وبلاگ

1-1- شرح و اهمیت موضوع

یکی از شبکه‌هایی که در سال‌های اخیر توجهات زیادی را به خود جلب کرده است، شبکه‌های حسگر بی­سیم[1] (WSN) می‌باشند. شبکه‌های حسگر از تعداد زیادی حسگر تشکیل شده‌اند که پس از توزیع در منطقه، حسگرهایی که در نزدیکی یک رویداد قرار دارند بعد از شناسایی آن رویداد به جمع­آوری اطلاعات رویداد مورد نظر در محیط می­پردازند و اطلاعات بدست آمده از رویداد را به حسگر چاهک ارسال می‌کنند. حسگر چاهک، حسگری است که با ایستگاه پایه[2] که در خارج از شبکه‌های حسگر مستقر می‌باشد، در ارتباط می‌باشد[1]. حسگرهای این شبکه‌ها دارای یک واسط بی­سیم می‌باشند که همین امر باعث گردیده است که این شبکه‌ها در سطح زمین، زیر آب و دیگر مکان‌های خطرناک و یا غیرقابل‌ دسترس راه‌اندازی گردند. بنابراین شبکه‌های حسگر قادر به پوشش مناطقی هستند که شبکه‌های دیگر از عهده پوشش آن مناطق بر نمی‌آیند و در واقع شبکه‌های حسگر امکان تعامل بین انسان، محیط و ماشین را فراهم می­ کنند. گسترش شبکه‌های حسگر بی­سیم با کاربردهای نظامی آغاز گردید ولی امروزه با گسترش سریع کاربردهای شبکه‌های حسگر، در زمینه‌های رهایی از سانحه، کنترل محیطی و نگاشت تنوع زیستی، سازه‌های هوشمند، مدیریت تأسیسات، کشاورزی، پزشکی و بهداشت، حمل‌ونقل، پردازش از راه دور و رهگیری هدف از شبکه‌های حسگر بی­سیم استفاده می‌گردد. به همین دلیل امروزه پیشرفت‌های زیادی در حوزه زیرسیستم‌ های الکترومکانیکی صورت پذیرفته است تا امکان توسعه حسگرهای هوشمند فراهم گردد [1].

یکی از کاربردهای ذکرشده برای شبکه‌های حسگر، رهگیری اهداف متحرک می‌باشد که هدف از آن دنبال کردن یک شی خاص در یک فضای از پیش تعیین‌شده به نام میدان حسگر و تشخیص مسیر آن شی است. این کاربرد می‌تواند با قابلیت شناسایی یک هدف خاص در میان اهداف گوناگون کامل‌تر گردد. بدین منظور از حسگرهایی با فناوری‌های متفاوت که ویژگی‌های گوناگون یک پدیده را می‌توانند اندازه‌گیری کنند در امر رهگیری هدف استفاده می‌گردد. این حسگرها از چهار واحد: واحد توان، واحد پردازش اطلاعات، واحد ارتباطات و واحد حس کردن تشکیل شده است. این حسگرها می‌توانند از نوع حسگرهای حضور، لرزش، نور، صوت، لیزری و تصویر باشند که در این میان حسگرهای تصویری به دلیل اینکه حامل اطلاعات بسیاری هستند از اهمیت بالایی در کاربردهای رهگیری هدف برای شناسایی یک هدف خاص در میدان‌های نبرد و یا ساختمان‌ها و مکان‌های عمومی برخوردارند [2].

با توجه به محدودیت واحد توان حسگرها و بالا بودن مصرف انرژی حسگرهای تصویری نسبت به انواع دیگر حسگرها، بهینه مصرف شدن انرژی یکی از چالش‌های مهم شبکه‌های حسگر محسوب می‌گردد. در این راستا باید مصرف انرژی اجزا حسگرها شامل ریز حسگرها، مبدل آنالوگ به دیجیتال، پردازنده سیگنال، فرستنده و گیرنده را تا حد امکان کاهش داد. تحقیقات نشان داده‌اند که انرژی مورد نیاز برای ارتباطات از سایر واحدهای مصرف‌کننده انرژی حسگرها به دلیل بالا بودن حجم داده‌های صوتی و تصویری ارسال‌شده توسط حسگرهای تصویری و در نتیجه تحمیل شدن سربار زیادی به سیستم انتقال داده، بیشتر می‌باشد [2].

از آنجا که کاربردهای رهگیری هدف نیازمند ارسال اطلاعات به صورت بلادرنگ به کاربر است و بنابراین محاسبات بسیاری به صورت بلادرنگ در هر حسگر صورت می­پذیرد همواره توان بسیاری در شبکه حسگر در حال مصرف است و به همین دلیل رهگیری هدف یکی از کاربردهایی است که مصرف توان آن بالا می‌باشد. با توجه به اینکه مصرف بهینه توان باعث پایداری و قابلیت اطمینان شبکه‌های حسگر در شرایط سخت می‌گردد و بالا بودن میزان مصرف انرژی در شبکه‌های حسگر، اهمیت ارائه الگوریتم‌های رهگیری هدف با مصرف توان پایین را دو چندان می­ کند.

در روش‌های سنتی رهگیری هدف، از رویکردهای مرکزی برای انجام این پژوهش استفاده می‌گردیده است. در رویکردهای مرکزی در هر زمان تنها یک حسگر وظیفه شناسایی هدف را بر عهده دارد و بنابراین دقت رهگیری هدف پایین خواهد آمد و انرژی حسگرها به دلیل تحمیل شدن محاسبات سنگین به صورت بهینه مصرف نخواهد گردید. در این روش‌ها با افزایش تعداد گره‌های حسگر در شبکه، پیام بیشتری به سوی حسگر چاهک هدایت می‌شوند که سبب استفاده زیاد از پهنای باند شبکه می­گردد و بنابراین این رویکردها در برابر خطا مقاوم نیستند. در الگویتم های رهگیری هدف جدید، گره‌های حسگری که می‌توانند هدف را تشخیص دهند در حالت فعال نگه داشته می‌شوند و مابقی حسگرها برای صرفه‌جویی در مصرف توان به حالت غیرفعال می‌روند. برای اینکه هدف به صورت پیوسته رهگیری شود باید گروهی از حسگرها قبل از رسیدن هدف به آنها به حالت فعال بروند. این گروه از حسگرها با توجه به سرعت و مسیر هدف تعیین

 می‌گردند. بنابراین عمده پژوهش‌ها در زمینه رهگیری هدف برای بدست آوردن یک الگوریتم مناسب برای انتخاب بهینه این گروه از حسگرها صورت پذیرفته است. در این تحقیقات با بهره گرفتن از حدس نزدیک به بهینه این گروه از حسگرها میزان تبادل اطلاعات میان حسگرها را به حداقل می‌رسانند و بنابراین زیرسیستم مخابراتی که اصلی‌ترین منبع مصرف‌کننده توان حسگرها می‌باشد کمتر فعال می‌گردد و در نتیجه مصرف انرژی به صورت چشمگیری کاهش می­یابد. اما دسته‌ای دیگر از الگوریتم‌های رهگیری هدف با توجه به اینکه در نظر نگرفتن کاهش مصرف انرژی در زیرسیستم‌های حسی و پردازشی حسگرها ما را از امکان کاهش بیشتر مصرف توان شبکه دور می‌سازد، بر روی مصرف توان درون یک حسگر تمرکز کرده‌اند. در این الگوریتم‌ها مصرف توان زیرسیستم‌های حسگرها با ارائه الگوریتم‌هایی که هدف آنها رهگیری هدف با سربار پردازشی حداقل و نحوه نمونه‌برداری مناسب با زمان‌بندی و بسامد مناسب فعال‌سازی زیرسیستم حسگر می‌باشد، کاهش می­یابند [3].

