@article{ 
author = {sharifi, massoud and sadeghi, vahi},  
title = {A Phoneme Recognition Algorithm Design Using the Acoustic Correlates of the Phonological Features}, 
abstract ={In the present paper, the phonological feature geometry of the Persian phonemes is analyzed in the form of articulate-free and articulate-bound features based on the articulator model of the nonlinear phonology. Then, the reference phonetic pattern of each feature that consists of one or a set of acoustic correlates, characterized by the quantitative or qualitative values in its phonological representation, is determined by the acoustic and statistical analysis of the collected data. Finally, an algorithm is designed which implements multiple modules based on the identified acoustic correlates of the phonological features and gets as input an acoustic signal of a Persian phoneme in CV or VC context and outputs the recognized phoneme. The findings of the paper can considerably improve the speed and accuracy of the Persian speech recognition systems.},  
Keywords = {nonlinear phonology, articulator, phonological feature, acoustic correlate, reference phonological pattern},
volume = {8},
Number = {2}, 
pages = {13-28}, 
publisher = {Research Center on Developing Advanced Technologies},
title_fa = {طراحی الگوریتم بازشناسی واجها با به کارگیری همبسته های آکوستیکی مشخصه های واجی},
abstract_fa ={در مقالۀ حاضر، در چارچوب واج شناسی غیرخطی با بهره گیری از مدل اندامهای گویایی فعال ابتدا به بررسی هندسۀ مشخصه های واجی در قالب مشخصه های مستقل از اندامهای گویایی فعال و مشخصه های وابسته به آنها پرداخته و واجهای فارسی را در این مدل توصیف می نماییم. سپس الگوی آوایی مرجع هر مشخصه واجی که شامل یک یا مجموعه ای از همبسته های آکوستیکی آن مشخصه بوده و در بازنمود آوایی آن با مقادیر یا ارزشهای کیفی مشخص میشوند با تحلیل آکوستیکی و تجزیه و تحلیل آماری داده های جمع آوری شده تعیین میگردند. درنهایت، الگوریتمی ارائه می گردد که درونداد آن سیگنال آوایی مربوط به واجهای فارسی در یکی از دو بافت CV و VC بوده و حاوی پیمانه هایی است که از همبسته های آکوستیکی مشخصه های واجی بهره میگیرد تا واج مربوطه را شناسایی کرده و به عنوان برونداد ارائه نماید. یافته های تحقیق حاضر می تواند نقش قابل ملاحظه ای در افزایش دقت و سرعت سیستمهای بازشناسی گفتار فارسی داشته باشد.},
keywords_fa = {واجشناسی غیرخطی, اندامهای گویایی فعال, مشخصه واجی, همبستۀ آکوستیکی, الگوی آوایی مرجع},
url = {http://jsdp.rcisp.ac.ir/article-1-699-en.html},  
eprint = {http://jsdp.rcisp.ac.ir/article-1-699-en.pdf},  
journal = {Signal and Data Processing},  
issn = {2538-4201}, 
eissn = {2538-421X}, 
year = {2012}  
}

@article{ 
author = {Montazer, Gholam Ali and alahKabir, Ehs},  
title = {sad}, 
abstract ={aasdadad},  
Keywords = {asd},
volume = {8},
Number = {2}, 
pages = {29-56}, 
publisher = {Research Center on Developing Advanced Technologies},
title_fa = {سیستمهای دسته‌بند چندگانه : روشهای طراحی و قواعد ترکیب شورا},
abstract_fa ={یکی از روشهای مناسب برای بهبود صحّت دسته‌بندی نمونه‌ها، استفاده از چند دسته‌بند مختلف و سپس ترکیب نتایج خروجی آنها است که اغلب تحت عنوان «سیستمهای دسته‌بند چندگانه» یا «سیستمهای شورایی» خوانده می‌شود. سیستمهای شورایی به‌طور کلی شامل دو بخش اصلی «ایجاد شورای دسته‌بندها» و «قواعد ترکیب» آنها است. پژوهشگران حوزه‌های مختلف از جمله بازشناسایی الگو، یادگیری ماشینی و آمار استفاده از سیستمهای شورایی را بررسی کرده‌اند. نبوی کریزی و کبیر [1] اولین مقاله مروری فارسی در این حوزه را ارائه و روشهای ترکیب دسته‌بندها را معرفی کرده‌اند. با این حال بررسی روند مقالات اخیر نشان می‌دهد پژوهش در حوزه سیستمهای شورا بر روشهای ایجاد شورای دسته‌بندها تمرکز کرده‌اند. از این رو در این مقاله تلاش شده است، ابتدا چارچوبی برای رویکردهای مختلف ایجاد شورای دسته‌بندها ارائه شود. براساس این ساختار، روشهای مختلف هر رویکرد معرفی شده است. درادامه، روشهای ترکیب دسته‌بندها به اجمال بیان شده است. درپایان، با بررسی روند پژوهشهای موجود، زمینه‌های پژوهشی مناسب در این حوزه فعال از یادگیری ماشین ارائه شده است.},
keywords_fa = {سیستمهای دسته‌بند چندگانه, ترکیب دسته‌بندها, طراحی شورا, قواعد ترکیب شورا, گوناگونی},
url = {http://jsdp.rcisp.ac.ir/article-1-705-en.html},  
eprint = {http://jsdp.rcisp.ac.ir/article-1-705-en.pdf},  
journal = {Signal and Data Processing},  
issn = {2538-4201}, 
eissn = {2538-421X}, 
year = {2012}  
}

@article{ 
author = {shojaeddini, vahab and kabiri, rahm},  
title = {A New Method for Jointly Estimation of Delay and Doppler from Ambiguity Function : Combination of Stochastic Processes and Spatial processing for Noise and Clutter Suppression}, 
abstract ={In this paper a new method is introduced for jointly delay and doppler estimation in ambiguity function based radars. In this method firstly each cell of ambiguity function is considered as a random variable, then an stochastic processes is estimated for each cell based on its value during consecutive radar scans. In the second step the ambiguity function is divided to high probability target and high probability clutter zones by using parameters of the estimated stochastic processes. Finally exact values of delay and doppler of radar targets is extracted and localized from the divided ambiguity function by employing spatial processing techniques. Performance of the proposed method is evaluated in two different scenarios, which the first scenario belongs to high speed targets and in the latter, targets are low speed. The obtained results showed the greater ability of the suggested method in detection both of above types of targets comparing with present approaches. Furthermore it can be shown that the proposed method causes the more considerable improvement in detection of low speed targets than high speed targets comparing with available methods.},  
Keywords = {Radar, Ambiguity function, Delay, Doppler, Clutter and noise suppression, Stochastic process, Target detection.},
volume = {8},
Number = {2}, 
pages = {35-12}, 
publisher = {Research Center on Developing Advanced Technologies},
title_fa = {روشی جدید برای تخمین همزمان تاخیر و داپلر از تابع ابهام: تلفیق فرآیندهای تصادفی و پردازش های مکانی برای حذف کلاتر و نویز},
abstract_fa ={در این مقاله یک روش جدید برای تخمین همزمان تاخیر و داپلر در رادارهای مبتنی بر تابع ابهام ارایه می شود. در این روش ابتدا هر سلول از تابع ابهام در قالب یک متغیر تصادفی در نظر گرفته شده و با توجه به تغییرات مقدار آن طی اسکن های متوالی رادار، یک فرآیند تصادفی برای آن تخمین زده می شود. با استفاده از پارامترهای فرآیندهای تصادفی فوق، تابع ابهام رادار به بخش های با احتمال بالای وجود هدف و با احتمال بالای وجود کلاتر و نویز افراز می شود. سپس با استفاده از پردازش های مکانی، مقادیر تاخیر و داپلر مربوط به اهداف اصلی از تابع ابهام افراز شده فوق استخراج و بدین ترتیب اهداف مزبور آشکارسازی و تفکیک می شوند. عملکرد روش پیشنهادی این مقاله در دو حالت جداگانه و برای آشکارسازی اهداف با حرکت سریع و اهداف با حرکت کند کند آزموده می شود. نتایج حاصل از آزمونهای فوق حاکی از برتری روش پیشنهادی این مقاله نسبت به روش های موجود در آشکارسازی هر دو نوع فوق از اهداف می باشد. همچنین ملاحظه می شود که روش پیشنهادی این مقاله در مقایسه با روش های موجود، بهبود چشمگیرتری را در آشکارسازی اهداف کند نسبت به آشکارسازی اهداف سریع ایجاد می کند.},
keywords_fa = {رادار, تابع ابهام, تاخیر, داپلر, حذف کلاتر و نویز, فرآیندهای تصادفی, آشکارسازی هدف.},
url = {http://jsdp.rcisp.ac.ir/article-1-702-en.html},  
eprint = {http://jsdp.rcisp.ac.ir/article-1-702-en.pdf},  
journal = {Signal and Data Processing},  
issn = {2538-4201}, 
eissn = {2538-421X}, 
year = {2012}  
}

@article{ 
author = {Keyvanpour, MohammadReza and alamdar, fatemeh},  
title = {Effective browsing of image search results via diversified visual summarization by Clustering}, 
abstract ={With unprecedented growth in production of digital images and use of multimedia references, requirement of image and subject search has been increased. Systematic processing of this information is a basic prerequisite for effective analysis, organization and management of it. Likewise, large collections of images have been made available on the Web and many search engines have provided the possibility of Web image searching based on keywords. For finding the image according to desire and requirement of user by image search engine, there are some problems as inexpressiveness of queries in description of user requirement, large number of unrelated images to the intended search, lacking of summarization, time consuming review of overall images, lack of diversity. Clustering of image search results can be an efficient solution for solving of these problems. In this research, several algorithms have been proposed for clustering of image search results. The developed summarization allows user to browse images conveniently and to get the overall content of the all returned images in a short time and by a few simple clicks. Through clustering, a diversified set of images presented that reflecting multiple senses of the query and the formed clusters represent visually diverse as well as diverse of ambiguity. According to the experiences, this proposed method improves the acceptable precision of image clustering.},  
Keywords = {image clustering, Folding algorithm, Feature extraction, Visual diversity, Effective browsing, image search engine},
volume = {8},
Number = {2}, 
pages = {57-74}, 
publisher = {Research Center on Developing Advanced Technologies},
title_fa = {مرور مؤثر نتایج جستجوی تصاویر با تلخیص بصری و متنوع از طریق خوشه‌بندی},
