Frequently Asked Questions

نام و نام خانوادگی: خدیجه بدوی
عنوان پایان نامه: تخریب الاینده های آبی به کمک نانوفتوکاتالیست ZSM-5/ TiO2/Ni
رشته تحصیلی:مهندسی شیمی- فرایند های جداسازی
مقطع تحصیلی: کارشناسی ارشد ناپیوسته
استاد راهنما: دکتر حسین مرادی

چکیده:
آلودگی محیط زیست یکی از مشکلات بسیار جدی است که در حال حاضر تمام جهان با آن رو به رو است.میزان تولید رنگ در جهان در حدود یک میلیون تن تخمین زده می شود که در صنایع مختلف چرم، داروسازی،کاغذ، آرایشی و نساجی کاربرد دارد و مصرف این ترکیبات در فرآیند های صنعتی منجر به تولید حجم زیادی از پساب های رنگی می شود.در حقیقت جذب سطحی یکی از بهترین روش های رنگ زدایی از پساب ها به شمار می رود،که در این زمینه جاذب های زیادی برای حذف رنگ ها از پساب های آبی به کار گرفته می شوند.که در این پژوهش نانو فتوکاتالیست ZSM-5/Tio2/Ni برای حذف رنگ متیلن بلو ساخته شد. نانو ذرات ZSM-5/Tio2 به روش سل ژل به طور موفقیت آمیز ساخته شد. سپس سنتز ZSM-5/Tio2/Ni به روش هم رسوبی انجام شد .مشخصه یابی ساختاری نشان می دهد که سنتز دی اکسید تیتانیوم بر روی زئولیت صورت گرفته و با افزایش نیکل، ساختار دی اکسید تیتانیوم تغییری نداشته است. همچنین طیف جذبی فعالیت نانوذره در محدود اشعه فرابنفش تایید شد. همچنین تاثیر پارامترهای مختلف به حذف رنگ مانند غلظت اولیه رنگ، میزان فتوکاتالیست مصرفی و pH اولیه مورد بررسی قرار گرفت.در این پژوهش از درصد های مختلف نیکل و سه دمای کلسینه متفاوت استفاده شد که بیشترین فعالیت حذف رنگ مربوط به 5 / 0 درصد وزنی نیکل و دمای کلسینه 600 درجه سانتی گراد است. مقدار 055 / 0 گرم نانو فتوکاتالیست در pH بازی تحت تابش UV طی 2 ساعت قادر به تخریب 08 / 99 متیلن بلو می باشد.

کلیدواژه:نانو فتوکاتالیست ،متیلن بلو ، حذف رنگ

تاریخ دفاع: زمستان 1397

نام و نام خانوادگی: نسرین حاج هادیان
عنوان پایان نامه: بررسی اثرات سوپراوولاسیون بر اتوفاژی و آپوپتوز در جفت‌های روز 5/15 آبستنی در موش
رشته تحصیلی:زیست شناسی سلولی مولکولی
مقطع تحصیلی: کارشناسی ارشد ناپیوسته
استاد راهنما: دکتر محمد حسین نصر اصفهانی

چکیده:
تکنیک های کمک باروری (ART) با طیف گسترده ای از اختلالات بارداری مانند محدودیت رشد داخل رحمی (IUGR) ، زایمان زود هنگام ، وزن کم در زمان تولد (LBW) و مسمویت آبستنی (PE) مرتبط هستند. بیشتر مطالعات انجام شده در پیرامون این اختلالات، بر روی جنین متمرکز شده و توجه کمتری به اثرات احتمالی بر روی جفت شده است. در این مطالعه به بررسی اثر سوپراوولاسیون در مراحل تکامل قبل و بعد از لانه‌گزینی بر روی بیان ژن‌های وابسته به اتوفاژی و اپوپتوز در جفت‌های روز 5/15 در موش پرداخته شده است. برای تعیین اثر سوپراوولاسیون بر مراحل تکاملی قبل و بعد از لانه‌گزینی، پنج گروه آزمایشی طراحی شده است که شامل: کنترل (C)، انتقال رویان از موش کنترل به موش همزمان شده طبیعی (CTC)، سوپراووله (S)، انتقال رویان از موش سوپراووله به موش همزمان شده طبیعی (STC) و انتقال رویان از موش سوپراووله به موش همزمان شده به وسیله سوپراوولاسیون(STS) می‌باشد. طبق نتایج بدست آمده، وزن جنین و همچنین نسبت وزن جنین به وزن جفت در گروه‌های S، STC و STS در مقایسه با گروه‌های C و CTC کاهش داشته است. اتوفاژی یک فرایند کاتابولیک القایی است که توسط عوامل استرس زا خارجی نظیر کمبود مواد غذایی ، هیپوکسی و… فعال می شود. در این مطالعه به بررسی اتوفاژی و آپوپتوز در جفت غیر طبیعی ناشی از سوپراولاسیون، پرداخته شد. بیان بالاتر mRNA مارکرهای وابسته به اتوفاژی Atg5، Atg7، Beclin1 و Lc3b و همینطور بیان بالاتر ATG7 و LC3BII/LC3bI در سطح پروتئین نشان دهنده اختلال اتوفاژی در جفت‌های تحت اثر شرایط محیطی سوپراوولاسیون در مراحل پس از لانه‌گزینی (S و STS) در مقایسه با گروه‌های C، CTC و STC بوده است. علاوه بر این ، ژن‌های مرتبط با آپوپتوز شامل Bax و P53 در گروه‌های S و STS نیز در مقایسه با گروه‌های C ، CTC و STC بیان بیشتری داشته‌اند. این نتایج بیان می‌دارد که سوپراوولاسیون موجب اختلال در اتوفاژی و اپوپتوز در جفت‌های تحت اثر رژیم هورمونی، می‌شود. اگرچه مسیر سیگنالی ناشی از سوپراوولاسیون که منجر به اختلال در اتوفاژی و اپوپتوز می‌شود، به بررسی‌های بیشتری نیاز دارد.

کلیدواژه:سوپراوولاسیون، اتوفاژی، آپوپتوز، جفت و موش

تاریخ دفاع: پاییز 1398

نام و نام خانوادگی: زهرا چناری
عنوان پایان نامه: خوشه‌بندي داده‌ها با استفاده از الگوريتم بهينه‌سازي تكاملي تجمع پرندگان
رشته تحصیلی:مهندسی کامپیوتر – شبکه های کامپیوتری
مقطع تحصیلی: کارشناسی ارشد ناپیوسته
استاد راهنما: دکتر حسین مرادی

چکیده:
خوشه بندي يكي از شاخه هاي حائز اهميت در علم داده كاوي مي باشد كه به بررسي شباهت و عدم شباهت داده ها و قسمت بندي آن ها مي پردازد و داراي كاربردهاي زيادي مي باشد. الگوريتم هاي متعددي براي خوشه بندي داده ها وجود دارد. در اين تحقيق خوشه بندي يك مسئله بهينه سازي در نظر گرفته مي شود و با استفاده از يك تابع هدف مناسب به كمك يك الگوريتم بهينه سازي تكاملي سريع و كارا اين مسئله را حل مي كند. ايده اين تحقيق در اين است كه تاكنون مسئله خوشه بندي با الگوريتم بهينه سازي تكاملي تجمع پرندگان حل نشده و نتايج اين الگوريتم مي تواند خوشه بندي دقيق و سريع باشد. استفاده از يك شاخص خوشه بندي مناسب كه شرايط خوشه بندي را ارضا كند نيز داراي اهميت است. همچنين استفاده از ديتابيس هاي مناسب و استاندارد نيز لازم است تا به صورت درست الگوريتم با استفاده يك معيار ارزيابي مناسب ارزيابي و مقايسه شود.
در حالت کلی یادگیری را می توان به دوگروه اصلی تقسیم کرد: یادگیری با نظارت و یادگیری بدون نظارت. در یادگیری با نظارت از ابتدا دسته ها مشخص هستند و هر یک از داده های آموزشی به دسته ای خاص نسبت داده  شده  است. اصطلاحأ گفته می شود که ناظری وجود دارد که در هنگام آموزش اطلاعاتی علاوه بر داده های آموزش در اختیار یاد گیرنده قرار می دهد. ولی در یاد گیری بدون نظارت هیچ اطلاعاتی به جز داده های آموزشی در اختیار یاد گیرنده قرار ندارد و این یاد گیرنده است که باید درون داده ها به دنبال ساختاری خاص بگردد.
الگوريتم خوشه بندي يك الگوريتم بهينه سازي مي باشد كه دو عمل بهينه سازي بايد در آن اعمال شود. اول اينكه واريانس داخل خوشه كم بشود يا به اينكه فاصله درون خوشه اي كمينه شود و دوم اينكه فاصله بين خوشه اي بيشينه شود. اين كمينه و بيشينه شدن يك مساله بهينه سازي است، بنابراين ما مي توانيم اين دو تابع را به وسيله حاصل جمع با ضرايب متفاوت به يك تابع يا شاخص بهينه سازي تبديل كنيم و با استفاده از يك الگوريتم بهينه سازي كه ما در اين تحقيق از الگوريتم بهينه سازي تجمع پرندگان استفاده كرده ايم شاخص را كمينه يا بيشينه بكنيم و خوشه هاي بهينه را استخراج كنيم. انتخاب شاخص مناسب و الگوريتم بهينه سازي كار ما را در بهتر نتيجه گرفتن كمك مي كند.

کلیدواژه:بهينه سازي، خوشه بندي، الگوريتم تکاملي، الگوريتم تجمع پرندگان

تاریخ دفاع: زمستان 1399

نام و نام خانوادگی:بابک زورمند
عنوان پایان نامه: آموزش شبکه عصبی با استفاده از مفهوم تضاد در الگوریتم تکامل تفاضلی برای مسائل طبقه بندی
رشته تحصیلی:مهندسی کامپیوتر گرایش شبکه های کامپیوتری
مقطع تحصیلی: کارشناسی ارشد ناپیوسته
استاد راهنما: دکتر حسین مرادی

چکیده:
یادگیری در شبکه های عصبی یکی از مفاهیم مهم در این حوزه می باشد زیرا کارایی یک شبکه عصبی به طور مستقیم به کارایی الگوریتم یادگیری بستگی دارد. یکی از مهمترین الگوریتم های یادگیری شبکه های عصبی الگوریتم پس انتشار خطا است که دارای عیبهایی مثل گیر کردن در بهینه محلی می باشد. برای رفع این مشکل، این پایان نامه روشی مبتنی بر ترکیب الگوریتم تکامل تفاضلی با مفهوم تضاد ارائه کردهاست. الگوریتم تکامل تفاضلی یکی از مهمترین الگوریتم های فراابتکاری است که تاکنون کارایی خوبی در مسائل بهینه سازی از خود نشان داده است. این الگوریتم دارای سه عملگر اصلی است. عملگر اول جهش است که بر اساس سه راه حل دلخواه، یک راه حل جدید را میسازد. سپس عملگر ترکیب، این راه حل جدید را با راه حل قبلی ترکیب می کند. در نهایت عملگر انتخاب وظیفه انتخاب بهترین راه حل را بر عهده دارد. همچنین مفهوم تضاد یکی از مفاهیم بر اساس تضاد راه حل ها است که در این پایان نامه با الگوریتم تکامل تفاضلی ترکیب شده است تا کارایی را بهبود بخشد. ساختار هر فرد در روش پیشنهادی یک ارایه بوده است که طول آرایه برابر با تعداد وزنها و بایاسها میباشد. همچنین تابع هدف در این پایان نامه مبتنی بر خطای طبقه بندی بوده است.
ارزیابی روش پیشنهادی بر روی مجموعه دادههای استاندارد و در مقایسه با چندین الگوریتم نشان میدهد که روش پیشنهادی توانستهاست کارایی خوبی از خود در حل مسائل طبقه بندی نشان دهد.