در پژوهش‌های انجام‌شده در رابطه با رهگیری هدف در شبکه‌های حسگر بی‌سیم چهار رویکرد کلی وجود دارد. این رویکردها شامل رویکردهای بر مبنای پیام، بر مبنای درخت، بر مبنای پیش‌بینی و بر مبنای خوشه­بندی می‌باشند. در رهگیری هدف بر مبنای پیام فرض می‌گردد که هدف متحرک سرعت و جهت حرکت جاری خود را برای چند لحظه حفظ می‌کند و از تاریخچه حرکتی هدف به منظور پیش‌بینی حرکت بعدی هدف استفاده می‌شود. بعد از تخمین حرکت بعدی هدف با بهره گرفتن از یک روش پیام‌رسانی همه جهته به گروهی از حسگرها که در حوزه تحویل قرار دارند پیامی را ارسال می‌کنند و این گروه از حسگرها با دریافت این پیام پیش از رسیدن هدف به آ‌نها حسگرها، فعال می­گردند [3].

در رهگیری هدف بر مبنای درخت، حسگرهای شبکه به صورت یک درخت سلسله مراتبی سازماندهی می‌گردند که نودهای این درخت حسگرها می‌باشند و یال‌های آن اتصالات بین حسگرهایی را مشخص می‌کنند که می‌توانند با یکدیگر به صورت مستقیم در ارتباط باشند. در هنگام رهگیری هدف بر مبنای درخت حسگرهایی که هدف را شناسایی کرده‌اند از طریق درخت سلسله مراتبی با یکدیگر ارتباط برقرار می‌کنند و به صورت مجازی یک درخت بنام درخت همراه بین حسگرهای شناسایی کننده هدف تشکیل می‌گردد. بعد از تشکیل درخت همراه، تمام حسگرهای شناسایی کننده هدف اطلاعات خود را به ریشه درخت مجازی ارسال می‌کنند و در صورتی که حسگر ریشه از هدف دور باشد با توجه به اطلاعات رسیده شده به حسگر ریشه، درخت همراه جدیدی ایجاد خواهد گردید.

در رهگیری هدف بر مبنای پیش‌بینی فرض می‌گردد که هدف متحرک سرعت و جهت جاری خود را برای چند لحظه آینده حفظ خواهد کرد و با بهره گرفتن از تاریخچه موقعیت هدف، موقعیت بعدی هدف پیش‌بینی می‌گرد. با توجه به موقعیت پیش‌بینی‌شده هدف، حسگرهایی که آن موقعیت را پوشش می‌دهند قبل از رسیدن هدف به آن موقعیت فعال می‌گردند تا هدف را شناسایی کنند و در صورتی که هدف شناسایی نگردید الگوریتم‌های تصحیح خطا اجرا می‌گردد تا هدف گم شده دوباره شناسایی گردد و رهگیری هدف مورد نظر ادامه یابد.

در رهگیری هدف بر مبنای خوشه، شبکه به گروه‌هایی از حسگرها بنام خوشه تقسیم می‌گردند و هر خوشه شامل سرخوشه و حسگرهای عضو خوشه می‌باشند. این روش رهگیری هدف به دو دسته رهگیری هدف بر اساس خوشه‌های ایستا و رهگیری هدف بر اساس خوشه‌بندی پویا تقسیم می‌گردد. در روش رهگیری هدف بر اساس خوشه‌های ایستا در هنگام پیاده‌سازی شبکه‌ها خوشه‌ها شکل می‌گیرند و خصوصیات هر خوشه مانند تعداد اعضا، ناحیه تحت پوشش و غیره ثابت می‌باشد. این روش‌ها از نظر توانایی تحمل خطا قابل‌اطمینان نمی‌باشند و به دلیل ثابت بودن حسگرهای سرخوشه، انرژی زیادی را مصرف می‌کنند و در نتیجه طول عمر شبکه کاهش می­یابد. در مقابل روش قبل، روش رهگیری هدف بر اساس خوشه‌های پویا وجود دارد؛ که در آن خوشه‌ها در صورت تشخیص هدف شکل می‌گیرند و یک حسگر که نسبت به دیگر حسگرها دارای انرژی بیشتری می‌باشد به عنوان سرخوشه انتخاب می‌گردد. روش‌های رهگیری هدف بر مبنای خوشه در مقایسه با دیگر رویکردهای رهگیری هدف، از پهنای باند شبکه بهتر استفاده می‌کنند و نیز باعث می‌گردند تا معیار مقیاس­پذیری[3] شبکه بالاتر رود. در صورتی که در روش‌های رهگیری هدف بر مبنای خوشه‌بندی، سرخوشه از طریق پردازش محلی در شبکه انتخاب شود، پیام‌های اضافی کاهش می­یابند و در نتیجه انرژی در شبکه کمتر مصرف می‌گردد.

1-2- اهداف تحقیق

همان‌گونه که مطرح گردید، رهگیری هدف بر مبنای خوشه‌بندی در شبکه‌های حسگر بی‌سیم می ­تواند مزایای زیادی را به همراه داشته باشد. در این الگوریتم‌ها با تقسیم‌بندی شبکه به خوشه‌ها و انجام خوشه‌بندی درست به مدیریت بهتر منابع شبکه کمک می­ کنند و علاوه بر این با مصرف مناسب‌تر انرژی منجر به افزایش طول عمر شبکه هم می‌گردند. با توجه به محدودیت‌های خاص شبکه‌های حسگر مانند محدودیت منبع انرژی، قدرت پردازش، ظرفیت حافظه، زیاد بودن تعداد حسگرها و چگالی بالای توزیع حسگرها در ناحیه عملیاتی آنچه که در الگوریتم رهگیری هدف اهمیت ویژه دارد کاهش دادن ارتباطات بین حسگرها می‌باشد تا بدین وسیله طول عمر شبکه افزایش یابد. در این پایان‌نامه الگوریتمی پیشنهاد شده است که می‌توان آن را در دسته الگوریتم‌های بر مبنای خوشه‌بندی در نظر گرفت که عمدتا بر روی کاهش ارتباطات بین حسگرها تمرکز دارند تا با کم شدن ارتباطات بین حسگرها، مصرف توان شبکه کاهش یابد. در این الگوریتم، ابتدا با بهره گرفتن از یک رویه خوشه‌بندی، بر اساس موقعیت هدف خوشه‌بندی صورت می‌پذیرد. در ادامه در رویه رهگیری هدف، با بهره گرفتن از اطلاعات جمع‌ آوری شده مکان بعدی هدف تخمین زده می‌شود و حسگر سرخوشه با توجه به مکان پیش‌بینی‌شده هدف، سه حسگر در نزدیکی مکان پیش‌بینی‌شده هدف را فعال می‌کند تا وظیفه شناسایی هدف را بر عهده بگیرند. در هنگام شناسایی هدف توسط حسگرهای فعال هر کدام از آنها اطلاعات خود را به حسگر سرخوشه خود ارسال می‌کنند و بدین ترتیب حسگر سرخوشه از موقعیت جدید هدف مطلع می‌شود.

شبیه‌سازی‌های الگوریتم پیشنهادی نشان می‌دهند که استفاده از این راهکار علاوه بر امکان رهگیری چندین هدف به صورت همزمان، مقدار قابل‌توجهی مصرف توان زیرسیستم ارتباطی به دلیل کاهش تبادلات زیرسیستم مخابراتی کاهش می­یابد. در این روش حسگرها با توزیع یکنواخت به صورت تصادفی پخش گردیده‌اند. این الگوریتم قادر است چندین هدف را به صورت همزمان رهگیری کند و همچنین این الگوریتم قادر به رهگیری اهداف با سرعت بالا می‌باشد. در الگوریتم پیشنهادی در هر بار گم شدن هدف با اجراشدن رویه تصحیح خطا، مکان واقعی هدف گم شده را پیدا خواهد کرد تا هدف مورد نظر به صورت پیوسته رهگیری گردد.

[1] Wireless Sensor Network

[2] Base stattion

[3] Scalability

ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل و با فرمت ورد موجود است

متن کامل را می توانید دانلود نمائید

چون فقط تکه هایی از متن پایان نامه در این صفحه درج شده (به طور نمونه)

ولی در فایل دانلودی متن کامل پایان نامه

 با فرمت ورد word که قابل ویرایش و کپی کردن می باشند

موجود است

اصطلاح “گرید” در اواسط دهه 1990 مطرح شده و زیر ساخت محاسبات گرید (محاسبات شبکه) در زمینه علم و مهندسی پیشرفته پیشنهاد شد [1]. ایده اصلی محیط گرید به اشتراک گذاری منابع محاسباتی است. امروزه، اکثر مردم بیشتر از حد نیاز، قدرت محاسباتی بر روی سیستم­های کامپیوتری خود دارند. از این رو کشف منابع محاسباتی توزیع شده در سطح جغرافیایی و استفاده از آنها برای حل برنامه ­های کاربردی که قدرت محاسباتی بالایی نیاز دارند و باید در مدت زمان معین با هزینه مشخص اجرا شوند، ترویج پیدا کرد. چنین زیر ساخت هایی گرید محاسباتی نامیده می شود، و منجر به محبوبیت حوزه­ای به نام محاسبات گرید شده است [1].

از اتصال منابع محاسباتی مانند رایانه­های شخصی، ایستگاه­های کاری، خوشه ­ها، سرویس دهنده­ها، ابررایانه­ها و …، توزیع شده در مناطق مختلف جغرافیایی شبکه­ های تورین محاسباتی (گرید) پدید آمده است که به عنوان یک سکوی محاسبات برای حل مسائل مقیاس بزرگ در دانشگاه، پژوهش و صنعت مورد استفاده قرار می­گیرد[2].

یکی از عملیات اصلی تضمین کننده­ کارایی در شبکه­ های تورین محاسباتی، تخصیص منابع به کارها می­باشد. عملیات تخصیص منابع باید مکانیسم­هایی را برای پشتیبانی از تحمل خطا، اطمینان از اجرای حتمی کارها، افزایش بهره­وری از منابع و کاهش زمان اتمام کارها ارائه دهد. زمانبندی در محیط گرید، با توجه به توزیع جغرافیایی منابع و کاربران، نوسانات منابع، الزامات کیفیت سرویس از برنامه ­های کاربردی و محدودیت­های اعمال شده توسط صاحبان منابع، جزء مسائل NP-complete می باشد[3].

در زمانبندی وظایف مستقل، هدف افزایش عملکرد کل سیستم و در زمانبندی وظایف با وابستگی، هدف کاهش زمان اجرا کارها، بدون نقض محدودیت اولویت آن­ها می­باشد. با کم کردن زمان اجرا کارها، باعث افزایش بهره­وری از منابع شده، در نتیجه بهبود در عملکرد کل سیستم را خواهیم داشت.

در دهه گذشته زمانبندی کارها (وظایف با وابستگی و مستقل) درون محیط گرید توجه بسیاری از محققین را به خود جلب کرده است. به دلیل پویایی محیط گرید، عملیات زمانبندی باید مرتبا با بررسی کردن حالت جاری سیستم، اقدام به بروزرسانی زمانبند خود نماید. عملیات بروزرسانی با رخداد رویدادی در گرید به دلیل تخمین نادقیق زمان اجرایی، اضافه یا حذف شدن منابع، رخ می دهد. در واقع هدف اصلی

 از اعمال زمانبندی مجدد افزایش بهره وری از منابع، اجرای قطعی و کاهش زمان اتمام کارها می باشد به این صورت که در ابتدا براساس وضعیت جاری منابع و کارها زمانبندی صورت می پذیرد و در صورت رخداد رویدادهای فوق زمانبندی مجدد براساس منابع موجود و وضعیت کارهای باقی مانده صورت می پذیرد.

2-1- ضرورت اجرا

پژوهش­های زیادی بر روی رابطه­ بین تخمین­هایی که توسط کاربر به سیستم مدیریت منبع می­دهد و زمان واقعی اجرای کارها صورت گرفته است و نشان داده شده که تخمین­هایی که توسط کاربر فراهم می­شوند در اغلب موارد از دقت کافی برخوردار نیستند. دلیل این موضوع را می­توان چنین دانست که در سیستم­های مدیریت منابع محلی، هنگامی که زمان اجرای تخمین زده شده کار به پایان برسد، کار خاتمه می­یابد (فسخ می­ شود)، بنابراین کاربران اصولا زمان اجرای کار را بیش از حد واقعی تخمین می زنند تا از اتمام کامل کار مطمئن باشند. در پژوهش­های مختلفی تأثیر تخمین­های کاربر بر روی کارائی سیستم ارزیابی شده است و نتایج حاکی از آن است که تخمین­های غیرصحیح کاربر باعث کاهش کارائی سیستم می­ شود. علاوه بر این در مقاله [4] که در سال 2009 ارائه شد، نویسندگان نشان دادند که سیستم­های مدیریت منابع محلی توانایی کنار آمدن و کنترل حجم زیادی از واگذاریها را ندارند. در مقاله]5[ که در سال 2009 ارائه شد تاثیر تغییر پذیری مجموعه کاری­ها بر روی سیستم مدیریت منابع محلی مورد بررسی قرار گرفت و نتایج نشان داد که این تغییر پذیری باعث تصمیمات زمانبندی بدتر می شود. زمانبندی مجدد سه هدف اساسی را دنبال می­ کند: افزایش کارایی زمانبند، کاهش زمان اجرایی و ارائه تحمل خطا.

زمانبندی در محیط گرید بدلیل پویایی از دو مرحله تشکیل می­ شود در مرحله اول زمانبند براساس حالت جاری منابع، و زمان اجرایی تخمینی یک نگاشت از کارها روی منابع را بوجود می­آورد. در مرحله دوم با رخداد یک رویداد، زمانبند، زمانبندی مجددی را براساس کارها، منابع و وابستگی های موجود بین کارها، صورت می­دهد و نگاشت جدیدی را تولید می کند.

3-1- هدف از اجرای پایان نامه

با توجه به اینکه منابع گرید غیر اختصاصی بوده و تخمین­های نادقیق ارائه شده توسط کاربران در عملکرد گرید تاثیر بسزایی دارد زیرا کارهایی که بین آنها وابستگی داده وجود دارد (داده تولید شده توسط این کار، نیاز کار دیگری جهت شروع می­باشد) و اگر در اینجا نتوانیم اجرای قطعی کار را تضمین کنیم (بدلیل خرابی منبع) اجرای کارهای پیشرو نیز امکان پذیر نمی ­باشد همچنین این تخمین­های نادقیق نیز باعث کاهش کارایی گرید می­گردد به همین دلیل نیاز به نظارت بر وضعیت منابع و کارها و اعمال نگاشت جدید (زمانبندی مجدد) با رخداد رویدادی در گرید (تغییری در وضعیت منابع و یا زمان اجرایی کار) می­باشد.

اهداف زمانبند و زمانبند مجدد گرید افزایش بهره­وری از منابع، کاهش زمان اتمام آخرین کار، افزایش کارایی، قطعیت در اجرای کارها و ایجاد توازن بار می­باشد در این پایان نامه نیز سعی در ارائه یک الگوریتم زمانبند مناسب با توجه به همین اهداف داریم.

ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل و با فرمت ورد موجود است

متن کامل را می توانید دانلود نمائید

چون فقط تکه هایی از متن پایان نامه در این صفحه درج شده (به طور نمونه)

ولی در فایل دانلودی متن کامل پایان نامه

 با فرمت ورد word که قابل ویرایش و کپی کردن می باشند

موجود است

سیستم­های پیشنهاد­دهنده در تجارت سیار از جمله موضوعات پر­اهمیت سال­های اخیر بوده ­اند که با ظهور تکنولوژی­های بی­سیم و تسهیل حرکت تجارت الکترونیکی از محیط­های سیمی به سوی بی­سیم­ مورد توجه قرار­گرفته­اند. تجارت سیار به­معنای انجام فعالیت­های تجارت­الکترونیک از طریق محیط­های بی­سیم، به­ طورخاص اینترنت بی­سیم، و وسایل دستی سیار می­باشد که با­ پیدایش تکنولوژی بی­سیم در عرصه اینترنت و استفاده روزافزون از وسایل سیار توجه به آن رو به افزایش است[1,2]. به کاربرد­های تجارت سیار دو خصوصیت ویژه تحرک[1] و دسترسی وسیع[2] نسبت داده­شده­است[1,3] که اولین خصوصیت بر امکان از بین رفتن محدودیت­های مکانی و دومین خصوصیت بر امکان از بین رفتن محدودیت­های زمانی در استفاده کاربران از خدمات این نوع کاربرد­ها تاکید دارد[1,3,4,5]. این­که کاربران برای انجام فعالیت هایی چون بانکداری الکترونیکی یا خرید الکترونیکی محصولات، قادر به جایگزینی وسایلی چون تلفن­های سیار و ­همراه­های شخصی دیجیتال (پی.دی.اِی)[3] به­جای کامپیوتر­های شخصی باشند، تسهیلات زیادی را برای آنها و فرصت­های جدیدی را نیز برای کسب وکار­ها فراهم­­­خواهد­کرد و لزوم توجه به این عرصه را برای محققان نمایان می­سازد[1,3].

اما پیاده­سازی سیستم­های پیشنهاد­دهنده در محیط­های سیار بدون در­نظر­گرفتن پارامتر­های تاثیر­گذار در این محیط چندان مناسب­نخواهد­بود. مجموعه این پارامتر­ها، اطلاعات زمینه را تشکیل می­ دهند [6].

عملکرد سیستم­های پیشنهاد­دهنده معرفی منابع مورد نیاز کاربران به آنهاست. این منابع می­توانند مواردی مانند اطلاعات خاص مورد نیاز کاربر و یا کالاها­یی مانند کتاب یا فیلم مورد علاقه یک کاربر را از میان انبوه کالاهایی که کاربر با اطلاعات آن­ها روبروست، در­بر­گیرند[7,8,9]. درسیستم­های پیشنهاد­دهنده، سه مجموعه داده اصلی یعنی مجموعه کاربران ©، مجموعه اقلام قابل توصیه(S) (مانند کتاب، فیلم، موسیقی و غیره) و مجموعه داده ­هایی که رابطه میان دو مجموعه قبلی را تعریف می­ کنند، وجود­دارند. مجموعهS می ­تواند شامل صد­ها، هزار­ها و حتی میلیون­ها کالا در کاربرد­های مختلف بوده و به­ طور مشابه مجموعه C نیز می ­تواند چنین وضعیتی را داشته باشد. ارتباط میان دو مجموعهC و S مبتنی بر ساختار امتیاز­گذاری است که میزان مفید بودن یا مورد علاقه بودن کالا را برای کاربر مشخص می کند. این ارتباط با تابعی تحت­ عنوان تابع سودمندی، u، به صورت رابطه زیر تعریف می­ شود.

که در آن Ratings، مجموعه مرتبی مانند اعداد صحیح غیر­منفی یا مجموعه اعداد حقیقی در بازه­ای معین می­باشد.

در سیستم­های پیشنهاد­دهنده مقادیر u معمولاً فقط بر روی زیر مجموعه ­ای از دامنه C×S تعریف­شده­است و نه بر تمام آن و قسمت های نامشخص این دامنه را باید با ­استفاده از داده ­های موجود به­صورت تخمینی مشخص نمود. هدف نهایی سیستم­های توصیه­کننده با ارائه پیشنهاد اقلام با بالاترین امتیازات تخمینی به کاربران محقق می­ شود به­ طوریکه برای هر کاربر ، اقلام با حداکثر میزان سودمندی انتخاب و معرفی می­گردد[7].

تا به امروز روش­های پیشنهاد­دهی زیادی ارائه شده­است که این روش­ها و متدولوژی­ها در دسته­بندی­های زیر قرار می­گیرند[7,9,10]:

– مبتنی بر محتوا[1] : در این گروه از روش­ها، عمل پیشنهاد­دهی با بهره گرفتن از یافتن اقلامی انجام می­گیرد که بیشترین تشابه را با اقلامی داشته باشند که در­گذشته مورد­علاقه کاربر بوده ­اند. به عبارت دیگر u(c,s)، سودمندی کالای s برای کاربر c، بر اساس کلیه مقادیر موجود u(c,si) هایی که si مشابه به s بوده و si جزء کالاهای مورد علاقه کاربر هستند،­ برآورد می­ شود.

– فیلترسازی مشارکتی : در این گروه از روش­ها، عمل پیشنهاد­دهی با بهره گرفتن از یافتن اقلامی انجام می­گیرد که مورد علاقه کاربران با سلایق مشابه کاربر بوده ­اند. کاربران با سلایق مشابه یعنی کاربرانی که اقلام یکسانی را امتیاز­دهی مشابه کرده باشند. به­عبارت دیگر u (c, s) بر اساس مقادیر موجودu(cj ,s) بدست می ­آید که cj کاربران مشابه با c می­باشند.

– مدل ترکیبی[2]: روش­هایی که دو روش مبتنی­بر­محتوا و فیلتر­سازی مشارکتی را ترکیب می­ کنند و به این صورت از مزایای هر دو روش در جهت شناسایی و معرفی کالاها بهره می­گیرند.

در نگاهی دیگر روش­های پیشنهاد­دهی، اعم از مبتنی بر محتوا و فیلتر­سازی مشارکتی به دو دسته روش­های مبتنی بر حافظه[3]و مبتنی بر مدل[4] تقسیم می­شوند. در­مقایسه با الگوریتم­های مبتنی بر حافظه، الگوریتم­های مبتنی بر مدل، با بهره گرفتن از روش­های یادگیری ماشین[5] مدلی را با بهره گرفتن از مجموعه امتیازات موجود ایجاد کرده و از آن به­منظور پیشگویی امتیازات استفاده می­ کنند[7,10,11].

1-2 موضوع تحقیق

موضوع این تحقیق، ارائه روشی برای پیشنهاد­دهی آگاه از زمینه در تجارت سیار می­باشد. با­ پیدایش تکنولوژی بی­سیم در عرصه اینترنت و استفاده روزافزون از وسایل سیار، پیاده­سازی سیستم­های پیشنهاد­دهنده در محیط­های سیار با توجه به محدودیت­های خاص آن چون

 هزینه­بر بودن زمان اتصال و تبادل داده، محدودیت پهنای باند، کیفیت پایین اتصال و محدودیت­های ورودی و خروجی وسایل سیار، نیاز به بررسی بیشتر را در جهت ارائه اطلاعات مرتبط­تر و شخصی­سازی­شده­تر می­طلبد. بررسی تاثیر اطلاعات زمینه به­عنوان شرایط و محیط دربرگیرنده کاربر و به­عنوان اطلاعاتی که بر فرایند تصمیم ­گیری وی تاثیر­گذارند، برخروجی این­گونه کاربرد­ها، مساله­ای است که در این تحقیق مورد بررسی قرار گرفته­است.

1-3 پیشینه تحقیق

ظهور تکنولوژی­های بی­سیم و استفاده رو به­افزایش وسایل سیار، فرصت­های زیادی را پیش روی کاربرد­های تجارت الکترونیک قرار­داده­است. با توجه به محدودیت­های خاص محیط­های سیار، ارائه اطلاعات به­صورت شخصی­سازی­شده­تر و سفارشی­شده­تر یکی از اهداف مهم کاربرد­های تجارت سیار است. در­نظرگرفتن اطلاعات زمینه به­عنوان شرایط و محیط دربرگیرنده کاربر و به­عنوان اطلاعاتی که بر فرایند تصمیم ­گیری وی تاثیر­گذارند، در ارائه خروجی این­گونه کاربرد­ها از جمله مواردی است که می­توان از آن در جهت ارائه اطلاعات مرتبط­تر به کاربران بهره گرفت.

سیستم­های پیشنهاد­دهنده همواره از جمله موضوعات پر اهمیت در حوزه تجارت الکترونیک بوده ­است. سیستم­های پیشنهاد­دهنده سیار آگاه از زمینه در آغاز راه هستند. دسته مهمی از سیستم­های آگاه از زمینه را سیستم­های آگاه از مکان تشکیل می­دهند. یانگ، چنگ، و دایا[12]، یک سیستم پیشنهاد­دهنده آگاه از مکان برای محیط­های سیار ارائه­داده­اند که هدف آن توصیه وب­سایت فروشندگان با در نظر­گرفتن علایق و پیش­فرض­های مشتری و همچنین فاصله مکانی وی با مکان فیزیکی مشخص­شده در وب­سایت­ها می­باشد. در روش مزبور، دو فاکتور فوق به­ طور جداگانه محاسبه­ شده و سپس بر اساس ترکیبی از آنها به پیشنهاد وب­سایت­ها پرداخته می­ شود. یکی دیگر از این نوع سیستم­ها پروکسیمو[13] است که یک سیستم پیشنهاد­دهنده آگاه از مکان برای محیط­های داخلی چون موزه­ها و گالری­ها است. این سیستم بر اساس علایق و پیش­فرض­های کاربر به پیشنهاد اقلام پرداخته و مکان اقلام را بر روی نقشه­ای بر روی وسیله همراه کاربر نمایش می­دهد.

استفاده از سایر اطلاعات زمینه­ای علاوه­بر مکان نیز مورد توجه توسعه­دهندگان این نوع سیستم­ها قرار­گرفته­است. پخش موسیقی یکی از حوزه های کاربردی پر­مصرف در میان کاربران سیار می­باشد و به همین دلیل استفاده از پیشنهاد­دهنده­های آگاه از زمینه در این حوزه مورد توجه قرار­گرفته است. از آنجایی که تاثیر موسیقی بر روح و جسم انسان ثابت شده­است، انتخاب موسیقی با توجه به شرایط می ­تواند وضعیت دوست­داشتنی­تری را فراهم­کند و افراد را در انجام فعالیت­هایشان یاری رساند. مثلاً موسیقی می ­تواند کارایی فرد را در حال انجام تمرینات فیزیکی بهبود بخشد، اضطراب را کاهش دهد و میزان یادگیری را بهبود بخشد. [14] یکی از تحقیقاتی است که در این حوزه ارائه­شده­است. در این تحقیق علاوه­بر بررسی روش­های فیلتر­سازی مبتنی­بر زمینه و مرور پیشنهاد­دهنده­های سیار آگاه از زمینه موسیقی، پیشنهاد­دهنده سیار آگاه از زمینه AndroMedia ارائه شده­است. پیشنهادات با توجه به زمینه جاری کاربر که با بهره گرفتن از حسگر­های بلوتوث در سمت برنامه مشتری بدست می­آیند و همچنین سلایق کاربر تهیه می­شوند. همچنین در مرجع [15] نیز پیشنهاد­دهی آگاه از زمینه موسیقی در محیط­های سیار مورد بررسی قرار­گرفته­است. در تحقیق پارک، یو و چو[16] نیز یک سیستم آگاه از زمینه موسیقی با بهره گرفتن از شبکه­ های بیزین فازی و تئوری سودمندی ارائه­شده­است. فرایند پیشنهاد­دهی تحلیل شده و سودمندی آن مورد ارزیابی قرار­گرفته­است.

گردشگری نیز یکی از حوزه های جذاب برای پیاده­سازی پیشنهاد­دهنده­های سیار آگاه از زمینه می­باشد. امروزه گردشگران انتظار دارند که دسترسی شخصی به اطلاعات گردشگری در هر زمان، هر مکان و در هر شرایطی را داشته­باشند. راهنما­های گردشگری سیار، چنین اطلاعاتی را در اختیار کاربران قرار می­دهند. در مرجع [17] خلاصه­ای از کار­های انجام­شده در زمینه راهنماهای گردشگری سیار تحت وب انجام گرفته­است. همچنین در مرجع[18]  تاثیر آگاهی از زمینه در سیستم­های اطلاعاتی گردشگری سیار مورد بررسی قرار گرفته­است. در [19] نیز یک کاربرد توریستی سیار با نام COMPASS ارائه­شده­است. در این تحقیق به بررسی ترکیب آگاهی از زمینه با سیستم­های پیشنهاد­دهنده پرداخته شده­است. پارامتر­های زمینه­ای این تحقیق شامل زمان و مکان می­باشند. این سیستم خدمات خود را با نیاز­های کاربر که بر اساس علایق و زمینه جاری وی مشخص می­ شود، تطبیق می­دهد.

در [20] نیز یک سیستم پیشنهاد­دهنده تصاویر با بهره گرفتن از یک روش داده ­کاوی که ترکیبی از روش­های مبتنی­بر­محتوا و مبتنی­بر اطلاعات زمینه می­باشد ارائه­شده­است. اطلاعات زمینه استفاده­شده در این تحقیق شامل زمان و مکان هستند. لی، ونگ، جنگ و دای[21]، یک سیستم توصیه­کننده آگاه از زمینه برای کاربرد­های تجارت سیار ارائه­داده­اند. در این تحقیق از مدل چند­بعدی موجود در سیستم­های OLAP برای نمایش فضای توصیه­گری و از روش مبتنی بر کاهش فضا به­منظور کاهش فضای توصیه­گری به فضای دو­بعدی و انجام عملیات توصیه­گری در فضای مزبور استفاده­کرده ­اند.

استفاده از آنتولوژی و وب معنایی در سیستم­های پیشنهاد­دهنده سیار آگاه از زمینه نیز در تحقیقات بسیاری مورد توجه­قرار­گرفته­است[22,23,24]. تکنولوژی­های وب معنایی، دسترسی هوشمند و کارا به اطلاعات را بهبود بخشیده­اند. از آنتولوژی می­توان برای مدل­سازی زمینه و همچنین برای مدل­سازی ارتباط زمینه با سایر مجموعه­داده ­ها استفاده­نمود. در تحقیق حاضر، یک روش جدید پیشنهاد­دهی آگاه از زمینه در تجارت سیار ارائه­شده­است.

[1] Content-Based

[2] Hybrid Model

[3] Memory-Based

[4] Model-Based

[5] Machine learning

 [1] Mobility

[2] Broad reach

[3] Personal Digital Assistant (i.e. PDA)

ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل و با فرمت ورد موجود است

متن کامل را می توانید دانلود نمائید

چون فقط تکه هایی از متن پایان نامه در این صفحه درج شده (به طور نمونه)

ولی در فایل دانلودی متن کامل پایان نامه

 با فرمت ورد word که قابل ویرایش و کپی کردن می باشند

موجود است

به دلیل افزایش ارتباطات متقابل منطقه‌ای و نیاز برای تبادل اطلاعات، تقاضا برای ترجمه زبان بسیار افزایش یافته است. بسیاری از نوشتجات نیاز به ترجمه دارند از جمله مستندات علمی و فنی، دستورالعمل‌های راهنما، مستندات حقوقی، کتاب‌های درسی، بروشورهای تبلیغاتی، اخبار روزنامه‌ها و غیره؛ که ترجمه برخی از آنها سخت و چالش برانگیز است اما اکثرا خسته کننده و تکراری هستند و در عین حال به انسجام و دقت نیاز دارند. برآوردن نیازهای روز افزون ترجمه برای مترجمان حرفه‌ای دشوار است. در چنین موقعیتی ترجمه ماشینی می‌تواند به عنوان یک جایگزین به کار گرفته شود.

ترجمه ماشینی بعد از 65 سال یکی از قدیمی‌ترین کاربردهای کامپیوتر است. در طول سال‌ها، ترجمه ماشینی مرکز توجه تحقیقات زبان‌شناسان، روان‌شناسان، فیلسوفان، دانشمندان و مهندسان علم کامپیوتر بوده است. اغراق نیست اگر بگوییم کارهای جدید در حوزه ترجمه ماشینی، به طور قابل ملاحظه‌ای در توسعه زمینه‌هایی نظیر زبان شناسی رایانه‌ای، هوش مصنوعی و پردازش زبان‌های طبیعی برنامه‌گرا، مشارکت کرده است.

ترجمه ماشینی را می‌توان به این صورت تعریف کرد: “ترجمه از یک زبان طبیعی (زبان مبدأ) به زبان دیگر (زبان مقصد) با بهره گرفتن از سیستم‌های کامپیوتری شده و به همراه یا بدون کمک انسان”. کار پژوهشی در حوزه ترجمه ماشینی به هدف بزرگ ترجمه تمام خودکار با کیفیت بالا (قابل نشر) محدود نمی‌شود. غالبا ترجمه‌های ناهموار برای بازبینی موضوعات خارجی کافی است. تلاش‌های اخیر، در جهت ساخت کاربردهای محدودی در ترکیب با تشخیص گفتار به خصوص برای دستگاه‌های دستی می‌باشند. ترجمه ماشینی می‌تواند به عنوان پایه‌ای برای ویرایش‌های بعدی به کار گرفته شود، مترجم‌ها معمولا با ابزارهایی نظیر حافظه‌های ترجمه که از فناوری ترجمه ماشینی استفاده می‌کنند اما آنها را در کنترل خود قرار می‌دهند، استفاده می‌کنند.

ترجمه ماشینی یکی از حوزه‌های پژوهشی «زبانشناسی رایانه‌ای» است. تا کنون روش‌های مختلفی جهت خودکار کردن ترجمه ابداع شده است، که در نوشتجات حوزه ترجمه ماشینی به صورت‌های مختلفی دسته‌بندی شده‌اند. شکل 1-1 انواع روش‌های ترجمه ماشینی موجود را در قالب دسته‌بندی که در [1] آمده است نشان می‌دهد.

1-1-1- ترجمه ماشینی مبتنی بر فرهنگ لغت

این نوع ترجمه ماشینی مبتنی بر مدخل‌های فرهنگ لغت است؛ و در آن از معادل کلمه جهت تولید ترجمه استفاده می‌شود. اولین نسل ترجمه ماشینی (از اواخر دهه 1940 تا اواسط دهه 1960) کاملا بر مبنای فرهنگ لغت‌های الکترونیک بودند. این روش همچنان تا حدی در ترجمه عبارات و نه جملات مفید است. اکثر روش‌هایی که بعدا توسعه داده شدند کم یا بیش از فرهنگ لغات دوزبانه بهره می‌گیرند [1].

2-1-1- ترجمه ماشینی مبتنی بر قانون

ترجمه ماشینی مبتنی بر قانون با اطلاعات ریخت شناسی، نحوی و معنایی زبان‌های مبدأ و مقصد سر و کار دارد. قوانین زبانی از این اطلاعات ساخته می‌شوند. این روش می‌تواند با پدیده‌های مختلف زبانی مقابله کند و قابل گسترش و قابل نگهداشت است، اما استثنائات موجود در دستور زبان مشکلاتی به این سیستم می‌افزاید. همچنین فرایند پژوهشی آن نیاز به سرمایه‌گذاری زیادی دارد. هدف ترجمه ماشینی مبتنی بر قانون تبدیل ساختارهای زبان مبدأ به ساختارهای زبان مقصد است. این روش رویکردهای مختلفی دارد.

– رویکرد مستقیم[1]: کلمات زبان مبدأ بدون عبور از یک نمایش میانی ترجمه می‌شوند. در این روش به بستر متن، معنی و دامنه توجه نمی‌شود.

– رویکرد انتقالی[2]: مدل انتقالی متعلق به نسل دوم ترجمه ماشینی است (از اواسط دهه 1960 تا دهه 1980). در این مدل، زبان مبدأ به یک انتزاع که نمایشی کمتر مختص به زبان است، انتقال می‌یابد. سپس یک نمایش معادل برای زبان مقصد (با همان سطح انتزاع) با بهره

 گرفتن از فرهنگ لغات دوزبانه و قوانین گرامری تولید می‌شود.

– میان زبانی[3]: این روش متعلق به نسل سوم ترجمه ماشینی است. در این روش زبان مبدأ به یک زبان (نمایش) میانی تغییر شکل می‌دهد که این زبان میانی مستقل از هر دو زبان شرکت کننده (مبدأ و مقصد) در ترجمه است. سپس ترجمه برای زبان مقصد از این نمایش کمکی به دست می‌آید. از اینرو در این نوع سیستم تنها به دو ماژول تجزیه و ترکیب نیاز است. همچینن به دلیل مستقل بودن این روش از زبان‌های مبدأ و مقصد، بیشتر در ماشین‌های ترجمه چندزبانه استفاده می‌شود. این روش بر یک نمایش واحد از زبان‌های مختلف تأکید می‌کند.

3-1-1- ترجمه ماشینی مبتنی بر دانش[4]این روش با واژه‌نامه‌ای مفهومی‌که یک دامنه را نشان می‌دهد سر و کار دارد. این روش شامل دو مرحله تحلیل و تولید است. اجزای پایه‌ای یک ماشین ترجمه مبتنی بر دانش عبارتند از یک آنتولوژی از مفاهیم، واژه‌نامه و گرامر زبان مبدأ برای فرایند تحلیل، واژه‌نامه و گرامر برای زبان مقصد و قوانین نگاشت بین نحو زبان میانی و زبان‌های مبدأ و مقصد.

4-1-1- ترجمه ماشینی مبتنی بر پیکره[5]

رویکرد ترجمه ماشینی مبتنی بر پیکره‌های متنی از سال 1989 ظهور پیدا کرد و به طور وسیعی در حوزه ترجمه ماشینی به آن پرداخته شد؛ و به دلیل دقت بالای این روش در ترجمه، بر دیگر روش‌ها غلبه یافت. در این روش، دانش یا مدل ترجمه به طور خودکار از پیکره‌های متنی (مجموعه متون) دوزبانه گرفته می‌شود. از آنجایی که این رویکرد با حجم زیادی از داده‌ها کار می‌کند، ترجمه ماشینی مبتنی بر پیکره نامیده شده است. برخی از انواع روش‌های مبتنی بر پیکره در ادامه شرح داده می‌شوند.

