس، نویسنده شماره بازیابی : ‭COM soft ‭40 1400 عنوان : توسعه سیستم قیمت گذاری بهینه بر اساس حراج های ترکیبی در حراج آنلاین عنوان موازی : Development of Optimal Pricing System Based on Combined Auctions in Online Auctions ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1400 صفحه شمار: ز،46ص شابک/شاپا 23995 یادداشت پایان نامه کارشناسی ارشد: رشته مهندسی کامپیوتر گرایش نرم افزار شناسه افزوده : خیام باشی ، محمد رضا، استاد مشاور توصیفگرها حراج آنلاین  حراج های ترکیبی  قیمت نهایی در حراج آنلاین  تجارت الکترونیک  Online Auctions  Combination Auctions  Final Prices At Online Auctions  E-commerce چکیده : پیشرفت‌های تکنولوژیکی کنونی عادات تجاری افراد را تغییر داده است و اهمیت تجارت الکترونیک در زندگی اشخاص در دهه گذشته به سرعت افزایش یافته است. این محیط جدید اقتصادی و تکنولوژیکی، داده‌های عظیم و ارزان که به راحتی قابل دسترسی و ارزشمند هستند را تولید می‌کند. یکی از موضوعات مهم در تجارت الکترونیکی پیش‌بینی قیمت است. تجارت الکترونیکی معمولا ً از طریق دو روش فروش، حراج و فروش آنی صورت می‌گیرد. اگرچه پیش‌بینی قیمت نهایی در حراج‌های آنلاین دارای سودمندی است، اما تاکنون روش‌های زیادی در این زمینه ارائه نشده است و اندک روش‌های مطرح در این زمینه از تکنیک‌های یادگیری ماشین مثل رگرسیون چندگانه برای پیش‌بینی و برآورد قیمت نهایی استفاده نموده‌اند. با توجه به اهمیت برآورد قیمت نهایی در حراج‌های آنلاین، این مطالعه بر عوامل تعیین‌کننده قیمت نهایی حراج آنلاین تمرکز دارد. در این زمینه از الگوریتم‌‌های یادگیری عمیق دارای ساختار بازگشتی با سه سلول مختلف LSTM‌، BiLSTM و GRU استفاده شده است. در این روش برای افزایش دقت پیش‌بینی قیمت نهایی در حراج‌های آنلاین از ترکیب شبکه‌های عصبی عمیق بازگشتی و روش انتخاب ویژگی تک متغیری مبتنی بر آزمون F-test استفاده شده است. تجزیه و تحلیل‌ها نتایج بر روی دو پایگاه داده حراج آنلاین ترکیبی eBay نشان می‌دهد که استفاده از یادگیری عمیق جهت پیش‌بینی قیمت نهایی در حراج‌های آنلاین می‌تواند موفق عمل نماید. نتایج در پایگاه داده اول و دوم نشان می‌دهد سه روش عمیق بازگشتی پیشنهادی در پیش‌بینی قیمت نهایی توانسته‌اند به خطای جذر میانگین مربعات بین 3 تا 6 دست یابند؛ که این نتایج حاکی از موفقیت آن‌ها در مقایسه با روش‌های یادگیری ماشین همچون رگرسیون چندگانه است لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=13193 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
23995	‭COM soft ‭40 1400	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت