OTHERS_CITABLE
بهبود مدل تفکیککننده منیفلدهای غیرخطی بهمنظور بازشناسی چهره با یک تصویر از هر فرد
یادگیری منیفلد یکی از روشهای کاهش بعد مطرح بهمنظور استخراج ساختار غیرخطی داده با ابعاد بالا میباشد. تاکنون روشهای زیادی به این منظور ارائه شدهاند. در تمام این روشها یک منیفلد بهعنوان منیفلد جاسازیشده در داده استخراج میشود. درحالیکه در خیلی از مسائل مربوط به دنیای واقعی یک منیفلد بهتنهایی بیانگر ساختار داده نمیباشد. در این راستا بر مبنای تحقیقات قبلی، یک روش کاهش بعد غیرخطی مبتنی بر شبکههای عصبی عمیق ارائه شده است که قادر به استخراج توأم منیفلدهای جاسازی شده در داده میباشد. در مدل شبکه عصبی تفکیککننده منیفلدهای غیرخطی، برخلاف روش معمول استخراج منیفلد با شبکههای عصبی که بهصورت بدون سرپرستی صورت میگیرد، از برچسب داده در جهت شکلگیری منیفلدها بهصورت غیرمستقیم استفاده میشود. با توجه به ساختار عمیق این مدل نشان داده شده است که با بهرهگیری از روشهای پیشتعلیم میتوان بهطور معناداری عملکرد آنرا بهبود بخشید. همچنین در راستای استخراج بهتر منیفلدها و حفظ تمایز درونمنیفلدی برای طبقات مختلف، توابع معیار آن بهبود داده شده است. این مدل برای استخراج منیفلدهای حالتهای احساسی و افراد از دادگان چهره CK+، مورد استفاده قرار گرفته است. با بهرهگیری از پیشتعلیم لایهبهلایه و بهبود توابع معیار، نرخ بازشناسی حالت برای تصاویر مجازی از 29/24% به 07/75% و درصد صحت بازشناسی هویت با یک تصویر از هر فرد با غنیسازی دادگان تعلیم طبقهبند KNN توسط این تصاویر مجازی، از 62/90% به 07/97% نسبت به مدل اولیه بهبود داشته است.
http://jsdp.rcisp.ac.ir/article-1-181-fa.pdf
2015-07-08
3
16
شبکه عصبی
یادگیری منیفلد
تمایز درون منیفلدی
الگوهای مجازی
ساختار عمیق
تفکیک منیفلد
Improving the nonlinear manifold separator model to the face recognition by a single image of per person
Manifold learning is a dimension reduction method for extracting nonlinear structures of high-dimensional data. Many methods have been introduced for this purpose. Most of these methods usually extract a global manifold for data. However, in many real-world problems, there is not only one global manifold, but also additional information about the objects is shared by a large number of manifolds. In this context, based on previous researches, this paper proposes a nonlinear dimension reduction method based on the deep neural network that extract simultaneously manifolds embedded in data.
In nonlinear manifold separator model, unlike unsupervised learning of bottleneck neural network, data labels are indirectly used for manifold learning. Given the deep structure of the model, it has been shown that using pre-training methods can significantly improve its performance moreover, to improve within-manifold discrimination for different classes, its standard functions have been improved. This paper makes use of the model for extracting both expression and identity manifolds for facial images of the CK+ database. In comparing early and improved models, it is shown that the facial expression recognition rate from 24.29% to 75.07% and the face recognition rate by a single image of each person by enriching dataset from 90.62% to 97.07% were improved.