ترجمه ماشینی آماری[6]

با اینکه ایده اولیه ترجمه ماشینی آماری توسط وارن ویور در سال 1941 معرفی شد، اما از سال 1993 که این روش توسط محققان آی بی ام مدل شد به طور گسترده‌ای مورد استفاده قرار گرفت؛ به طوری‌که در حال حاضر ترجمه ماشینی آماری رایج‌ترین رویکرد در ترجمه ماشینی به شمار می‌آید. در روش ترجمه ماشینی آماری از مدل‌های آماری استفاده می‌شود که پارامترهای این مدل‌ها از متون دوزبانه یا همان «پیکره‌های موازی» استخراج می‌شوند. به عبارت دیگر سیستم ترجمه ماشینی آماری، احتمالات ترجمه را از پیکره موازی می‌آموزد و با بهره گرفتن از این احتمالات برای جملات ورودی که در فرایند آموزش دیده نشده‌اند، ترجمه‌ای مناسب تولید می‌کند. در این روش از دو مدل عمده به نام مدل‌های مبتنی بر کلمه و مدل‌های مبتنی بر عبارت استفاده می‌شود.

ترجمه ماشینی مبتنی بر مثال[7]

روش های ترجمه ماشینی مبتنی بر مثال، روش های مبتنی بر حافظه[8] نیز نامیده شده‌اند. ایده این روش از سال 1980 در ژاپن شروع شد. این نوع سیستم‌ها تلاش می‌کنند تا جمله‌ای مشابه جمله ورودی در پیکره موازی پیدا کنند، و سپس با اِعمال تغییراتی بر روی جمله ترجمه شده که قبلا ذخیره شده، ترجمه جمله ورودی را تولید کنند.

ایده اولیه در این روش، استفاده از ترجمه‌های انسانی موجود برای ترجمه متن‌های جدید است. لذا کافی است متون جدید به قطعه‌های کوچک شکسته شود و ترجمه معادل این قطعات، در پایگاه داده‌ای از قطعات ترجمه شده جستجو شده و ترجمه مورد نظر تولید گردد. این روش دارای محدودیت دادگان می‌باشد. جمع‌ آوری مجموعه مثال‌های بسیار بزرگ نیز کل زبان را پوشش نمی دهد. بنابراین معمولا این روش برای زیر مجموعه‌های محدودی از یک زبان استفاده می‌شود.

[1] Direct approach

[2] Transfer based

[3] Interlingua

[4] Knowledge based machine translation

[5] Corpus based machine translation

[6] Statistical Machine Translation (SMT)

[7] Example Based Machine Translation (EBMT)

[8] Memory based machine translation

ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل و با فرمت ورد موجود است

متن کامل را می توانید دانلود نمائید

چون فقط تکه هایی از متن پایان نامه در این صفحه درج شده (به طور نمونه)

ولی در فایل دانلودی متن کامل پایان نامه

 با فرمت ورد word که قابل ویرایش و کپی کردن می باشند

موجود است

ﭘﻨﻬﺎن نگاری و رمز نگاری دادهﻫﺎ ﺗﮑﻨﯿﮑﯽ اﺳﺖ ﮐﻪ از دﯾﺮﺑﺎز ﻣﻮرد ﻋﻼﻗﻪ ﺑﺴﯿﺎری از اﻓﺮاد ﺑﻮده اﺳﺖ. ﺑﺎ ﭘﯿﺸﺮﻓﺖ ﻋﻠﻮم و داﻧﺶ ﺑﺸﺮی روﺷﻬﺎی ﭘﻨﻬﺎن ﺳﺎزی ﻧﯿﺰ ﺑﻪ ﻧﻮﺑﻪ ﺧﻮد ﺑﺎ ﭘﯿﺸﺮﻓﺖ ﻣﻮاﺟﻪ ﺷﺪه و رﺳﺎﻧﻪﻫﺎی ﻣﻮرد اﺳﺘﻔﺎده و ﺗﮑﻨﯿﮏﻫﺎی ﭘﻨﻬﺎنﺳﺎزی دادهﻫﺎ ﻧﯿﺰ ﺗﻮﺳﻌﻪ ﯾﺎﻓﺘﻪاﻧﺪ. دو ﻫﺪف اﺻﻠﯽ را ﻣﯽﺗﻮان ﺑﺮای ﭘﻨﻬﺎنﺳﺎزی دادهﻫﺎ در ﻧﻈﺮ ﮔﺮﻓﺖ. ﻫﺪف اول ﮐﻪ از دﯾﺮﺑﺎز ﻣﻮرد ﺗﻮﺟﻪ ﺑﻮده و دﻟﯿﻞ اﺻﻠﯽ ﭘﯿﺪاﯾﺶ روﺷﻬﺎی ﻣﺨﺘﻠﻒ پنهان نگاریﻣﯽﺑﺎﺷﺪ ﭘﻨﻬﺎنﺳﺎزی دادهﻫﺎیﺳﺮی و ﻣﺤﺮﻣﺎﻧﻪ درون رﺳﺎﻧﻪﻫﺎ وﺣﺎﻣﻞﻫﺎی ﻋﻤﻮﻣﯽ اﺳﺖ (نیکولاس و همکاران، 1998).

ﻫﺪف دوم ﮐﻪ اﻣﺮوزه راﯾﺞ ﺷﺪه و ﺑﻪ دﻟﯿﻞ ﮐﺜﺮت اﺳﺘﻔﺎده ﻧﺴﺒﺖ ﺑﻪ ﻫﺪف اول ﺑﯿﺸﺘﺮ ﺑﺮروی آن ﮐﺎر ﺷﺪه اﺳﺖ، درج اﻣﻀﺎی ﺻﺎﺣﺐ رﺳﺎﻧﻪ درون آنﻣﯽﺑﺎﺷﺪ. در ﺣﺎﻟﺖ اول ﻫﺪف اﺻﻠﯽ ﮔﻨﺠﺎﻧﺪن ﺣﺠﻢ ﻗﺎﺑﻞ ﻗﺒﻮﻟﯽ از دادهﻫﺎ، در رﺳﺎﻧﻪ ﺑﻪ ﻧﺤﻮی اﺳﺖ ﮐﻪ اﻣﮑﺎن ﺑﺎزﯾﺎﺑﯽ آﻧﻬﺎ ﺗﻮﺳﻂ اﻓﺮاد دﯾﮕﺮ ﭘﯿﭽﯿﺪه و ﺣﺘﯽاﻻﻣﮑﺎن ﻏﯿﺮﻣﻤﮑﻦ ﺑﺎﺷﺪ. واﺑﺴﺘﻪ ﺑﻪ ﻧﻮع ﭘﯿﺎم و ﻧﺤﻮه اﻧﺘﻘﺎل آن ﻣﻌﻤﻮﻻً ﺣﺘﯽ اﻣﮑﺎن ﮐﺸﻒ وﺟﻮد دادهﻫﺎی ﻧﻬﻔﺘﻪ در رﺳﺎﻧﻪ ﻧﯿﺰ ﻏﯿﺮ ﻗﺎﺑﻞ ﻗﺒﻮل ﺑﻮده و در ﻫﺮ ﺻﻮرت اﻣﮑﺎن ﺑﺎزﯾﺎﺑﯽ داده ﺑﺮای اﻓﺮادﻏﯿﺮ، ﭘﺬﯾﺮﻓﺘﻨﯽ ﻧﯿﺴﺖ. در اﯾﻦﺣﺎﻟﺖ ﺣﺘﯽ در ﻣﻮاردی ﺧﺮاﺑﯽ دادهﻫﺎ ﺑﺮ اﺛﺮ دﺧﻞ و ﺗﺼﺮف در رﺳﺎﻧﻪ ﭼﻨﺪان اﻫﻤﯿﺘﯽ ﻧﺪاﺷﺘﻪ و ﺣﺘﯽ ﻣﻄﻠﻮب اﺳﺖ. اﯾﻦ در ﺣﺎﻟﯽ اﺳﺖ ﮐﻪ در ﻫﺪف دوم ﺣﺠﻢ ﺑﺴﯿﺎر اﻧﺪﮐﯽ از داده ﻣﯽﺑﺎﯾﺴﺖ ﺑﻪ ﻧﺤﻮی در رﺳﺎﻧﻪ ﭘﻨﻬﺎن ﺷﻮﻧﺪ ﮐﻪ در ﻣﻘﺎبل اﻧﻮاع ﺗﻐﯿﯿﺮات رﺳﺎﻧﻪ از ﺧﻮد ﻣﻘﺎوﻣﺖ ﻧﺸﺎن داده و ﺣﺪاﻗﻞ ﺧﺮاﺑﯽ در آﻧﻬﺎ ﭘﯿﺶ آﯾﺪ.

