امروزه رشد و تغییر نمایی در حجم اطلاعات وب موجب عدم دسترسی سریع و آسان کاربران به اطلاعات مورد نیازشان شده است. اگرچه بکارگیری ابزارهایی مثل موتورهای جستجو می تواند به کاربران در یافتن اطلاعات مورد نیازشان کمک نماید و باعث تسریع و تسهیل دسترسی به اطلاعات وب شود، اما حجم اطلاعاتی که موتورهای جستجو به کاربر تحویل می دهند، معمولا بسیار بیشتر از آن است که قابل پردازش سریع توسط کاربر باشند. علاوه بر این اغلب موتورهای جستجو از محتوای صفحات و ساختار پیوند بین آنها برای تعیین میزان ارتباط صفحات با پرس وجوی کاربر استفاده می کنند. در واقع موتورهای جستجو علایق و دانش پیش زمینه کاربر را در جستجو مورد توجه قرار نمی دهند و نتایج مشابهی را برای کاربران با علایق متفاوت و پرس وجوی یکسان بازیابی می نمایند. بنابراین با توجه به اهمیت دسترسی سریع به اطلاعات مناسب برای کاربران در تعامل با وب، شخصی سازی کردن وب به یک پدیده محبوب به منظور سفارشی کردن محیط های وب تبدیل شده است. در این میان شخصی سازی نتایج حاصل از موتورهای جستجوی وب از اهمیت خاصی برخوردار می باشد. فرآیند شخصی سازی می تواند بعنوان یک کاربرد داده کاوی در نظر گرفته شود که شامل همه فازهای یک چرخه داده کاوی رایج از قبیل جمع آوری داده، پیش پردازش، کشف الگو و توسعه دانش بعنوان واسطه بین کاربر و وب می باشد. هدف اصلی در یک سیستم شخصی سازی، فراهم نمودن اطلاعات مورد نیاز کاربران برطبق علایق آنها و بدون دخالت صریح کاربران می باشد. این در حالی است که بررسی های انجام شده نشان می دهد که در رویکردهای استفاده شده تاکنون، سیستمی که بتواند فرآیند شخصی سازی را بصورت اتوماتیک و مستقل از کاربر و یا شخص خبره انجام دهد، به چشم نمی خورد. علاوه بر این در سیستم های شخصی سازی که بصورت جمعی عمل می نمایند، قابلیت سازگاری و بروز رسانی با تغییر در کاربران و علایق آنها وجود ندارد. وجود چنین خلاهایی ما را بر آن داشت تا به دنبال ارائه روش های شخصی سازی باشیم که علاوه بر اتوماتیک بودن و قابلیت سازگاری با تغییر در کاربران و علایق آنها، از روش های هوشمند مبتنی بر یادگیری ماشین مانند تکنیک های فازی، الگوریتم های داده کاوی و غیره در راستای بهبود نتایج بدست آمده و افزایش کارایی سیستم استفاده نماید. در راستای این اهداف سه روش برای شخصی سازی نتایج موتورهای جستجو ارائه می شود. در هر سه روش از شبکه های مفهومی فازی برای نمایش علایق کاربر استفاده می گردد که ابزاری مناسب برای نمایش و پردازش اطلاعات و مفاهیم غبردقیق و فازی مربوط به کاربران می باشد.