abstract_fa ={با رشد بی‌سابقه تولید تصاویر دیجیتال و استفاده از منابع چندرسانه‌ای، نیاز به جستجوی تصاویر و مطالب افزایش یافته است. پردازش نظام‌مند این اطلاعات پیش‌نیازی اساسی برای تحلیل، سازمان‌دهی و مدیریت مؤثر آن محسوب می‌شود. از طرفی مجموعه عظیمی از تصاویر بر روی وب در دسترس عموم قرار گرفته‌اند و بسیاری از موتورهای جستجو، امکان جستجوی تصاویر وب را بر مبنای کلمات کلیدی مهیا کرده‌اند. برای یافتن تصویر مطابق با نیاز و خواست افراد توسط موتورهای جستجوی تصاویر، چالش‌هایی همچون نارسا بودن کلمه پرس‌وجو، تعداد زیاد تصاویر نامرتبط با جستجوی انجام شده، تعداد زیاد تصاویر برگشتی و نبودن تلخیص، وقت‌گیر بودن مرور تمامی تصاویر و عدم تنوع وجود دارد. خوشهبندی نتایج جستجوی تصاویر می‌تواند راه‌حل مؤثری برای این مشکلات باشد. در این پژوهش، چند الگوریتم برای خوشه‌بندی نتایج تصاویر موتورهای جستجو پیشنهاد شده است. تلخیص ایجاد شده از خوشه‌بندی، به کاربر این امکان را می‌دهد که تصاویر را به راحتی مرور کرده و حدود و محتوای کلی تمامی تصاویر بازگشتی را در زمانی کوتاه و تعداد کمی کلیک بدست آورد. با خوشه‌بندی، مجموعه متنوعی از تصاویر که بسیاری از تفاسیر ممکن کلمه کلیدی را دربر دارد، ارائه می‌شود و خوشه‌های ایجاد شده، علاوه بر نمایش دادن تنوع‌های ناشی از ابهامات، تنوع بصری را نیز پوشش می‌دهند. بر اساس آزمایشات صورت گرفته این رویکرد پیشنهادی باعث بهبود در نتایج خوشه‌بندی تصاویر می‌شود.},
keywords_fa = {خوشه‎بندی تصاویر؛ الگوریتم Folding؛ استخراج ویژگی؛ تنوع بصری؛ مرور مؤثر؛ موتور جستجوی تصاویر.},
url = {http://jsdp.rcisp.ac.ir/article-1-701-en.html},  
eprint = {http://jsdp.rcisp.ac.ir/article-1-701-en.pdf},  
journal = {Signal and Data Processing},  
issn = {2538-4201}, 
eissn = {2538-421X}, 
year = {2012}  
}

@article{ 
author = {kargarnejad, ali and Masoudnia, Saeed and Kashefi, AmirHosei},  
title = {Using Negative Correlated Networks to Improve Neural Ensemble Performance}, 
abstract ={This paper investigates the effect of diversity caused by Negative Correlation Learning(NCL) in the combination of neural classifiers and presents an efficient way to improve combining performance. Decision Templates and Averaging, as two non-trainable combining methods and Stacked Generalization as a trainable combiner are investigated in our experiments . Utilizing NCL for diversifying the base classifiers leads to significantly better results in all employed combining methods. Experimental results on five datasets from UCI and ELENA repositories indicate that by employing NCL, the performance of the ensemble structure can be more favorable compared to that of an ensemble use independent base classifiers.   },  
Keywords = {Classifiers Ensemble, Negative Correlation Learning, Decision Templates, Stacked Generalization, Diversity},
volume = {8},
Number = {2}, 
pages = {75-84}, 
publisher = {Research Center on Developing Advanced Technologies},
title_fa = {استفاده از یادگیری همبستگی منفی در بهبود کارایی ترکیب شبکه های عصبی},
abstract_fa ={یکی از روش های بهبود صحت طبقه بندی داده ها، استفاده از چند طبقه بند مختلف و سپس ترکیب نتایج خروجی آن هاست که اغلب تحت عنوان ترکیب طبقه بندها خوانده می شود. پارامترهای مختلفی بر کارایی سیستم ترکیب طبقه بندها تاثیر می گذارند که از آن جمله می توان به میزان گوناگونی بین طبقه بندهای پایه ی سیستم اشاره کرد.در این مقاله تاثیر ایجاد گوناگونی حاصل از یادگیری همبستگی منفی را بر کارایی ترکیب طبقه بندهای عصبی مورد بررسی قرار داده ایم. این تحقیق تاثیر یادگیری همبستگی منفی را در دو روش ترکیبی کلیشه تصمیم و تعمیم انباره ای بررسی کرده است، که روش اول روشی بدون یادگیری و روش دوم روشی مبتنی بر یادگیری در بخش ترکیب است. استفاده از یادگیری همبستگی منفی برای ایجاد گوناگونی در طبقه بندهای پایه سیستم ترکیبی، صحت طبقه بندی را در هر دو روش مورد آزمون بهبود داده است. ایده پیشنهادی مقاله از نقطه نظر دیگری هم قابل ارائه است. تا کنون از روش های میانگین گیری و رای اکثریت برای ترکیب شبکه هایی با همبستگی منفی استفاده می شده است. نتایج این تحقیق نشان داد که کلیشه تصمیم و تعمیم انباره ای روش های کاراتری برای ترکیب شبکه های حاصل از یادگیری همبستگی منفی هستند. آزمایشات روی پنج مجموعه داده ی آزمون طبقه بندی از بانک داده UCI و ELENA نشان داد که به کارگیری ایده پیشنهادی کارایی ساختار ترکیب طبقه بندهای عصبی را به طور قابل ملاحظه ای افزایش داده است.},
keywords_fa = {ترکیب طبقه بندهای عصبی, یادگیری همبستگی منفی , گوناگونی, کلیشه تصمیم, تعمیم انباره ای},
url = {http://jsdp.rcisp.ac.ir/article-1-700-en.html},  
eprint = {http://jsdp.rcisp.ac.ir/article-1-700-en.pdf},  
journal = {Signal and Data Processing},  
issn = {2538-4201}, 
eissn = {2538-421X}, 
year = {2012}  
}

@article{ 
author = {shafiyi, behrouz and Yazdchi, Mohammadreza and EmadiAndani, Mehr},  
title = {Automatic Affective State Recognition Using Physiological Changes}, 
abstract ={Recently, automatic affective state recognition has been noteworthy for improving Human Computer Interaction (HCI), clinical researches and other various applications. Little attention has been paid so far to physiological signals for affective state recognition compared to audio-visual methods. Different affective states stimulate the Autonomic Nervous System (ANS) and lead to changes in physiology via the Sympathetic and Parasympathetic system and generation of specific patterns in physiological signals. In this study, we setup a reliable experiment to elicit four specific affective states in 25 healthy cases and record the physiological signals simultaneously. We also proposed a novel method to choose the cases. In addition, after the appropriate preprocessing, different features were extracted from the signals. Furthermore we compared various dimension reduction and classification methods to obtain a higher classification’s accuracy. An average accuracy of 84.3% was achieved by using the different dimension reduction and classification methods. The results show that our proposed method improved the accuracy of recognition and it can result in developing a realistic application.},  