http://jsdp.rcisp.ac.ir/article-1-181-en.pdf
2015-07-08
3
16
Neural network • Manifold learning • Within-manifold discrimination • Virtual patterns • Deep structure • Manifold separation
Seyyede Zohreh
Seyyedsalehi
z.seyyedsalehi@aut.ac.ir
1
AUTHOR
Seyyed Ali
Seyyedsalehi
ssalehi@aut.ac.ir
2
AUTHOR
OTHERS_CITABLE
ملزومات امنیتی پیادهسازی IMS SIP سرور امن
شبکهIMS به عنوان هسته شبکههای نسل آینده توسطETSIدر نظر گرفته شده است. ساختار هسته شبکه IMS از دید پیامهای کنترلی و پروتکلهای ارتباطی باعث شده است امنیت به عنوان یک قابلیت ضروری برای نیازمندیهای IMS درآید.پیامهای کنترلی توسط پروتکلSIP منتقل میشود که یک پروتکل لایه کاربرد است. به دلیل اجباری بودن احراز هویت کاربر به شبکه در زمان ثبتنام و به دلیل اضافه شدن سرآیندهای سیگنالینگ، این شبکه امنتر از شبکههای رایجی نظیرVOIP است، هرچند آسیبپذیریهای متفاوتی اضافه شده است که منجر به حملات بر روی سرورهای SIP میشود. این پژوهش بررسی بر روی سرور اصلی شبکه(x-CSCF) را مبتنی بر تهدید، آسیبپذیری و تحلیل ریسک انجام میدهد. این روش به عنوان ابزاری جهت شناخت پتانسیل ریسک روی سیستمها مبنی بر احتمال وقوع حمله و آسیب ناشی از آن بکار میرود. هر طرح سیستمی دارای ارزشها و داراییهایی به همراه نقاط ضعف است. تهدیدها مبتنی بر ضعفها بوجود میآیند و سبب آسیبپذیری سیستم میشوند. پس از شناخت سرمایههای سیستم، نقاط ضعف سرورها و شناخت آسیبپذیریهای تجهیزات و کاربردها، شاخصهای امنیتی بدست میآید که در تولید و پیادهسازی امن سرورها حایز اهمیت هستند. مدلسازی نشان میدهد ضعفهای سرورها و تهدیدها بر کاهش دسترسپذیری آنها موثر است. تحلیل آسیبها هزینه را کاهش داده و امنیت را ارتقا میدهد.
http://jsdp.rcisp.ac.ir/article-1-64-fa.pdf
2015-07-08
17
32
مدلسازی امنیتی TVRA
حملات طوفانی سرورهای SIP
معماری و شبکه IMS
تحلیل آسیبپذیری
IMS SIP Server security model using the TVRA methodology
IMS (IP Multimedia Subsystem) network is considered as an NGN (Next Generation Network) core networks by ETSI. Decomposition of IMS core network has resulted in a rapid increase of control and signaling message that makes security a required capability for IMS commercialization. The control messages are transmitted using SIP (Session Initiation Protocol) which is an application layer protocol. IMS networks are more secure than typical networks like VoIP according to mandatory of user authentication in registration time and added SIP signaling headers. Also different vulnerabilities have been occurred that lead to SIP servers attacks. This paper studies the main SIP servers of IMS (x-CSCF) based on ETSI Threat, Vulnerability and Risk Analysis (TVRA) method. This method is used as a tool to identify potential risks to a system based upon the likelihood of an attack and the impact that such an attack would have on the system. After identifying the assets and weaknesses of IMS SIP servers and finding out the vulnerabilities of these hardware and software components, some security hints that can be used for secure deployment of IMS SIP servers are proposed. Modeling shows the effects of server weaknesses and threats that reduces availability. Any designed system has some assets with weaknesses. When threats have accrued based on weaknesses, the system will vulnerable. Vulnerability analysis optimizes costs and improves security.
http://jsdp.rcisp.ac.ir/article-1-64-en.pdf
2015-07-08
17
32
TVRA Security Modeling
IMS SIP Servers Flooding attacks
IMS architecture and network Vulnerability assessment.
afsanmm@itrc.ac.ir
1
AUTHOR
Hassan
Asgharian
asgarianiust.ac.ir
2
AUTHOR
nasrin
taj
taj.ict@gmail.com
3
AUTHOR
OTHERS_CITABLE
یک الگوریتم ردیابی خودرو مبتنی بر ویژگی با استفاده از گروهبندی سلسله مراتبی ادغام و تقسیم
ردیابی خودرو یکی از چالشهای مهم در سیستمهای حمل و نقل هوشمند جهت تخمین موقعیت خودرو در فریم بعدی از یک دنباله متوالی تصاویر از ویدئوهای نظارتی است. در این مقاله، یک الگوریتم ردیابی خودرو مبتنی بر ویژگی با استفاده از الگوریتم تخمین زننده ویژگی Kanade-Lucas-Tomasi (KLT) گسترش یافته است. در این الگوریتم، برای جایگزینی خودروها بوسیله ویژگیهای ردیابی شده، یک الگوریتم گروهبندی دو مرحلهای سلسله مراتبی ادغام و تقسیم پیشنهاد میگردد. در الگوریتم گروهبندی پیشنهادی با تعریف معیارهایی همچون معیارهای فاصله، گستردگی و همچنین آنالیز حباب نتایج گروهبندی اولیه حاصل شده از الگوریتم خوشهبندی K-means اصلاح میگردد. علاوه براین، جهت تصحیح عملکرد الگوریتم تخمینزننده ویژگی KLT و همچنین استفاده مناسبتر از نتایج گروهبندی الگوریتم پیشنهادی، یک الگوریتم کارآمد تطبیق گروههای ویژگی براساس نقشه ادغام و تقسیم جهت تطبیق گروه ویژگیهای ردیابی شده از یک فریم به فریم بعد پیشنهاد میشود. در این الگوریتم تطبیق سعی شده است که با استفاده از ویژگیهای منطبق شده بین دو فریم، خودروهای متناظر در آن دو فریم به درستی تطبیق داده شوند. الگوریتم ردیابی پیشنهادی بر روی ویدئوهای آزمایشی متفاوتی با شرایط نورپردازی متفاوت همچون روز، شب و وجود سایه ارزیابی میگردد. نتایج حاصل نشان میدهد که الگوریتم ردیابی پیشنهادی اکثر چالشهای مهم ردیابی خودرو در کاربردهای عملیاتی سیستمهای حمل و نقل هوشمند را پوشش میدهد.