نیاز به برقراری ارتباط ایمن، بشر را به سمت رمز نگاری محتوی ارتباط سوق داد. اما این نیاز با پیشرفت روز افزون تکنولوژی، وجود ارتباط مخفی را طلب می نمود. روشهای نهان نگاری برای برآورده شدن این هدف جای رمز نگاری را گرفتند. با ادامه پیشرفت ها و گسترش روشهای نهان نگاری، روشهای تحلیل این الگوریتم ها مورد توجه قرار گرفتند. امروزه مقاوم نمودن روشهای نهان نگاری در برابر این روشهای تحلیل الگوریتم که هدف آنها در ابتدا کشف وجود پیام مخفی در ارتباط پنهانی است، اهمیت ویژه ای یافته است. در راستای تحقق این هدف، در این پایان نامه دو روش مقاوم در مقابل تحلیل های مهم نهان نگاری تصاویر دیجیتال ارائه شده است که علاوه بر ویژگی مقاومت، از شفافیت بالایی نیز نسبت به روشهای مشابه برخوردار هستند. در روش پیشنهادی اول بهترین تفاضل در هر بلوک دو در دو پیکسلی در تصویر پیدا شده و بیشترین جاسازی در این قسمت انجام می شود. در حین جاسازی، هیستوگرام تصویر حامل پیام اصلاح شده تا به هیستوگرام تصویر اولیه نزدیک شود. این ویژگی یکی از عوامل بالا بودن مقاومت تصویر است. در روش پیشنهادی دوم که نهان نگاری را در حوزه ی تبدیل انجام می دهد، بیت های پیام در ضرایب بزرگ باند های فرکانس بالای تبدیل موجک صحیح جاسازی می شوند. پس از جاسازی و بازگشتن به حوزه ی مکان، از یکی از ویژگی های تبدیل موجک استفاده شده و تصحیح هیستوگرام در بلوک های دو در دو تصویر انجام می شود. این روش علاوه بر داشتن شفافیت بالا، مقاومت خوبی را نیز داراست. نتایج به دست آمده با دیگر روشهای مشابه مقایسه گردیده است و نشان می دهد که روشهای ارائه شده در مقابل حملات مربع کای و rs مقاوم هستند و شفافیت دید مناسبی دارند. اگر چه ممکن است ظرفیت جاسازی بسیار بالایی نداشته باشند. به دلیل مقاومت بالای روشهای ارائه شده، می توان کاربرد های امنیتی مثل مخابرات مخفی و یا سیستم های نظامی و جاسوسی را برای این روشها متصور بود.

با پیشرفت سریع تکنولوژی در شاخه ی کامپیوتر و اینترنت امکان تغییر غیر مجاز داده ها از جمله کپی، توزیع و جعل با سرعت چشمگیری افزایش یافته است. لذا حفاظت از داده، یک نیاز حیاتی است که روش های مختلفی برای آن ارائه گردیده است. یکی از این روش ها نشانه گذاری می باشد. نشانه گذاری به فرآیند تعبیه ی نشانه( در تحقیق مزبور نشانه ی خاکستری) در داخل تصویر میزبان برای کاربردهایی چون اثبات مالکیت، شناسایی صاحب اثر، کنترل کپی و بایگانی اطلاعات اطلاق می شود. در این پایان نامه، چهار الگوریتم برای نشانه گذاری پایدار تصاویر رقمی در حوزه تبدیل موجک گسسته با استفاده از تبدیل مقدار تکین ارائه شده است. در الگوریتم اول که یک روش نیمه کور می باشد، یکی از زیرباندهای فرکانسی مرحله ی آخر تجزیه به عنوان تصویر مرجع انتخاب شده و دوباره روی آن و تصویر نشانه ی خاکستری یک مرحله تبدیل موجک گسسته اعمال می گردد. در ادامه، مقادیرتکین زیرباندهای فرکانسی تصویر نشانه در مقادیر تکین زیرباندهای فرکانسی متناظر تصویر مرجع جایگذاری می گردد. در الگوریتم دوم، ضعف اصلی الگوریتم اول) نیاز به تصویر مرجع برای بازیابی مقادیر تکین تعبیه شده( مرتفع شده است. لذا این روش یک روش کور می باشد. در این روش، زیرباندهای فرکانسی تصویر میزبان به بلوک های 2×2 تقسیم شده و بیت های مقادیر تکین به ترتیب در داخل بلوک های زیرباندهای فرکانسی جایگذاری می گردد. الگوریتم سوم، نسخه ی توسعه یافته ای از الگوریتم دوم می باشد و از این واقعیت که پایداری سیستم نشانه گذاری با تعبیه مقادیر تکین تصویر نشانه در داخل مقادیر تکین زیرباندهای فرکانسی به میزان قابل توجهی افزایش می یابد، استفاده می کند. البته جایگذاری به صورت افزونه، شفافیت سیستم نشانه گذاری را به شدت پایین می آورد. بنابراین، در این روش مقادیر تکین تصویر نشانه، یک بار در بیت های انتخاب شده ای از مقادیر تکین زیرباندهای فرکانسی مختلف قرار می گیرد. الگوریتم چهارم با استفاده از درخت تجزیه ی مقادیر تکین که برای اولین بار در این پایان نامه تعریف شده است به درج مقادیر تکین تصویر نشانه در مقادیر تکین درخت تجزیه می پردازد. برای بررسی کیفیت و کارایی روش های ارائه شده، شفافیت و پایداری روش های پیشنهادی توسط معیارهای مختلفی مورد بررسی قرار گرفت. تصاویر نشانه گذاری شده توسط این الگوریتم ها هیچ گونه تغییر یا خرابی قابل تشخیص توسط سیستم بینایی انسان را بروز نمی دهند. برای تست پایداری، هجوم های مختلفی بر روی تصاویر نشانه گذاری امتحان گردید. روش های ارائه شده توانایی پایداری در برابر اکثر این هجوم ها را دارند. الگوریتم های ارائه شده می توانند کاندیداهای خوبی برای شناسایی و اثبات مالکیت در محیط هایی که در آن رسانه ی نشانه گذاری شده با هجوم های مختلف هندسی و غیر هندسی روبرو می شود، باشند.