Keywords = {Affective state recognition, Autonomic Nervous System, Biosignal processing, Feature extraction, Dimension reduction, Classification},
volume = {8},
Number = {2}, 
pages = {85-100}, 
publisher = {Research Center on Developing Advanced Technologies},
title_fa = {بازشناسی خودکار حالت عاطفی مبتنی بر تغییرات فیزیولوژیک},
abstract_fa ={بازشناسی خودکار حالت عاطفی به منظور بهبود ارتباط انسان و رایانه، تحقیقات بالینی و کاربردهای متنوّع دیگر در چند سال اخیر مورد توجّه محقّقان بوده است. از جمله روشهای بازشناسی خودکار حالت عاطفی که نسبت به روش های دیداری- شنیداری، به آن توجّه کمتری شده است، نظارت بر تغییرات فیزیولوژیک به وسیله ثبت سیگنالهای محیطی میباشد. حالتهای مختلف عاطفی باعث تحریک دستگاه عصبی خودمختار و به دنبال آن تغییرات فیزیولوژیک به وسیله دو بخش سمپاتیک و پاراسمپاتیک و ایجاد الگوهای مشخص در سیگنالهای محیطی میشود. در این پژوهش سعی میگردد، آزمایشی مطمئن به منظور ایجاد چهار وضعیت عاطفی مشخّص در 25 داوطلب سالم و ثبت همزمان سیگنالهای محیطی برپا شود. همچنین، روش جدیدی در انتخاب افراد شرکت کننده در آزمایش پیشنهاد میگردد. علاوه بر آن پس از پیش پردازشهای مناسب، ویژگیهای متنوّعی از سیگنالها استخراج میشود. در ادامه، مقایسه ای بین روشهای کاهش بعد و دسته بندی کننده برای نیل به بهترین درصد صحّت تفکیک چهار وضعیت عاطفی انجام میشود. روش پیشنهاد شده میتواند حالتهای عاطفی مشخص را با دقّت میانگین 3/84% برای روشهای مختلف کاهش بعد و دسته بندی کننده تفکیک کند. نتایج این پژوهش میتواند به برون آزمایشگاهی شدن این روش بازشناسی کمک نماید.},
keywords_fa = {بازشناسی حالت عاطفی, دستگاه عصبی خودمختار, پردازش سیگنالهای حیاتی, استخراج ویژگی, کاهش بعد, دسته بندی},
url = {http://jsdp.rcisp.ac.ir/article-1-703-en.html},  
eprint = {http://jsdp.rcisp.ac.ir/article-1-703-en.pdf},  
journal = {Signal and Data Processing},  
issn = {2538-4201}, 
eissn = {2538-421X}, 
year = {2012}  
}

@article{ 
author = {Mohammadzadeh, Javad and Masoudnia, Saeed and Araani, Ali},  
title = {Improving classification performance using combination features of different neural network ensemble methods}, 
abstract ={Both theoretical and experimental studies have shown that combining accurate Neural Networks (NN) in the ensemble with negative error correlation greatly improves their generalization abilities. Negative Correlation Learning (NCL) and Mixture of Experts (ME), two popular combining methods, each employ different special error functions for the simultaneous training of NN experts to produce negatively correlated NN experts. In this paper, we review the properties of the NCL and ME methods, discussing their advantages and disadvantages. Characterization of both methods showed that they have different but complementary features, so if a hybrid system can be designed to include features of both NCL and ME, it may be better than each of its basis approaches. In this study, an approach is proposed to combine the features of both methods, i.e., Mixture of Negatively Correlated Experts (MNCE). In this approach, the capability of a control parameter for NCL is incorporated in the error function of ME, which enables the training algorithm of ME to establish better balance in bias-variance-covariance trade-offs. The proposed hybrid ensemble method, MNCE, are compared with their constituent methods, ME and NCL, in solving several benchmark problems. The experimental results show that our proposed method preserve the advantages and alleviate the disadvantages of their basis approaches, offering significantly improved performance over the original methods.},  
Keywords = {Classification-Neural network ensemble-Negative Correlation Learning-Mixture of Experts},
volume = {8},
Number = {2}, 
pages = {101-114}, 
publisher = {Research Center on Developing Advanced Technologies},
title_fa = {افزایش نرخ کارایی طبقه بندی با استفاده از تجمیع ویژگی های موثر روش های مختلف ترکیب شبکه های عصبی},
abstract_fa ={روش¬های یادگیری همبستگی منفی و اختلاط خبره¬ها ، به عنوان دو روش معروف ترکیب شبکه¬های عصبی، از توابع خطای منحصر به فرد و البته متفاوتی برای آموزش شبکه¬های پایه به صورت هم زمان استفاده کرده، که شبکه¬هایی با همگرایی منفی تولید می¬کنند. در این مقاله ویژگی¬های مختلف این دو روش را مرور و نقاط قوت و ضعف آن¬ها را در مقایسه با یکدیگر بررسی می¬کنیم. آنالیز خصوصیات این دو روش در مقایسه با یکدیگر نشان داد که آن¬ها ویژگی¬های متفاوت و البته مکملی نسبت به هم دارند؛ به نحوی که اگر بتوان سیستمی ترکیبی شامل ویژگی های مثبت هر دو روش طراحی کرد، احتمالاً کارایی بهتری از روش¬های پایه خود داشته باشد. در این مقاله ایده¬ای برای ترکیب ویژگی¬های این دو روش پیشنهاد کرده¬ایم. در این روش، قابلیت پارامتر کنترلی روش یادگیری همبستگی منفی به تابع خطای روش اختلاط خبره¬ها افزوده شده، که این روش را قادر می¬سازد که تعادل بهینه¬ای را در توازن بایاس¬ـ واریانس¬ـ¬کوواریانس ایجاد و کارایی را افزایش دهد. روش ترکیبی پیشنهاد شده، در چند مسأله¬ی آزمون پیش¬بینی و طبقه¬بندی با روش¬های پایه¬ی اختلاط خبره¬ها و یادگیری همبستگی منفی مورد مقایسه قرار گرفته است. نتایج آزمایشات نشان داده است که روش ترکیبی پیشنهاد شده، با حفظ نقاط قوت و کاهش ضعف¬های روش های پایه، توانسته کارایی را به طور قابل ملاحظه¬ای نسبت به آن¬ها افزایش دهد.},