http://jsdp.rcisp.ac.ir/article-1-165-fa.pdf
2015-07-08
33
46
الگوریتم گروهبندی دو مرحلهای سلسله مراتبی ادغام و تقسیم
الگوریتم تطبیق گروهها مبتنی بر نقشه ادغام و تقسیم
الگوریتم ردیابی مبتنی بر ویژگی
سیستم حمل و نقل هوشمند.
A Feature-based Vehicle Tracking Algorithm Using Merge and Split-based Hierarchical Grouping
Vehicle tracking is an important issue in Intelligence Transportation Systems (ITS) to estimate the location of vehicle in the next frame. In this paper, a feature-based vehicle tracking algorithm using Kanade-Lucas-Tomasi (KLT) feature tracker is developed. In this algorithm, a merge and split-based hierarchical two-stage grouping algorithm is proposed to represent vehicles from the tracked features. In the proposed grouping algorithm, with defining measures such as distance, spread and also blob analysis, initial grouping results formed by K-means clustering algorithm are refined. Moreover, to modify the performance of KLT tracker and also optimized utilization from grouping results obtained by proposed algorithm, an effective group matching algorithm based on a merging and splitting scheme is employed to match the tracked groups from a frame to the next frame. The proposed tracking algorithm is evaluated on different test videos with various illumination conditions such as day, night and shadow. The obtained results show that our proposed tracking algorithm covers the most challenges of tracking in the ITS applications.
http://jsdp.rcisp.ac.ir/article-1-165-en.pdf
2015-07-08
33
46
Merge and split hierarchical two-stage grouping algorithm
Group matching algorithm based on merge and split schemes
Feature-based tracking algorithm
Intelligence transportation system.
Hossein
Pourghassem
h_pourghasem@iaun.ac.ir
1
Najafabad Branch, Islamic Azad University
AUTHOR
OTHERS_CITABLE
شناسایی پلاک خودروهای ایرانی با الگوریتم ماشین بردار پشتیبانی فازی
یکی از مهمترین زیر سامانههای حمل و نقل هوشمند، سامانهی تشخیص و شناسایی پلاک خودرو است. دشواری تشخیص و شناسایی صحیح پلاک خودرو در شرایط مختلف محیطی موجب شده تا پژوهش در این زمینهی تحقیقاتی همچنان ادامه داشته باشد. مسئلهی تشخیص پلاک خودرو را میتوان به سه زیر مسئلهی «جایابی پلاک»، «استخراج نویسههای پلاک» و «شناسایی نویسهها» تقسیم کرد. در این مقاله تلاش شده به کمک قواعد فازی، الگوریتمهای جایابی پلاک خودروهای ایرانی و شناسایی نویسههای آن بهبود یابد. جایابی پلاک با لبهیابی، تحلیل ریختشناسانه و استفاده از قواعد فازی و شناسایی نویسهها با استفاده از ماشین بردار پشتیبانی فازی انجام شده است. با آزمایش الگوریتمِ یادشده بر روی 50 تصویر صحت جایابی پلاک خودرو 90 درصد و صحت شناسایی نویسهها 94 درصد به دست آمد که در مقایسه با روشهای مرسوم دارای توانمندی چشمگیری است.