کلیدواژه:شبکهی عصبی، تکامل تفاضلی، الگوریتم فراابتکاری، تضاد.

تاریخ دفاع: زمستان 1399

نام و نام خانوادگی: شیوا سعیدی
عنوان پایان نامه: بهینه یابی شرایط تولید نانوالیاف صمغ دانه بالنگو به روش الکتروریسی و بررسی ویژگی‏های مورفولوژیک و فیزیکوشیمیایی نانو الیاف تولید شده
رشته تحصیلی:مهندسی شیمی گرایش نانوفناوری
مقطع تحصیلی: کارشناسی ارشد ناپیوسته
استاد راهنما: دکتر علیرضا علافچیان

چکیده:
الکتروریسی فرایندی برای تهیه‏ی الیاف پلیمری زیرمیکرون است که الیاف حاصل از این تکنیک به دلیل ظرافت و تخلخل بالا، ویژگی‏های منحصر به فردی را در حیطه‏های پزشکی، دارویی و غذایی نشان داده‏اند. به دلیل شباهت این ساختار‏ها به ماتریس‏های برون سلولی، از آن‏ها به عنوان پوشش‏های محافظتی و ترمیم کننده زخم استفاده شده است. عمده ترکیبات استفاده شده به منظور تولید الیاف زیرمیکرونی، ترکیبات شیمیایی سنتزی بوده‏اند. با توجه به اثرات نامطلوب این ترکیبات محققین و صنعتگران در سال‏های اخیر سعی بر حذف و یا کاهش مصرف ترکیبات سنتزی در تولید نانو/میکروالیاف داشته‏اند. در همین راستا در پژوهش حاضر هدف اصلی تولید نانوالیاف به روش الکتروریسی با استفاده از صمغ استخراج شده از دانه بالنگو است. به دلیل ضعف احتمالی صمغ طبیعی دانه بالنگو در ایجاد نانوالیاف، از نسبت‏های مختلف این ترکیب با پلی‏وینیل‏الکل در مراحل الکتروریسی استفاده شد. محلول‏های اولیه به دست‏ آمده از نسبت‏های مختلف ترکیب پلی‏وینیل‏الکل و صمغ بالنگو از نظر ویژگی‏های مختلف نظیر رسانایی الکتریکی، ویسکوزیته و pH مورد بررسی قرار گرفتند. نتایج نشان داد که افزایش صمغ در محلول‏های اولیه سبب کاهش ویسکوزیته و افزایش هدایت الکتریکی و کشش سطحی می شود. در ادامه از محلول‏های تهیه شده با استفاده از دستگاه الکتروریسی سوزنی نانوالیاف تولید شد. تصاویر میکروسکوپی نمونه‏های تولید شده نشان داد که استفاده از موسیلاژ در نسبت‏های بالاتر از 60 درصد مانع از ایجاد نانوفیبر‏هایی با ساختار مناسب می شود. نتایج بررسی ویژگی‏های حرارتی (DSC) نمونه‏ها نشان داد که اضافه شدن پلی‏وینیل‏الکل، سبب بالاتر رفتن مقاومت حرارتی فیبر‏ها می شود. در پایان نتایج پژوهش حاضر نشان داد که می توان از موسیلاژ استخراج شده از دانه بالنگو به عنوان منبعی مناسب جهت تولید نانو ساختار‏ها استفاده نمود.