keywords_fa = {طبقه بندی-ترکیب شبکه های عصبی-یادگیری همبستگی منفی-اختلاط خبره ها},
url = {http://jsdp.rcisp.ac.ir/article-1-704-en.html},  
eprint = {http://jsdp.rcisp.ac.ir/article-1-704-en.pdf},  
journal = {Signal and Data Processing},  
issn = {2538-4201}, 
eissn = {2538-421X}, 
year = {2012}  
}

@article{ 
author = {Mavaji, Vahid and Vazirnezhad, Bahram},  
title = {Pars Morph: A Persian Morphological Analyzer}, 
abstract ={In this paper, the theoretical foundation, the way of implementation and the uses of Pars Morph, a Persian morphological analyzer is introduced. Pars Morph is a rule-based Persian morphological analysis system, which analyzes the internal structure of word in Persian and determines the grammatical category and function of the word parts. Pars Morph being in link with a lexicon covering about 45000 lexemes and based on morphological rules in Persian can analyze the structure of complex lexemes and their possible inflected forms and even out-of-lexicon words. Accuracy rate of the first version of Pars Morph is about 95% which could be enhanced to 100% by applying the regulations on Persian language homographs, some syntactic features and typical features of Persian script. Pars Morph can be used in pure linguistics studies as well as in automatic analysis of Persian language.},  
Keywords = {Pars Morph, morphological analyzer, Persian, word-formation, inflection, derivation, compounding},
volume = {8},
Number = {1}, 
pages = {3-8}, 
publisher = {Research Center on Developing Advanced Technologies},
title_fa = {پارس مورف: تحلیلگر صرفی زبان فارسی},
abstract_fa ={در مقاله حاضر می‌کوشیم مبنای نظری، نحوه طراحی و عملکرد سامانه تحلیل‌گر صرفی زبان فارسی با عنوان اختصاری "پارس مورف" را معرفی کنیم. پارس مورف سامانه‌ای مبتنی بر قواعد صرفی زبان فارسی است که ساخت درونی کلمات فارسی را با توجه به نظام تصریف و نظام واژه‌سازی زبان تجزیه و تحلیل می‌کند و مقوله دستوری و نقش هر کدام از اجزای سازنده کلمه را مشخص می‌کند. پارس مورف با استفاده از یک واژگان حدوداً 45000 واژه‌ای و نیز در چارچوب قواعد صرفی زبان فارسی که بر یک تحقیق جامع زبان‌شناختی استوار است می‌تواند واژه‌های پیچیده و نیز صورت‌های ممکن تصریفی و حتی واژه‌های خارج از واژگان را تحلیل کند. دقت نسخه اول پارس مورف حدود 95% است که افزودن اطلاعات نحوی و مسائل مربوط به هم‌نویسه‌ها و نیز لحاظ کردن ویژگی‌های خط فارسی می‌تواند این دقت را به 100% نزدیک کند. از پارس مورف می‌توان در مطالعات محض زبانی و نیز پردازش ماشینی زبان فارسی استفاده کرد.},
keywords_fa = {پارس مورف, تحلیل‌گر صرفی, زبان فارسی, واژه‌سازی, تصریف, اشتقاق, ترکیب.},
url = {http://jsdp.rcisp.ac.ir/article-1-714-en.html},  
eprint = {http://jsdp.rcisp.ac.ir/article-1-714-en.pdf},  
journal = {Signal and Data Processing},  
issn = {2538-4201}, 
eissn = {2538-421X}, 
year = {2011}  
}

@article{ 
author = {},  
title = {The role of Time Conjunctions in the Identification of Temporal Relations between Tensed-Verb Events in the Contemporary Persian Corpus}, 
abstract ={This paper involves in prediction of temporal relation between tensed-verb events on the basis of conjunctions in texts. For this purpose, tensed verb event data were extracted from Contemporary Persian Corpus and were examined carefully. The temporal relations between events were identified. After analyzing data on the basis of temporal relation according to Bird’s and Allen’s categorization, it was revealed that temporal conjunctions can be categorized in 4 categories: determined, biased, pseudo random and random. Determined signals can predicate the temporal relation between the events accurately. Biased signals predicate one set of relations with a good estimation, Pseudo random signals doesn’t show any orientation toward any kinds of temporal relation and random signals make almost all kinds of relations possible. The results show that Bird’s prediction on the basis of signals is more desirable than Allen’s.   },  
Keywords = {Event Temporal Relations, Conjunctions, Verb Event},
volume = {8},
Number = {1}, 
pages = {9-16}, 
publisher = {Research Center on Developing Advanced Technologies},
title_fa = {نقش حروف ربط زمان دار در تعیین رابطۀ زمانی بین رویدادهای فعلی در پیکرۀ متون زبان فارسی معاصر},