http://jsdp.rcisp.ac.ir/article-1-120-fa.pdf
2015-07-08
47
56
پلاک خودرو
شناسایی الگو
ماشین بردار پشتیبانی
نظریهی فازی
Iranian License Plate identification with fuzzy support vector machine
License plate recognition is one of the most important applications used in intelligent transportation systems. Difficulty of correct detection and identification of the car plates in different environment conditions makes researchers try new approaches to better solve the problem. License plate recognition problem is divided into three sub problems: "Plate Location", "Character Segmentation", and "Character Identification". In this paper we have tried to improve location and identification of Iranian license plate with fuzzy rules. License locating has been done with edge detection, morphological operations and using fuzzy rules and characters have been identified by fuzzy support vector machine. By applying the algorithm on 50 images, 90% of plates were located and 94% of characters were identified successfully. This shows superiority of our algorithm over non-fuzzy approaches.
http://jsdp.rcisp.ac.ir/article-1-120-en.pdf
2015-07-08
47
56
fuzzy theory
license plate
pattern recognition
support vector machine (FSVM)
Gholam Ali
Montazer
montazer@modares.ac.ir
1
AUTHOR
mohammad
shayestehfar
m.shayestehfarmodares.ac.ir
2
AUTHOR
OTHERS_CITABLE
مقاوم سازی بردار حرکت در برابر خطای کانال جهت بهبود کیفیت ویدیوی دریافتی
با توجه به پیشرفت تکنولوژی در دهههای اخیر، ارسال و دریافت ویدیو از طریق کانالهای مخابراتی بی سیم با استقبال گسترده ای روبرو شده است. بدین منظور روش های بسیاری جهت بالا بردن کیفیت ویدیویی ارسالی ارائه گردیده اند.یکی از مواردی که کیفیت فایلهای ویدیویی را کاهش میدهد وجود خطا در مقادیر بردارهای حرکت میباشد. در صورت ایجاد خطا در مقادیر بردارهای حرکت، تصاویر ایجاد شده مقداری نسبت به حالت قبلی خود جابجا میگردند و کیفیت فریم دریافتی را به صورت قابل توجهی پایین میآورند. در این مقاله به منظور مقابله با این مشکل و همچنین بالا بردن PSNR، از افزایش نرخ کدینگ کانال در یک نرخ ارسال ثابت استفاده می-گردد. در روش پیشنهادی، ابتدا با استفاده از بلوکهایی با اندازه 8*8 جستجوی بردار حرکت در فریم مورد نظر شروع میگردد. پس از اتمام جستجو بلوکهایی که در همسایگی هم و دارای حرکت صفر (بدون حرکت ) میباشند با یکدیگر ترکیب میگردند و بلوک بزرگتری میسازند. همچنین بلوکهایی که دارای مقدار حرکت برابر بوده اند نیز با همدیگر ترکیب میشوند و به دو روش مختلف به گیرنده ارسال میگردند. آزمایشهای انجام شده نشان میدهند که روش پیشنهادی بدون افزایش حجم اطلاعات ارسالی برای هر فریم، توانسته است فریم های ویدیویی را نسبت به خطاهای کانال مقاوم تر سازد. در نهایت نتایج بدست آمده را با چندین نرخ ارسال برای منبع و چندین SNR برای کانال با نتایج بدست آمده از روشهای متداول مقایسه کردهایم
http://jsdp.rcisp.ac.ir/article-1-43-fa.pdf
2015-07-08
57
78
بردار حرکت- کدینگ فریم های ویدیویی- نرخ بیت متغیر- کدینگ کانال
Robustness of Motion Vector against Channel Error for Improvement of Synthesized Video Quality
According to progress of technology during the recent decades, video transmission through a wireless channel has found high demands. In this field, several methods have been proposed to improve video quality. Appearing error in motion vector values is one of the most important factors which can affect the video quality. In case of creating errors in motion vector, the synthesized video frames are moved compared to the previous situation and therefore the synthesized video quality considerably degrades. In this paper, in order to overcome this problem and also to increase PSNR, we propose a method to increase the channel coding rate but transmission rate is maintained constant. In the proposed method, firstly, the motion vector is searched in each block with size of 8*8. After ending the search, the adjacent blocks with the motion vector equals to zero (without movement) are combined together and provide bigger block. Meanwhile, the blocks with equal motion vectors are combined together and transmitted to receiver in two different methods. The experimental results show that the proposed method without increasing side information is able to provide more robustness for video frame against channel errors. The performance of the proposed method has been compared with the new method for different source coding rates and SNRs.