چکیده معاملات در بازارهای مالی و به خصوص بازار فارکس نقشی بسیار مهم و حیاتی را در فعالیت بانکها و شرکتهای تجاری بزرگ بازی می کند، از این رو توانایی انجام معاملات سودآور در این بازارها به مسئله ای پر اهمیت تبدیل شده است. یکی از روشهای مورد استفاده برای معامله در تمامی بازارها، معامله با استفاده از موقعیت اجرام آسمانی نسبت به هم یا به عبارت دیگر استرولوژی مالی می باشد که از سالیان بسیار دور مورد استفاده بوده و اخیرا و به طور خاص در یک قرن اخیر با توجه به پیشرفتهای علوم محاسباتی بسیار مورد توجه قرار گرفته است. در حال حاضر اکثریت قریب به اتفاق تحلیل های مالی بر بعد قیمت صورت می گیرد در حالی که در تحلیلهای استرولوژی مالی تحلیل بر روی هر دو بعد زمان و قیمت انجام شده و در تحلیل بیان می .....

الگوریتم های نشانه گذاری زیادی در سال های اخیر برای استفاده در نشانه گذاری تصاویر رقمی ارائه شده اند، اما چون این الگوریتم ها قادر به ارضاء کامل معیارها و نیازمندی های متناقض یک سیستم نشانه گذاری بویژه شفافیت و مقاومت نبوده، لذا در عمل به یک مصالحه یا توازن مابین معیارهای مورد نیاز اکتفا می نمایند. هدف ما در این پایان نامه ارتقاء میزان معیارهای مذکور در توازن ایجاد شده بوسیله روش های نشانه گذاری می باشد. ایده اصلی برای این منظور ارائه الگوریتم هایی است که در آن بتوان به جای ذخیره سازی مستقیم نشانه، مفهوم و یا نوعی رمزگذاری دارای خاصیت تکرار از آن را ذخیره نماییم. در بخش دیگری از پایان نامه با مروری بر سیستم های نشانه گذاری تصاویر رقمی که از تبدیل تجزیه مقادیر منفرد استفاده کرده اند، به دنبال تشریح و اثبات ایرادی هستیم که در این دسته از سیستم های نشانه گذاری با ذخیره سازی ناقص اطلاعات نشانه، وجود دارد. سعی می شود با آوردن مثال هایی ثابت شود که ادعاهای این دسته از الگوریتم ها مبنی بر کور و یا نیمه کور بودن و ظرفیت جاسازی بالای روش پیشنهادی شان کاملا نادرست بوده و در صورت استفاده ی این دسته از سیستم های نشانه گذاری در اثبات مالکیت تصاویر رقمی ، نتیجه بدست آمده می تواند منجر به اثبات مالکیت نادرست شود. در ادامه یک الگوریتم نشانه گذاری کور که از تبدیل تجزیه مقادیر منفرد استفاده می کند ارائه شده و از جنبه های مختلف با الگوریتم هایی که مشکل مورد نظر را دارند، مقایسه می شوند.

