با تداوم موفقیت داده های پیوندی و افزایش تعداد مجموعه داده هایی که به صورت داده های پیوندی در روی وب قرار می گیرند، نیاز و میل به پردازش پرسمان های فدرال روی این مجموعه داده ها افزایش یافته است. به خاطر توزیع شدگی داده های پیوندی روی وب روش هایی که پرسمان های فدرال را به صورت توزیع شده پردازش می کنند برای کاربران جذاب ترند و موفقیت بیشتری یافته اند. در پردازش پرسمان های فدرال به صورت توزیع شده نیازمند روش هایی هستیم که پرسمان را به صورت بهینه اجرا کنند. بیشتر روش های ارائه شده تاکنون کار بهینه سازی را بر اساس اطلاعات آماری انجام می دهند، درحالی که به خاطر خودمختاری منابع داده، پردازشگر پرسمان آمار دقیقی از خصوصیات آن ها ندارد. در مواقعی که آمار دقیق وجود ندارد امکان تخمین نادرست بسیار بالا می رود و پرسمان در زمان اجرا ممکن است به صورت غیر بهینه اجرا شود. مشکل دیگر روش های موجود این است که در فاز بهینه سازی شرایط زمان اجرای پرسمان را باثبات در نظر می گیرند، درحالی که محیط اجرای پرسمان های فدرال روی داده های پیوند یک محیط پویا و غیرقابل پیش بینی است. با توجه این دو مورد پتانسیل زیادی برای بکار گرفتن روش های پردازش پرسمان به صورت وفقی وجود دارد. این روش ها می توانند نحوه ی اجرای پرسمان را در صورت تغییر شرایط و تخمین های نادرست تغییر دهند. در این پایان نامه روشی وفقی برای پردازش پرسمان های فدرال روی داده های پیوند ارائه می شود، روش ارائه شده مبتنی بر روش مسیریابی تاپل ها است. روش ارائه شده در این پایان نامه می تواند پرسمان را به صورت بهینه بدون نیاز به هیچ گونه آمار از پیش فراهم شده اجرا کند، این روش در زمان اجرا می تواند نحوه ی اجرای پرسمان را تغییر دهد که نتایج میانی کمتری تولید شوند، همچنین در صورت بروز تأخیرات پیش بینی نشده در شبکه می تواند نحوه ی اجرای پرسمان را با شرایط جدید تطبیق دهد. ارزیابی ها با پرسمان ها واقعی روی مجموعه داده های پیوندی واقعی نتایج خوبی را به خصوص برای پرسمان های پیچیده نشان می دهند.

ژنوم انسان ها در مکان های مشخصی با یک دیگر تفاوت دارند. چندریختی تک نوکلئوتیدی یا به اختصار اسنیپ، متداول ترین نوع این تفاوت هاست. اسنیپ ها نقش مهمی در کاربردهای وسیعی مانند تشخیص پزشکی و طراحی دارو ایفا می کنند و علاوه بر آن امکان ردیابی ژن های بیماری را فراهم می آورند. در موجودات دیپلوئیدی مانند انسان، دو کپی از هر کروموزوم وجود دارد (یکی از مادر و دیگری از پدر به ارث می رسد)؛ توالی اسنیپ ها روی هرکدام از دو کپی، هاپلوتیپ نامیده می شود. تکنولوژی های توالی یابی فعلی فقط می توانند قطعه هایی از ژنوم را به طول چند هزار جفت باز در اختیار قرار دهند اما نمی توانند مشخص کنند هر قطعه به کدام کپی تعلق دارد. بنابراین از روش های محاسباتی برای بدست آوردن هاپلوتیپ ها، از روی این قطعه ها استفاده می شود. تکنولوژی های توالی یابی مقدار کیفیت q را به عنوان نگاشت صحیحی از احتمال اشتباه بودن باز در اختیار قرار می دهند. بهترین روش ارائه شده مبنی بر فرموله سازی مسأله با استفاده از max-sat می باشد. در این پایان نامه، روش جدیدی ارائه شده که در آن از max-sat وزن دار و هم چنین مدل wmlf به جای max-sat و مدل mec به منظور به کار بردن مقادیر کیفیت برای دستیابی به دقت بالاتر استفاده شده است. مدل های مختلفی برای مسأله ی بازسازی هاپلوتیپ های یک فرد وجود دارد. در این پایان نامه نشان داده شده که یک مدل مبتنی بر محتمل ترین، پس از اعمال تقریب های عمدتاً معقولی به مدل mec تبدیل می شود که این امر نشان دهنده ی منطقی بودن این مدل علیرغم برخی از انتقادات در ادبیات مربوطه است. معیار ارزیابی جدیدی نیز به نام نرخ بازسازی وزن دار معرفی کرده ایم و به منظور ارزیابی روش پیشنهادی، آن را با دو روش دیگر براساس معیارهای پیشنهادی و mec مقایسه کرده ایم. نتایج این مقایسه روی داده ی واقعی متعلق به na12878 بهبود جزئی را نشان می دهد. لازم به ذکر است که دقت الگوریتم ها بالای 90% می باشد.