abstract_fa ={این مقاله به پیش¬بینی روابط زمانی بین رویدادهای فعلی بر اساس حروف ربط زمان¬دار در متون می¬پردازد. برای انجام این کار، داده¬های مربوط به رویدادهای فعلی از پیکرۀ متنی زبان فارسی استخراج و بررسی شدند و روابط زمانی بین رویدادها مشخص شد. با تحلیل داده¬ها براساس روابط زمانی در چهارچوب طبقه بندی بِرد و آلن، مشخص شد که حروف ربط زمان¬دار را می¬توان در چهار دستۀ تعینی، اریب¬دار، شبه¬تصادفی و تصادفی جای داد. علائم تعینی به¬طور دقیق روابط زمانی بین رویدادهای مربوطه را پیش¬بینی کرده و علائم اریب¬دار با تقریب خوبی یک دسته رابطه را پیش¬بینی می¬کنند. علائم شبه¬تصادفی گرایش به یک نوع رابطه¬ی زمانی خاص ندارند و علائم تصادفی، به¬طور تقریبی هر گونه رابطۀ¬ زمانی را بین رویدادهای مربوطه امکان¬پذیر می¬کنند. این پژوهش نشان داد که پیش¬بینی روابط زمانی بِرد به¬وسیلۀ علائم تا حدودی مطلوب¬تر از پیش¬بینی روابط آلن می¬باشد.},
keywords_fa = {روابط زمانی رویدادها, حرف ربط, رویداد فعلی},
url = {http://jsdp.rcisp.ac.ir/article-1-708-en.html},  
eprint = {http://jsdp.rcisp.ac.ir/article-1-708-en.pdf},  
journal = {Signal and Data Processing},  
issn = {2538-4201}, 
eissn = {2538-421X}, 
year = {2011}  
}

@article{ 
author = {Faili, Heshaam},  
title = {Using Persian Stemmer in Information Retrieval System}, 
abstract ={Using the language-specific behavior in information retrieval systems can improve the quality of the retrieved results significantly. Part of the word that remains after removing its affixes is called stem. Stemming process can be used for improving the relevancy of the results in information retrieval system. Different morphological variants of words (plural, past tense…) will be mapped into their stem which can be used in the searching process of information retrieval tasks. Using the stem instead of the surface of the word reduces the size of the index file significantly. In this paper, an algorithm for stemming Persian words is described and its effect on information retrieval system is evaluated with different ranking methods. By using Persian Porter stemmer with just 43 rules, the size of index file reduced about 5% while the mean average precision of the retrieval information system improved about 5%.},  
Keywords = {Stemmer, Natural language processing, Information retrieval},
volume = {8},
Number = {1}, 
pages = {17-24}, 
publisher = {Research Center on Developing Advanced Technologies},
title_fa = {بررسی تأثیرات ریشه‌یابی در بازیابی اطلاعات در زبان فارسی},
abstract_fa ={یکی از مهمترین موضوعات در پردازش زبان طبیعی و بازیابی اطلاعات یافتن ریشه کلمات می‌باشد. ریشه کلمه جزئی از کلمه است که پس از حذف وندهای کلمه (پیشوند، پسوند و میانوند) باقی می‌ماند. یکی از روش¬های افزایش کارایی سیستم‌های بازیابی اطلاعات استفاده از ریشه‌یابی کلمات است. زیرا اشتقاقات مختلف یک کلمه به ریشه آن کلمه تبدیل می¬شوند. در نتیجه جستجو بر اساس ریشه کلمه انجام خواهد شد و اندازه ساختار ایندکس کاهش می‌یابد. در این مقاله الگوریتمی برای بدست آوردن ریشه کلمات در زبان فارسی ارائه شده است و سپس نتیجه آن در بازیابی اطلاعات با الگوریتم‌های متفاوت رتبه‌بندی مورد ارزیابی قرار گرفته است. الگوریتم ارائه شده با استفاده از قواعد ساختواژی زبان فارسی و استفاده از مجموعه لغات برای جلوگیری از ایجاد ریشه‌های نادرست به ریشه‌یابی کلمات می‌پردازد. تعداد قواعد استفاده شده 43 قانون است. با استفاده از الگوریتم ارائه شده اندازه ساختار ایندکس 5 درصد کاهش یافته است و همچنین میزان میانگین متوسط دقت (mean average precision) در سیستم بازیابی اطلاعات حدود 5 درصد افزایش یافته است.},
keywords_fa = {ریشه‌یابی, پردازش زبان طبیعی, بازیابی اطلاعات},
url = {http://jsdp.rcisp.ac.ir/article-1-713-en.html},  
eprint = {http://jsdp.rcisp.ac.ir/article-1-713-en.pdf},  
journal = {Signal and Data Processing},  
issn = {2538-4201}, 
eissn = {2538-421X}, 
year = {2011}  
}

@article{ 
author = {},  
title = {Image Enhancement Using Gamma Correction}, 
abstract ={In this paper a new automatic method is presented to enhance the image brightness through gamma correction process. Most of current gamma correction methods apply a uniform gamma correction across the image. Considering the fact that gamma variation for a single image is actually nonlinear, the proposed method does the gamma correction in a local approach. Thus the method is able to estimate appropriate gamma values for different regions of the image using a neural network. After windowing several training images with known gamma values, the mean and texture of each window (responsible for brightness and contrast of the window) are computed to train the neural network. The same features will be extracted from the unknown image to estimate the correct gamma values of the different parts of the image. Unlike other gamma correction methods, the proposed method does not change the gamma values of an image which does not need any brightness enhancement. The experimental results prove its better performance over other gamma correction methods.},  
Keywords = {Feature selection, gamma correction, image enhancement, neural network},
volume = {8},
Number = {1}, 
pages = {25-32}, 
publisher = {Research Center on Developing Advanced Technologies},
title_fa = {بهسازی تصاویر با تکیه بر اطلاعات گاما},