تاریخ دفاع: پاییز 1399

نام و نام خانوادگی: نسرین دشتستانی
عنوان پایان نامه: بهبود الگوریتم بخش‌بندی تومورهای مغزی از تصاویر MRI با استفاده از مدل مبتنی بر Level-set
رشته تحصیلی:مهندسی پزشکی- بیوالکتریک
مقطع تحصیلی: کارشناسی ارشد ناپیوسته
استاد راهنما: دکتر راحله کافیه

چکیده:
تصاویر تشدید مغناطیسی به دلیل قدرت تفکیک‌پذیری خیلی خوبی که برای بافت‌های نرم و غیرنرم در بدن انسان دارد، در موارد بسیار زیادی برای کمک برای تشخیص و درمان تومور مغز مورد استفاده قرار می‌گیرد. روش پیشنهادی یک روش تشخیص تومور از تصاویر MRI با استفاده از تنظیم سطح است. در این روش ابتدا جهت بهبود نتایج حاصل از الگوریتم بخش‌بندی، از روش گاما و تعدیل هیستوگرام برای افزایش کنتراست استفاده می‌شود. سپس ناحیه‌های غیرطبیعی را با استفاده از کانتورفعال تشخیص داده و با استفاده از روش تنظیم سطح با دقت بیش‌تری تومور را تعیین می‌کند. در مرحله بعد برای بدست آوردن تعداد خوشه‌ها از هیستوگرام استفاده شده و از روش‌های خوشه‌بندی k میانگین (k-means) و فازی C-means (FCM) نیز برای تشخیص محل تومور استفاده می‌شود. با بررسی نتایج مشخص می‌شود که استفاده از روش‌های کاهش بعد مبتنی بر FCM دارای نتایج قابل قبولی با دقت 5/92٪ در تشخیص تومور می‌باشد.

کلیدواژه:تومور،MRI مغز، سطوح همتراز ، بخش‌بندی، خوشه‌بندی

تاریخ دفاع: زمستان 1398

نام و نام خانوادگی: علی مقیمی خوراسگانی
عنوان پایان نامه: بررسی تأثیر فرولیک اسید بر بیان مارکر NURR1 در سلول های میکروگلیا موش نر
رشته تحصیلی:زیست شناسی علوم سلولی و مولکولی
مقطع تحصیلی: کارشناسی ارشد ناپیوسته
استاد راهنما: دکتر فرشاد همایونی مقدم

چکیده:
میکروگلیاها سلولهای دفاعی ساکن سیستم عصبی مرکزی هستندکه در شرایط پاتولوژیک فعال می¬شوند و به فرم تهاجمی (M1 ) خود تبدیل می شوند. تغییر وضعیت میکروگلیا از نوع M1 به نوع M2 می‌تواند در کاهش التهاب در سیستم عصبی اهمیت داشته و روند تهاجمی M1 را خاتمه دهد. افزایش بیان ترانسکریپشن فاکتور(NR4A2) Nurr1 می‌تواند در شیفت M1 به M2 نقش ایفا نماید. یکی از ترکیباتی که فعالیت میکروگلیاها را تحت تأثیر قرار می‌دهد آنتی اکسیدان فرولیک است که فعالیت‌ ضد التهابی، آنتی اکسیدانی و محافظت کننده عصبی آن در نورون‌ها اثبات شده است اما اثر آن بر میکروگلیاها کمتر بررسی شده است .لذا در این مطالعه تأثیر فرولیک اسید بر بیان مارکر Nurr1 در سلول های میکروگلیا و شیفت آنها از M1 به M2بررسی شده است.
بدین منظور ابتدا سلول¬های میکروگلیا از مغز موش های نوزاد سه روزه نر استخراج شدند. بعد از تعیین دوز موثره فرولیک اسید، غلظت 50 میکروگرم در میلی‌لیتر از آن برای ادامه مطالعه انتخاب شد و غلظت بتا آمیلوئید 50 نانومولار با توجه به مطالعات قبلی در نظر گرفته شد. گروه ها شامل: کنترل؛ تیمار با بتا آمیلوئید؛ تیمار با فرولیک اسید؛ و گروه تیمار با بتا آمیلوئید+ فرولیک اسید بودند. در این مطالعه مورفولوژی سلول های میکروگلیا ، Ramification index و بیان ژن های IL1-B به عنوان سایتوکاین التهابی وIL10 به عنوان سایتوکاین ضد التهابی و همچنین بیان مارکر Nurr1 به عنوان یک فاکتور ضد التهابی اندازه‌گیری شد و تعداد سلول های Nurr1 مثبت نیز با رنگ آمیزی اختصاصی شمارش شد.
نتایج اثبات کرد که سلول های میکروگلیا تیمار شده با فرولیک اسید مورفولوژی خود را به فرم منشعب و میله ای تبدیل می‌کنند و از حالت آمیبی که فرم التهابی میکروگلیا است خارج می‌شوند. فرولیک اسید باعث افزایش بیان مارکرNurr1 به‌عنوان یک فاکتور رونویسی اختصاصی موثر بر کاهش فعالیت التهابی شده و بیان IL1-B که یک فاکتور التهابی است را کاهش و از این طریق باعث افزایش بیان سایتوکاین ضد التهابی IL10 می شود، و لذا التهاب و استرس ناشی از بتا آمیلوئید را کاهش می‌دهد.