سیستم‏های اطلاعات جغرافیایی تغییرات عظیمی در زندگی بشر ایجاد کرده اند. تصمیم‏گیری‏های بسیار مهم در زمینه‏های سیاسی، اجتماعی، اقتصادی و بسیاری از جنبه‏های دیگر زندگی مدرن انسان امروزی با استفاده از سیستم‏های اطلاعات مکانی انجام می‏شود. این سیستم‏ها به عنوان اصلی‏ترین رکن خود به داده‏های مکانی متکی هستند. امروزه تمامی انسان‏ها اثرات این‏گونه ازتصمیم‏گیری‏هایی راکه براساس داده‏های مکانی انجام می‏شوند، در زندگی روزمره خود احساس می‏کنند. لذا هر مجموعه‏ای از داده‏های مکانی برای استفاده در چنین کاربردهایی مناسب نمی‏باشد. بی‏دقتی، ناقص بودن و انواع دیگر مشکلات مربوط به کیفیت داده‏ها در مورد داده‏های مکانی نیز وجود دارد. استفاده از داده‏های مکانی بدون آگاهی از کیفیت آنها می‏تواند عواقب وخیمی داشته باشد.کیفیت داده‏های مکانی به معنای میزان نزدیکی بین واقعیت و مدل ارائه شده از واقعیت توسط داده‏هاست. از ابتدای پیدایش دانش اطلاعات جغرافیایی، روش‏های گوناگونی برای بررسی و ارزیابی‏کیفیت داده‏های مکانی ارائه شده است و یکی از نکاتی که همواره در این زمینه مد نظر محققان قرار داشته است، کارایی این روش‏هاست. در این پایان نامه روشی برای تخمین زدن کیفیت داده‏های مکانی ارائه شده است که می‏تواند کارایی مطلوبی داشته باشد. در این روش از نمونه‏برداری از داده‏ها و بررسی کیفیت نمونه ها برای ارزیابی‏کیفیت کل مجموعه داده‏ها استفاده می‏شود. همچنین از این طریق می‏توان حجم بالای داده‏های جغرافیایی را، که یکی از موانع موجود در مسیر استفاده روز افزون از سیستم های اطلاعات جغرافیایی می‏باشد کاهش داد. کلمات کلیدی:1- یکپارچه‎سازی داده‏ها 2- معیارهای کیفیت داده‏ها 3- داده‏های مکانی

اطلاعات مکانی یکی از مهمترین و حساس ترین عوامل تصمیم گیری و بخصوص تصمیم گیری های اجتماعی، اقتصادی و سیاسی در زندگی امروزه می باشند. به همین دلیل بسیاری از نیازها، اهداف و فعالیتهای سازمانهای مختلف به استفاده از دانش به دست آمده از داده های مکانی وابسته اند. این موضوع به خصوص برای برنامه ریزی-های کلان حائز اهمیت است. در این زمینه کارهای انجام شده عموماً بدون توجه به دانش عمیق به دست آمده از پایگاه های داده جغرافیایی وصرفاً مبتنی بر روش های آماری بوده اند. از این رو، دسته بندی داده های مکانی نواحی شهری می تواند مبنایی جامع برای استفاده از سرزمین را ارائه نماید و در نهایت این تصمیم گیری را متکی به دانش عمیق استخراج شده از پایگاه داده های مکانی گرداند. با توجه به حجم بالای داده جمع آوری شده در پایگاه داده های مکانی، استخراج قوانین انجمنی و ارائه دانش در سطح بالا از آن ها اهمیت می یابد. بطور خاص و در حوزه اطلاعات نقشه ای و مکانی، الگوریتم های زیادی برای داده کاوی مکانی تاکنون پیشنهاد شده است. با این وجود الگوریتم های معدودی وجود دارند که بتوانند داده های جغرافیایی و غیرجغرافیایی را همزمان با محاسبه روابط توپولوژیکی پردازش کنند؛ در صورتی که بسیاری از مسائل تصمیم گیری مانند مسائل توسعه نواحی شهری به این نوع درک و استنتاج از روابط توپولوژیکی نیاز دارند؛ برای این منظور در این پایان نامه یک راهکار مبتنی بر برنامه ریزی ژنتیک ارائه می گردد که بر پایه ی مدل های آماری و بازنمایی دانش قرار دارد. به منظور استفاده از moses در استخراج قوانین از داده های جغرافیایی با درک روابط توپولوژیکی فازی، یک معماری ترکیبی به نام ggeo با بهره گیری از حساب اتصال ناحیه فازی