با توجه به گسترش اینترنت و افزایش چشمگیر حجم مطالب متنی، ابزارها و روش های خودکار برای مدیریت اسناد و مطالب متنی، مورد توجه بسیار زیادی قرار گرفته اند. از جمله ی این ابزارها می توان به طبقه بند متن اشاره کرد که می تواند در این زمینه بسیار موثر باشد. این ابزار کاربردهای فراوانی در سیستم های بررسی متون مانند موتورهای جستجو، سیستم های فیلترینگ، تشخیص هرزنامه ها، کتابخانه های دیجیتال و سایر سیستم های مشابه دارد. از آن جایی که صحت طبقه بندی متن یکی از مهمترین شاخص های موفقیت این سیستم ها به شمار می آید، از اهداف اساسی این پایان نامه افزایش میزان صحت طبقه بندی متون می باشد. با توجه به میزان کارهای انجام شده قبلی، افزایش کارایی طبقه بندهای منفرد مشکل می باشد، لذا رهیافت ما برای رسیدن به این هدف استفاده و بهبود روش های ترکیب طبقه بندها است. در این پایان نامه برای بهبود صحت طبقه بندی متن، و بر مبنای روش ترکیب رأی گیری وزن دار، دو رهیافت جدید برای وزن دهی طبقه ها و طبقه بندها پیشنهاد شده است. رهیافت اول مبتنی بر در نظر گرفتن وزن مستقل برای هر طبقه و هر طبقه بند است. رهیافت دوم تعمیم رهیافت اول است. بدین شکل که برای جواب مثبت یا منفی هر طبقه بند در مورد هر طبقه وزن مستقلی در نظر گرفته می شود. برای محاسبه ی اوزان در هر دو رهیافت، علاوه بر الگوریتم ژنتیک، معادله تجربی خاصی هم پیشنهاد گردیده است که در زمان بسیار کمتری نسبت به الگوریتم ژنتیک اجرا می گردد. نتایج طبقه بندی بر مبنای محاسبه اوزان با استفاده از معادله ی پیشنهادی، کاملاَ با نتایج استفاده از الگوریتم ژنتیک قابل مقایسه و حتی گاهی بهتر هم می باشد. آزمایش ها با استفاده از طبقه بندهای رُکیو، نزدیک ترین همسایه و بیز، و سه روش انتخاب ویژگی شامل اطلاعات متقابل، خی2 و mcfs انجام شده است. نتایج تجربی حاصل از اعمال الگوریتم های ترکیب پیشنهادی بر روی مجموعه داده های آموزشی رایج و مقایسه با نتایج حاصل از سایر روش های ترکیب طبقه بندها، مانند رأی گیری وزن دار، عملگر میانگین وزن دار رتبه یافته و روش قالب تصمیم، نشان می دهد که رهیافت های پیشنهادی دقت طبقه بندی را بنحو چشمگیری افزایش داده اند. این نتایج از آزمایش بر روی چهار مجموعه داده های آموزشی متفاوت و رایج بدست آمده است.

اینترنت به عنوان ابزاری در دسترس همگان، حجم فراوانی از داده ها را به عنوان فرصتی مناسب پیش روی کاربران خود قرار داده است. به طوری که امروزه با توجه به حجم روزافزون داده و اطلاعات، نیاز به سیستم هایی که توانایی هدایت کاربران به سمت کالا و سرویس مورد نظر را داشته باشند بیش از پیش احساس می شود. سیستم های توصیه گر از طریق تحلیل این داده ها به کاربران، کالا یا خدماتی را توصیه (پیش بینی) می کنند. این داده ها می تواند شامل رفتار مشتریان در خرید های قبلی، علایق و سلایق و حتی موقعیت جغرافیایی، اولویتها و تعداد مراجعات او در هر بار ورود به فروشگاه مجازی، سن، شغل و مواردی از این قبیل می باشد. نمونه ای از سیستم های توصیه گر در دنیای واقعی، سایت آمازون می باشد، که به هر کاربری با توجه به سابقه ای که دارد به او کالا یا خدماتی را پیشنهاد می دهد. سیستم های توصیه گر به دو دسته کلی سیستم های توصیه گر مبتنی بر محتوا و سیستم های توصیه گر پالایش گروهی تقسیم می گردند. سیستم های پالایش گروهی به دلیل اینکه فقط به رتبه کاربران به آیتم هایی که قبلا خریده اند، نیاز دارند و به هیچ گونه اطلاعات اضافه ی دیگری مثل مشخصات کاربران یا اطلاعات کالا احتیاجی ندارند، بسیار مورد توجه سرمایه گذاران تجاری می باشد. سیستم های توصیه گر پالایش گروهی دارای روش های متعددی است، که یکی از معروفترین و پر کاربردترین آن روش های فاکتورسازی ماتریس است. به صورت کلی خروجی نهایی فاکتورسازی ماتریس در سیستم های توصیه گر، ماتریس تقریبی کامل شده ای می باشد که سطرهای آن کاربران و ستون های آن آیتم ها می باشند. درایه های این ماتریس بیانگر رتبه ای است که کاربری به آیتمی خاص داده است. واضح است که این ماتریس در ابتدا بسیار خالی می باشد. در این پایان نامه سیستم های توصیه گر مبتنی بر پالایش گروهی مورد توجه قرار گرفته اند. اولین کار جدیدی که انجام شده است وارد کردن مباحث تکاملی در فاکتورسازی ماتریس می باشد. که در اینجا فقط الگوریتم ژنتیک مورد بررسی و تحلیل قرار گرفته است. ماتریس رتبه بسیار خالی می باشد، راه کاری برای این کار استفاده از روش های پیش پردازش می باشد، که اخیرا معرفی شده است. در فاکتورسازی ماتریس، کامل سازی ماتریس و فرایند یادگیری زمانبر می باشد و نمی تواند به صورت آنلاین انجام شود. حال اگر کاربری رتبه جدیدی به آیتمی دهد، همه محاسبات باید از اول صورت گیرد. برای حل این مشکل نیز اخیرا راه کار افزایشی معرفی شده است. در این پایان نامه تلاش شده است که این دو مشکل با هم به صورت همزمان حل شوند.