http://jsdp.rcisp.ac.ir/article-1-43-en.pdf
2015-07-08
57
78
: Motion vector
Video frame coding
Variable bit rate
Channel coding
Hassan
Farsi
hfarsi@birjand.ac.ir
1
AUTHOR
Pouria
Etezadifar
p.etezadifar@birjand.ac.ir
2
AUTHOR
OTHERS_CITABLE
پیشبینی قابلیت فهم همخوانها در افراد دارای شنوایی عادی با استفاده از مدلهای میکروسکوپی دارای معیار فاصله مختلف در بازشناساگر خودکار گفتار
در این مطالعه، نرخ تشخیص همخوانهای موجود در ساختار هجایی «واکه- همخوان- واکه»، در آزمونهای شنوایی و دو مدل میکروسکوپی ادراک گفتار مورد بررسی قرار میگیرد. چنین ساختار هجایی در زبان فارسی و ترکی آذری وجود ندارد. با وجود این، نتایج آزمونهای شنوایی نشان میدهد که شنونده آذری یا فارسی زبان در شرایط بدون نویز، قادر به تشخیص صحیح همخوانها میباشد. برای این پژوهش که در آن هدف، تشخیص صحیح آواها و نه کلمات بامعنی است، استفاده از این دادگان صوتی فاقد معنی مناسب میباشد چون با استفاده از این دادگان، دانش زبانی شنوندگان در پیشبینی کلمات نادیده گرفته میشود. نتایج آزمونهای شنوایی با نتایج دو مدل میکروسکوپی که بر پایه سیستم شنوایی انسان است، مقایسه میشود. تفاوت دو مدل در مرحله نهایی استخراج ویژگی به منظور استفاده در شناساگر خودکار گفتار DTW است. در مدل میکروسکوپی اول، در مرحله پایانی استخراج ویژگی، از فیلتر 8 هرتز و در مدل دوم، از فیلتربانک مدولاسیون استفاده میشود. در ادامه، نرخ تشخیص صحیح آواها در مقادیر مختلف سیگنال به نویز با استفاده از معیارهای فاصله اقلیدسی و لگاریتمی با یکدیگر مقایسه میشود. در این تحقیق، نرخ تشخیص همخوانها برای شنونده آذریزبان مورد بررسی قرار گرفته است. در کنار جنبه تجربی این مطالعه، نوآوری این مقاله در بررسی دو معیار فاصله مختلف برای مدل هلوب و نیز مقایسه مستقیم دو مدل میکروسکوپی در پیشبینی میانگین نرخ تشخیص و نیز نرخ تشخیص تکتک همخوانها میباشد.
http://jsdp.rcisp.ac.ir/article-1-180-fa.pdf
2015-07-08
79
90
قابیلت فهم
ادراک گفتار
مدل میکروسکوپی
بردار ویژگی
نرخ تشخیص آوا
معیار فاصله
شناساگر خودکار گفتار.
Prediction of consonants Intelligibility for Listeners with Normal Hearing Using Microscopic Models of Speech Perception Considering Different Distance Measures in Automatic Speech Recognizer
In this study, recognition rates of consonants available in vowel-consonant-vowel structure in hearing tests and two microscopic models will be investigated. Such a syllable structure doesn’t exist in Farsi and Azerbaijani languages, but since the goal is only recognition of middle phoneme, according to hearing tests, listeners are able to properly recognize phonemes in clean speech conditions. Inasmuch as these syllable structures are meaningless, it will be suitable for our purpose that is only determination of recognition rates of phonemes not meaningful words. Using this corpus, listeners’ linguistic knowledge in prediction of words is disregarded. Results of hearing tests are compared with two microscopic models based on human auditory system. Difference between two models is at the final stage of feature extraction that in first model, a 8 Hz filter and in the second model a modulation filterbank is used. Correct recognition rates of phonemes in different signal to noise ratios and two distance metrics for speech recognizer, will be compared. In this study recognition rates of consonants for listeners with Azerbaijani native language have been studied. Beside the empirical aspect of the paper, the innovations of this work lies in the study of using two different distance measures for Holube’s model and also direct comparison of two microscopic models in prediction of overall recognition rates and recognition rate of each consonant.
http://jsdp.rcisp.ac.ir/article-1-180-en.pdf
2015-07-08
79
90
Intelligibility
Speech perception
Microscopic model
Feature vector
Phoneme recognition rate
Distance measure
Automatic Speech Recognizer.
Masoud
Geravanchizadeh
ali.fallah@tabrizu.ac.ir@tabrizu.ac.ir
1
University of Tabriz
AUTHOR
Ali
Fallah
ali.fallah@tabrizu.ac.ir
2
University of Tabriz
AUTHOR
Mirali
Eterafoskouei
Eterafoskouei@tbzmed.ac.ir
3
Tabriz University of Medical Science
AUTHOR