پیشنهاد و پیاده سازی شده است. برای غلبه بر مشکل زمان بر بودن محاسبه چندباره ی روابط توپولوژیکی، این روش بر پیش پردازش داده ها استوار است. ggeo با تحلیل و یادگیری از داده های جغرافیایی و عادی در کنار یکدیگر و با پردازش کردن اطلاعات توپولوژیکی-فاصله ای یک سری رابطه ریاضی-مکانی را به عنوان قوانین دسته بندی ارائه می کند. این روش نسبت به داده های نویز دار مقاوم است. همچنین تمامی مراحل آن به منظور افزایش سرعت به صورت موازی اجرا می شود. نتیجه این روش علاوه بر استفاده در انواع دسته بندی داده های مکانی، می تواند راهکار مناسبی برای تحلیل داده ها و سیاست گذاری های اقتصادی در اختیار مدیران قرار دهد. برای نشان دادن کاربرد دانش اکتشافی به دست آمده در مسائل تصمیم گیری، کاربرد آن در حل یک مسأله ی برنامه ریزی ساخت بزرگراه با بودجه محدود در حوزه توسعه نواحی شهری بررسی و پیاده سازی شده است.

ا پیشرفت تکنولوژی و خصوصا گوشی های هوشمند دارای سنسور های مکانی، سرویس های مکانی روز به روز با استقبال بیشتری مواجه می شوند. خصوصیت اصلی این سرویس ها استفاده از اطلاعات مکانی افراد برای دادن اطلاعات متناسب با موقعیت مکانی شخص می باشد. همانطور که این سرویس ها به واسطه ارتباط تنگاتنگ با دنیای واقعی برای کاربران دارای جذابیت هستند، عدم وجود امنیت کافی در این سرویس ها می تواند مخاطرات بسیاری برای کاربران ایجاد کند. به همین دلیل حفظ ایمنی و حریم خصوصی در این سرویس ها یک نکته بسیار مهم است. در جهت حفظ اطلاعات مکانی کاربران راهکارهای بسیاری پیشنهاد شده است که مهمترین نکته در همه آن ها ارسال اطلاعات به طریق و در حدی است که تنها برای مقصد مورد نظر و در حد مورد نظر اطلاعات کاربر فاش شود و به جز آن منظور غیر قابل استفاده باشد، از جمله این راهکارها می توان به پوشش زمانی و مکانی، استفاده از نویز و سرویس قابل اعتماد گمنام ساز اشاره کرد که البته حفظ امنیت و حریم خصوصی کاربران توسط این روش ها مهم هنوز به طور ایده ال عملی نشده است. در این پایان نامه ضمن بررسی روش های موجود، با ارائه روشی نوین بر مبنای ترکیب خوشه بندی فازی و تئوری بیز سعی در افزایش دقت الگوریتم خوشه بندی شده است و به این ترتیب این الگوریتم توانایی تفکیک داده های نویزی و یا داده هایی که با دقت پایین خوشه بندی شده اند را فراهم می کند و امکان تعیین دقیق تر اطلاعات مکانی افراد را حتی در صورت وجود داده های نویزی فراهم می کند به شناسایی نقاط پرکاربرد کاربر پرداخته شده که از طریق آن می توان به شناسایی کاربر از روی الگوی حرکتی وی و نقاط مورد بازدید وی پرداخت و به این وسیله نقطه ضعف روش سرور قابل اعتماد که شناخته شده ترین روش در این زمینه است بیشتر نشان داده می شود و سپس روشی بر مبنای تفکیک درخواست ها از کاربران ارائه شده است و به جای شناسه کاربر از تیکت برای هر درخواست استفاده می شود این روش که بر مبنای استفاده از اصول رمزنگاری و استفاده از جدول درهم سازی توزیع شده است امکان توزیع غیر منظم درخواست ها را فراهم می کند و به این ترتیب با تفکیک ارتباط درخواست های متوالی مهاجم نمی تواند با وابسته کردن دنباله درخواست ها به کاربر خاص، به شناسایی کاربر و یا تحلیل عادات رفتاری وی بپردازد. دو روش پیشنهاد شده بر روی چند مجموعه داده مرتبط در این زمینه از جمله پایگاه داده اطلاعات مکانی msr نیز تست شده است و نتایج نشان دهنده بهبود قابل توجه نتایج توسط هر دو روش پیشنهادی می باشد.