کلیدواژه:میکروگلیا ، فرولیک اسید ، بتا آمیلوئید ، Nurr1 ، IL1-β

تاریخ دفاع: زمستان 1399

نام و نام خانوادگی:حمید معراجی همدانی
عنوان پایان نامه: آنالیز غیرخطی تصاویر ترموگرافی به منظور تشخیص سرطان سینه با استفاده از شاخص های آشوبی
رشته تحصیلی:مهندسی پزشکی-بیوالکتریک
مقطع تحصیلی: کارشناسی ارشد ناپیوسته
استاد راهنما: دکتر شهربانو فلاحیه حمیدپور

چکیده:
سرطان سینه در طول سال های اخیر بعنوان یکی از شایع ترین سرطان ها در بین بانوان شناخته می شود. همچنین این بیماری یکی از علل مرگ میر در سنین مختلف است که درمان آن ارتباط بسیار مهمی با زمان تشخیص دارد. تشخیص این نوع عارضه با وسایل و تجهیزاتی که خود عامل ایجاد جهش در سلول ها نباشد امری مهم و ارزشمند است. در این پژوهش، با استفاده از تصاویر ترموگرافی موجود، ابتدا محل توده ها شناسایی شده و پس از محاسبه شاخص های آشوبی برای توده ها،  خوش خیم یا بدخیم بودن آن مشخص می شود. در این پایان نامه با استفاده از ترکیب شاخص های محاسباتی آشوبی همچون نمای لیاپانوف، بعد فراکتال، آنتروپی KS و بعد همبستگی می توان به محاسبه ی دقیق شاخص های آشوبی که منجر به تشخیص نوع توده می شود کمک کرد. استفاده از ویژگی های ثابت می تواند کارایی بهتر ویژگی های آشوبی را اثبات نماید. شاخص های بدست آمده برای مجموعه های مختلف تصویر به عنوان ورودی های دو طبقه بند SVM و KNN در نظر گرفته شده و نوع تومور به عنوان خروجی مشخص می گردد. نتایج به دست آمده نشان می دهد دقت طبقه بندی برای مجموعه های مختلف تصاویر و برای دو طبقه بند مطرح شده بین 98.66 تا 99.33 درصد را به دست می دهد که نشان از عملکرد مناسب روش پیشنهادی دارد. همچنین طی این پژوهش این نتیجه به دست آمد که طبقه بند KNN دقت بهتری نسبت به طبقه بند SVM دارد.