درﺣﻮزهﭘﻨﻬﺎنﺳﺎزی و رمزنگاری دادهﻫﺎ ﺳﻪ ﻣﻔﻬﻮم ﻧﺰدﯾﮏ ﺑﻪ ﯾﮑﺪﯾﮕﺮ وﺟﻮد دارﻧﺪ ﮐﻪ ﻻزم اﺳﺖ ﭘﯿﺶ از ورود ﺑﻪ ﻫﺮ ﺑﺤﺜﯽ در ﺧﺼﻮص ﻫﺮﮐﺪام از آنﻫﺎ ﺧﺼﻮﺻﯿﺎﺗﺸﺎن ﻣﻌﺮﻓﯽ ﮔﺮدد ﺗﺎ اﻣﮑﺎن ﺗﻔﮑﯿﮏ ﺣﻮزه در ﻫﻨﮕﺎم ﺷﺮح ﻣﻮﺿﻮع وﺟﻮد داﺷﺘﻪﺑﺎﺷﺪ. اﯾﻦ ﺳﻪ ﻣﻔﻬﻮم ﻋﺒﺎرﺗﻨﺪاز:

• پنهان­ نگاری دادهﻫﺎ

• نهان ­نگاری دادهﻫﺎ

• رﻣﺰﻧﮕﺎری دادهﻫﺎ

• 

•  

از ﺳﻪ ﻣﻔﻬﻮمﻓﻮق ﻣﻔﺎﻫﯿﻢپنهان­ نگاری و نهان­ نگاری ﻣﻔﺎﻫﯿﻤﯽﺑﺴﯿﺎر ﻧﺰدﯾﮏ ﺑﻪ ﯾﮑﺪﯾﮕﺮ ﻫﺴﺘﻨﺪ و ﺗﻔﮑﯿﮏ ﺣﻮزهﻫﺎی آنﻫﺎ از ﯾﮑﺪﯾﮕﺮ ﭘﯿﭽﯿﺪه ﻣﯽﺑﺎﺷﺪ. ﻣﻔﻬﻮم رﻣﺰﻧﮕﺎری ﻧﯿﺰ ﺑﺎ وﺟﻮد اینﮐﻪ ﺑﻪ رمزگذاری دادهﻫﺎ ﻣﯽﭘﺮدازد ﻣﯽﺗﻮان آنرا ﺑﺎ اﺳﺘﺪﻻلﺳﺎده ­ای از دو ﻣﻔﻬﻮم دﯾﮕﺮﺗﻤﯿﺰ داد. ﺑﺪان ﻣﻌﻨﯽ ﮐﻪ در رﻣﺰﻧﮕﺎری، رﺳﺎﻧﻪ اﻧﺘﻘﺎل دارای ﻣﻔﻬﻮم و داده ﻣﺴﺘﻘﻞ ﻧﺒﻮده و ﻧﻬﺎن ﺑﻮدن دادهﻫﺎ ﻋﯿﺎنﻣﯽﺑﺎﺷﺪ (هاردیک کومار و پوچری، 2012).

در ادامه ﻓﺮآﯾﻨﺪ ﺗﻔﮑﯿﮏ اﯾﻦ ﺳﻪﻣﻔﻬﻮم از ﯾﮑﺪﯾﮕﺮ و ﺣﻮزه ﻓﻌﺎﻟﯿﺖ ﻫﺮﮐﺪام مورد بررسی قرار خواهد گرفت؛ ﻫﺮدو روش پنهان­ نگاری و نهان نگاری از رﺳﺎﻧﻪای ﻋﻤﻮﻣﯽ و دارای ﻣﻔﻬﻮم ﻣﺴﺘﻘﻞ ﺑﺮای اﻧﺘﻘﺎل داده اﺳﺘﻔﺎده ﻣﯽﮐﻨﻨﺪ ﺑﺎ وﺟﻮد اﯾﻦ در ﺗﻤﺎﻣﯽ روﺷﻬﺎی نهان نگاری داده ﻣﻨﺘﻘﻞ ﺷﺪه ﻫﻤﺮاه رﺳﺎﻧﻪ ﻋﯿﺎن و ﻗﺎﺑﻞدﺳﺘﯿﺎﺑﯽ ﻣﯽﺑﺎﺷﺪ؛ در ﺣﺎﻟﯽ ﮐﻪ در روﺷﻬﺎی پنهان نگاریﻧﻤﯽﺗﻮان ﺑﻪ ﺳﺎدﮔﯽ از وﺟﻮد داده ﻧﻬﺎن، ﻣﻄﻠﻊ ﺷﺪه و ﯾﺎ آنرا اﺳﺘﺨﺮاج ﻧﻤﻮد.

در ادامه ﻧﻤﻮﻧﻪای ازداده های ذﺧﯿﺮهﺷﺪه در ﻫﺮﮐﺪام از ﺳﻪ روشﻣﺬﮐﻮرنمایش داده خواهد شد. ﺑﻪ طور ﮐﻠﯽ ﻣﯽﺗﻮان ﮔﻔﺖ ﮐﻪ از دو ﻫﺪف ﻗﺒﻠﯽ ذﮐﺮ ﺷﺪه ﻫﺪف اول ﺗﻮﺳﻂ روﺷﻬﺎی رﻣﺰﻧﮕﺎری وﻧ ﻬﺎنﺳﺎزیﻣﺤﻘﻖ ﻣﯽﮔﺮدد و از نهان نگاری ﻣﻌﻤﻮلا ﺑﺮای ﻧﯿﻞ ﺑﻪ ﻫﺪف دوم ﺑﻬﺮهﺑﺮداری ﻣﯽﺷﻮد (هاردی کوماروهمکارش، 2012). 

2-1- تعریف پنهان نگاری

پنهان­ نگاری یا استگانوگرافی هنر و علم برقراری ارتباط پنهانی است و هدف آن پنهان کردن ارتباط به وسیله قرار­دادن پیام در یک رسانه پوششی است به گونه‌ای که کمترین تغییر قابل کشف را در آن ایجاد نماید و نتوان موجودیت پیام پنهان در رسانه راحتی به صورت احتمالی آشکار ساخت.

پنهان نگاری خود شاخه­ای از دانشی به نام ارتباطات پوشیده است. دانش ارتباطات پوشیده خود شامل چندین شاخه از جمله رمز نگاری، نهان نگاری و … میباشد(پروروز و هانیمن،2003).

ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل و با فرمت ورد موجود است

متن کامل را می توانید دانلود نمائید

چون فقط تکه هایی از متن پایان نامه در این صفحه درج شده (به طور نمونه)

ولی در فایل دانلودی متن کامل پایان نامه

 با فرمت ورد word که قابل ویرایش و کپی کردن می باشند

موجود است