امروزه داده های مکانی در کاربردهای تصمیم گیری از اهمیت بالایی برخوردارند به طوری که هر روز شاهد گسترش استفاده از این نوع داده ها در تحلیل ها و تصمیم گیری ها هستیم. این داده ها شامل موقعیت و خصوصیات اشیاء مکانی شامل نقطه، خط و ناحیه می-باشند. روابط مکانی شکل مهمی از چگونگی درک انسان از شکل بندی مکانی را تشکیل می دهند. در این زمینه، روابط بین اشیاء مکانی مخصوصاً روابط توپولوژیکی یعنی روابط بین ناحیه ها اهمیت ویژه ای دارند. اما در جهان واقعی نواحی مکانی مانند دریاچه یا جنگل مرزهای دقیقی ندارند و به صورت فازی هستند. پس بهتر است روابط میان آن ها نیز به صورت فازی تعریف شود. روابط توپولوژیک فازی در زمینه های زیادی از جمله الگوریتم های ردیابی مسیر بر مبنای رابطه های فازی، تشخیص پزشکی از پرونده بیمار، استخراج روابط توپولوژیک از وب، تفسیر تصویر، کنترل و جهت یابی ربات، بخش بندی mri مغز، خاک شناسی و زمینه های متعدد دیگر کاربرد دارند. تاکنون تحقیقات متعددی در زمینه مدل سازی روابط توپولوژیکی مکانی فازی صورت گرفته و پیشرفت هایی حاصل شده و روش هایی نیز برای مدل کردن نواحی مکانی فازی و روابط فازی میان آن ها ارائه گردیده است. اما بخش عمده ای از داده های تصمیم گیری مکانی در پایگا ه داده های مکانی ذخیره می شوند که هنوز در آنها برای مسائل پردازش داده های مکانی به استفاده از روابط مکانی فازی توجه کافی نشده است و پردازش های فعلی اکثراً مبتنی بر روابط غیرفازی می باشند. لذا غنی سازی روابط rcc در پایگاه داده-های مکانی بر اساس منطق فازی به بهبود روشهای پردازش داده ها و تصمیم گیری مبتنی بر آنها و همچنین بهبود رابط کاربری در مقایسه با سیستم های امروز کمک می کند. در این پایان نامه روشی ارائه شده است تا برای اولین بار امکان بکارگیری روابط rcc فازی در محیط پایگاه داده های مکانی فراهم شود و زمینه ای برای کاربردهای مهم مبتنی برکار با داده های مکانی ایجاد گردد. به عنوان یک کاربرد مهم، روابط مذکور در بررسی ارتباط مکانی بیماری ها در این پایان نامه ارزیابی می شوند. علاوه بر آن روشی مبتنی بر روابط rcc فازی برای فازی کردن گروه مهمی از پرس وجوهای مکانی تحت عنوان اپراتور اسکای لاین در پایگاه داده های مکانی ارائه گردیده که می تواند در کاربردهای پشتیبانی تصمیم، تجسم داده ها و پایگاه داده های مکانی استفاده شود. الگوریتم های پیشنهادی بر روی مجموعه داده های مکانی اجرا شده و مورد ارزیابی قرار گرفته اند. نتایج حاصل از ارزیابی این الگوریتم ها نشان می دهد که در مقایسه با روش های موجود انعطاف پذیری بیشتری داشته و از سرعت اجرا و کیفیت نتایج مناسبی برخوردار می باشند.