abstract_fa ={در این مقاله روش اتوماتیک جدیدی برای بهبود روشنایی تصویر با تکیه بر اصلاح گاما ارائه شده است. در روش¬های موجود اصلاح گاما، اغلب ضریب گاما به¬طور یکنواخت در تمام قسمت¬های یک تصویر تغییر می¬یابد. از آنجایی که تغییرات گاما در تصویر ممکن است به صورت غیرخطی انجام گرفته باشد، در این مقاله اصلاح گاما به¬صورت محلی انجام می¬گیرد. این روش گاماهای مناسب را برای ناحیه¬های مختلف از یک تصویر با استفاده از شبکه عصبی MLP تخمین می¬زند. بدین¬صورت که ابتدا تعدادی تصویر با گاماهای مشخص را پنجره-گذاری کرده و دو ویژگی میانگین و بافت تصویر که به ترتیب مرتبط با میزان روشنایی و کنتراست تصویر می¬باشد را از هر پنجره برای آموزش شبکه عصبی استخراج می¬نماید. به-همین ترتیب پنجره¬گذاری و استخراج ویژگی را برای تصویر جدید (تصویری که نیاز به اصلاح گاما دارد) نیز انجام می¬دهد. سپس بردار ویژگی به¬دست آمده از هر پنجره را به شبکه عصبی آموزش داده شده، اعمال می¬نماید تا گامای مناسب برای هر پنجره از تصویر جدید تخمین زده شود. در استفاده از این روش، برخلاف روش¬های موجود، چنانچه بخشی از یک تصویر دارای گامای مناسبی باشد، تغییری در شدت روشنایی آن قسمت انجام نمی¬گیرد. نتایج حاصل از این روش بر روی تصاویر مختلف نشان می¬دهد که روش پیشنهادی در مقایسه با سایر روش¬ها دارای عملکرد مناسب¬تری است.},
keywords_fa = {استخراج ویژگی, اصلاح گاما, بهبود روشنایی تصویر, شبکه عصبی},
url = {http://jsdp.rcisp.ac.ir/article-1-711-en.html},  
eprint = {http://jsdp.rcisp.ac.ir/article-1-711-en.pdf},  
journal = {Signal and Data Processing},  
issn = {2538-4201}, 
eissn = {2538-421X}, 
year = {2011}  
}

@article{ 
author = {abdolali, fatemeh and dadashi, neda and SeyyedSalehi, SeyyedAli},  
title = {Improving face recognition from a single image per person via virtual images produced by imagination using neural networks}, 
abstract ={This paper deals with the problem of face recognition from a single image per person by producing virtual images using neural networks. To this aim, the person and variation information are separated and the associated manifolds are estimated using a nonlinear neural information processing model. For increasing the number of training samples in neural classifier, virtual images are produced for the neutral pose samples in a gallery dataset. By designing various structures of neural networks, the quality of virtually produced images, and consequently the recognition accuracy rate are improved. To obtain person information manifold codes giving better performance in describing the other persons and in generalizing, a learning method based on unsupervised clustering is presented. Applying this learning method and training classifier with virtual images, gives an accuracy rate of 83.63% on test dataset, which shows 12.73% improvement in comparison with training classifier using neutral pose samples.},  
Keywords = {Face recognition, single image per person, virtual images, manifold learning, neural network, expression variant faces},
volume = {8},
Number = {1}, 
pages = {33-44}, 
publisher = {Research Center on Developing Advanced Technologies},
title_fa = {بهبود بازشناسی چهره با یک تصویر از هر فرد به روش تولید تصاویر مجازی توسط شبکه‌های عصبی},
abstract_fa ={در این مقاله با استفاده از تولید تصاویر مجازی به کمک شبکه های عصبی، مسئله بازشناسی چهره با یک تصویر از هر فرد مورد توجه قرار گرفته است. برای جداسازی اطلاعات شخص از حالت و تخمین مانیفولدهای زیرفضاهای مربوطه، از یک شبکه عصبی تحلیل¬گر غیرخطی اطلاعات چهره استفاده شده است. به منظور افزایش تعداد نمونه¬های تعلیم در شبکه طبقه¬بندی کننده، به کمک مانیفولدهای تخمین زده شده، تصاویر مجازی از چهره¬های نرمال موجود در پایگاه داده اصلی تولید شده است. با طراحی ساختارهای مختلفی از شبکه¬های عصبی مصنوعی به منظور استخراج مؤلفه¬های زیرفضاهای اطلاعات فرد و حالت، کیفیت چهره¬های مجازی و درنتیجه درصد صحت بازشناسی در شبکه طبقه¬بندی کننده بهبود می¬یابد. برای تخمین بهتر مانیفولدهای اطلاعات شخص و بهبود قدرت تعمیم، یک روش تعلیم برمبنای خوشه-بندی بدون سرپرستی ارائه شده است. با به کارگیری این روش و تعلیم شبکه طبقه¬بندی کننده به کمک تصاویر مجازی حاصل، درصد صحت بازشناسی %63/83 روی دادگان تست حاصل شده که نسبت به حالت تعلیم شبکه طبقه¬بندی کننده فقط با تصاویر نرمال دارای بهبود %73/12 است.},
keywords_fa = {بازشناسی چهره, یک تصویر از هر فرد, تصاویر مجازی, یادگیری مانیفولد, شبکه عصبی, تنوعات حالت},
url = {http://jsdp.rcisp.ac.ir/article-1-709-en.html},  
eprint = {http://jsdp.rcisp.ac.ir/article-1-709-en.pdf},  
journal = {Signal and Data Processing},  
issn = {2538-4201}, 
eissn = {2538-421X}, 
year = {2011}  
}

@article{ 
author = {Aghabozorgisahaf, Masoud Reza and pishravian, arash and abutalebi, hamid rez},  
title = {Application of Blind Source Separation for Speech-Music Separation}, 
abstract ={In this paper, the application of the Independent Component Analysis In this paper, the application of the Independent Component Analysis technique in speech-music separation is discussed. The separation algorithm is in the time domain. It needs the score function estimation to minimize the mutual information. For estimating score function, sufficient samples of the mixed (speech-music) signals are needed. In other words, these samples must be included both original sources. Since the speech and music signals could contain the silent gaps, the frame selection is important in our problem. Our proposed method for selecting the optimum frame is based on the score function difference. The experimental results show good performance of the proposed method in elimination of the silent gaps. Also they express the separation algorithm based on Gaussian Mixture estimator achieves a better separation performance and less processing time compared to the separation algorithm based on Minimum Mean Square Error estimator.},  