در این رساله یک روش جدید برای تشخیص هویت افراد بکمک تصاویر چشم آن ها و استخراج تصویر عنبیه ارائه می شود. برای انجام این کار در ابتدا توسط یک الگوریتم کاملا مطمئن و تبدیل هاف دایروی مرز دایروی مردمک استخراج می شود. پس از این دو روش مختلف مورد استفاده و با هم مقایسه می شوند. در روش اول ابتدا مرز منحنی جداکننده پلک های بالا و پایین با تقریب منحنی درجه دو و تبدیل هاف استخراج می شوند. سپس نویزهای ناشی از وجود پلک ها تشخیص داده شده و حذف می گردند. در ادامه توسط یک تبدیل هاف و لبه¬یاب کنی مرز بیرونی عنبیه استخراج می گردد. اما در روش دوم پس از استخراج مرز مردمک یک فرض تقریبی روی هم مرکز بودن مرز دایره مردمک و دایره مرزی عنبیه در نظر گرفته می شود. و با یک الگوریتم رشد ناحیه با شروع از مرکز مردمک و با شعاعی بیش از شعاع دایره مردمک، مرز خارجی عنبیه استخراج می شود. در روش دوم دیگر نیازی به یافتن مرز پلک ها و نقاط نویزی موژه¬ها نمی باشد. در ادامه¬ی هر دو روش پس از استخراج ناحیه حلقوی عنبیه یک الگوریتم دایره¬های مجازی برای نمونه¬برداری و نگاشت تصویر عنبیه روی یک ناحیه مستطیلی و با استفاده از نمونه¬برداری غیر یکنواخت با تمرکز روی نواحی نزدیکتر به مردمک عملیات نرمالسازی تصویر عنبیه روی ناحیه مستطیلی را انجام می دهد. سپس مجموعه¬ای از فیلترهای گابور حقیقی در حوزه فوریه با تغییر زوایای فیلتر روی تصویر عنبیه در حوزه فوریه اعمال می شوند و آنگاه تبدیل معکوس نتیجه کانوالو فیلتر روی تصویر می باشد. در ادامه این تصویر پنجره¬گزاری و فریمینگ با همپوشانی مناسب می شود و هر فریم جداگانه راهی مرحله بعدی می گردد. هر تصویر فریم راهی یک مرحله لبه-یابی با استفاده از عملگرهای سوبل می شود. همانطور که میدانیم عملگر سوبل یک عملگر مشتقگیر است و نتیجه اعمال آن در دو جهت مستقل x و y مقدار گرادیان نقاط تصویر می باشد که در نواحی لبه¬ای از شدت بالاتری برخوردار است. اما در این قسمت هدف یافتن زاویه گرادیان نقاط تصویر است تا اینکه زوایای لبه¬های شدیدتر تصویر عنبیه استخراج گردد. سپس این مقادیر زوایا چندی¬سازی می گردند و از این مقادیر زوایای خروجی چهار زاویه با تکرار بیشتر به عنوان ویژگی این فریم انتخاب می شوند و در بردار ویژگی تصویر عنبیه قرار می گیرند. در نهایت عملیات تشخیص و مقایسه تصاویر با استفاده از همین بردار ویژگی و محاسبه فاصله اقلیدسی در یک همسایگی بین سه فریم متوالی انجام می شود. البته بردار ویژگی نهایی مورد استفاده میانگین بردارهای ویژگی در هر یک از زوایای فیلتر گابور می باشد و نتایج تجربی بهترین نتیجه با دقت حدود 98 درصد را با همین بردار ویژگی نشان می دهند. پایگاه تصاویر چشم مورد استفاده نیز پایگاه casia v.1 می باشد که نتیجه اعمال هر دو روش گفته شده روی این تصاویر حاکی از دقت بالاتر روش دوم در استخراج مرز عنبیه می باشد.