Keywords = {Independent component analysis, speech and music signals, estimation of score function, score function difference, mutual information.},
volume = {8},
Number = {1}, 
pages = {45-54}, 
publisher = {Research Center on Developing Advanced Technologies},
title_fa = {کاربرد الگوریتم جداسازی کور منابع در جداسازی سیگنال‌های گفتار و موسیقی},
abstract_fa ={در این مقاله کاربرد یکی از الگوریتم‌های تجزیه به مؤلفه‌های مستقل (ICAA) در جداسازی ترکیب‌های لحظه‌ای سیگنال‌های گفتار و موسیقی مورد بحث قرار می‌گیرد. الگوریتم جداساز در حوزۀ زمان بوده و برای مینیمم‌سازی اطلاعات متقابل به تخمین تابع رتبه نیاز دارد. برای تخمین تابع رتبه نمونه‌هایی از سیگنال‌های ترکیب شده خروجی الگوریتم جداساز باید انتخاب گردد که اثر منابع اولیه در آن وجود داشته باشد. از آن‌جا که سیگنال‌های گفتار و موسیقی در بازه‌هایی از زمان می‌توانند دارای فواصل سکوت باشند، انتخاب فریمی از سیگنال‌های ترکیب‌شده با اثر هر دو منبع اولیه در مسألۀ ما اهمیت پیدا می‌کند. روش پیشنهادی ما استفاده از پارامتر تفاضل توابع رتبه است که با انتخاب یک حد آستانه می‌توان فریم بهینه را انتخاب نمود. کارایی الگوریتم جداساز با دو تخمین‌زن ترکیب‌های گوسی و حداقل میانگین مربع خطا مقایسه شده است. نتایج شبیه‌سازی نشان می‌دهد که اولاً روش پیشنهادی عملکرد خوبی را در حذف بازه‌های سکوت از خود نشان می‌دهد و ثانیاً الگوریتم جداساز با تخمین‌زن ترکیب‌های گوسی می‌تواند به تفکیک بهتر سیگنال‌ها و زمان پردازش کمتر الگوریتم جداساز منجر شود.},
keywords_fa = {سیگنال‌های گفتار و موسیقی, الگوریتم جداساز, تفاضل توابع رتبه, تخمین‌زن تابع رتبه,},
url = {http://jsdp.rcisp.ac.ir/article-1-707-en.html},  
eprint = {http://jsdp.rcisp.ac.ir/article-1-707-en.pdf},  
journal = {Signal and Data Processing},  
issn = {2538-4201}, 
eissn = {2538-421X}, 
year = {2011}  
}

@article{ 
author = {},  
title = {Region-based Quality Improvement of Facial Images with Strong Shadows to Enhance Recognition}, 
abstract ={Varying illuminations, especially the side lighting effects in face images, is one of the major obstacles in face recognition systems. Various methods have been presented for face recognition under different lighting conditions witch require previous knowledge about Light source and shadow area. In this paper, a novel approach based on H-minima transform to image segmentation and illumination normalization is proposed. Firstly, shadow area is extracted and modified by multi-stage method. Then, the gradient based criteria used to determine the best pattern of shadow areas. Subsequently, the obtained pattern of shadow areas is used to improve Retinex method in obscure area, obvious area, and all areas of the face image. Experimental results on the Extended Yale B database show that the proposed method significantly improves the performance of Retinex method. Furthermore, it provides the effective results in illumination normalization even in extreme lighting conditions.},  
Keywords = {Face recognition, H-minima transform, Illumination compensation, Image quality improvement.},
volume = {8},
Number = {1}, 
pages = {55-66}, 
publisher = {Research Center on Developing Advanced Technologies},
title_fa = {بهبود محلی کیفیت تصاویر چهره با سایه شدید به منظور ارتقاء شناسایی},
abstract_fa ={تغییر شرایط نوری، به خصوص تآثیر نورپردازی‌های جانبی در تصاویر چهره، یک مانع اصلی در سیستمهای شناسایی چهره محسوب می‌شود. روشهای مختلفی برای حل این مسأله پیشنهاد شده اند که با مدلسازی تغییرات نور و یا استخراج ویژگیهای پایای تصویر به شناسایی چهره می پردازند. بسیاری از این روشها به دانش قبلی درباره منبع نور، زاویه نورپردازی و تشخیص ناحیه سایه نیاز دارند. در این مقاله روش جدیدی مبتنی بر تبدیل h-minima برای ناحیه‌بندی تصویر و اصلاح نورپردازی در تصاویر چهره ارائه می‌شود. روش پیشنهادی طی چند مرحله به استخراج و اصلاح الگوی سایه می‌پردازد و در نهایت با استفاده از معیار مبتنی بر گرادیان، بهترین الگوی سایه را برای تصویر مشخص می‌کند. سپس، الگوی سایه پیشنهادی برای بهبود روش Retinex (که با تفاضل الگوی روشنایی از تصویر اصلی در دامنه لگاریتمی، مؤلفه انعکاس را به عنوان ویژگی پایا از تصویر استخراج می کند) استفاده می‌شود. نتایج بدست آمده روی پایگاه های تصویری Yale B و Extended YaleB نشان می‌دهد که روش پیشنهادی دقت شناسایی در روش Retinex را به نحو مطلوبی افزایش داده و نتایج مؤثری را در اصلاح نورپردازی تصاویر چهره حتی در سایه‌های شدید ارائه می‌دهد.},
keywords_fa = {اصلاح نورپردازی, بهبود کیفیت تصویر, تبدیل H-minima, شناسایی چهره},
url = {http://jsdp.rcisp.ac.ir/article-1-712-en.html},  
eprint = {http://jsdp.rcisp.ac.ir/article-1-712-en.pdf},  
journal = {Signal and Data Processing},  
issn = {2538-4201}, 
eissn = {2538-421X}, 
year = {2011}  
}