کلیدواژه: سرطان سینه – تصاویر حرارتی – استخراج ویژگی – شاخصهای بی نظمی – شبکه های عصبی
تاریخ دفاع: زمستان 1399

نام و نام خانوادگی: محمد مرادی دستجردی
عنوان پایان نامه: بررسی و بهبود روش تشخیص سرطان سینه با استفاده از دسته ویژگی ترکیبی حوزه مکان و فرکانس از تصاویر حرارتی
رشته تحصیلی: مهندسی پزشکی – بیوالکتریک
مقطع تحصیلی: کارشناسی ارشد ناپیوسته
استاد راهنما: دکترسیده شهربانو فلاحیه حمیدپور-دکتر عبدالحسین رضائی

چکیده:
سرطان سینه رایج ترین نوع سرطان در بین زنان است. مطالعات پاتولوژیک نشان داده است که بیش از 80 درصد ناهنجاری های سینه در مراحل اولیه خوش خیم هستند. بنابراین مهم ترین مسأله در درمان سرطان سینه تشخیص زودهنگام آن است. ترموگرافی مادون قرمز سینه یک روش تصویربرداری مبتنی بر ثبت الگوهای توزیع دمایی بافت سینه است و به دلیل غیرتهاجمی و غیرتماسی بودن و عدم استفاده از تابش پرتو يون ساز ، روشی مناسب درتشخیص زودهنگام سلول های سرطانی است. استخراج دسته ویژگی مناسب می تواند سرعت و دقت تشخیص سرطان سینه را افزایش دهد. در این پایان نامه یک روش جدید برای تشخیص زودهنگام سرطان سینه براساس استخراج دسته ویژگی جدید ارائه شده است. دسته ویژگی انتخاب شده شامل 59 ویژگی از الگوریتم الگوی باینری محلی (LBP)، نه ویژگی توسط الگوریتم SFTA و نه ویژگی به صورت انتخابی می باشد. در این روش جدید از الگوریتم های طبقه بندی-کننده ی k نزدیک ترین همسایگی (kNN)، ماشین بردار پشتیبان (SVM) و درخت تصمیم (DTree) برای طبقه بندی تصاویر حرارتی استفاده شده است. در روش پیشنهادی ویژگی های محاسبه شده، در حوزه مکان، فرکانس(با استفاده از الگوریتم کانتورلت) و ترکیب دو حوزه، به الگوریتم طبقه بندی کننده اعمال شده است. روش پیشنهادی تشخیص سرطان سینه در نرم افزار MATLAB 2019 و با استفاده از دو مجموعه تصویر از پایگاه داده DMR و پایگاه داده دانشگاه فدرال فلومینانسFFU برزیل مورد ارزیابی قرار گرفته است. نتایج ارزیابی نشان می دهد که الگوریتم های طبقه بندی کننده kNN و DTree به ترتیب بهترین میانگین صحت و بهترین میانگین حساسیت را در بین الگوریتم های بکار گرفته شده ارائه می-دهند. بیشترین صحت، اختصاصیت و حساسیت بدست آمده در حوزه فرکانس به ترتیب توسط الگوریتم LBP و الگوریتم طبقه بندی SVM، الگوریتم SFTA و الگوریتم طبقه بندیDTree و الگوریتم 9 features و الگوریتم طبقه بندی DTreeمی باشد. بیشترین صحت، اختصاصیت و حساسیت بدست آمده در ترکیب دو حوزه به ترتیب توسط الگوریتم 9 features و طبقه بند DTree، الگوریتم LBP و الگوریتم طبقه بندی DTree و الگوریتم 9 features و الگوریتم طبقه بندی kNN می باشد.

کلیدواژه:سرطان سینه، ترموگرافی، پردازش تصویر، استخراج ویژگی

تاریخ دفاع: زمستان 1399

نام و نام خانوادگی: آیه موری بختیاری
عنوان پایان نامه: یک الگوریتم بهبود یافته مبتنی بر ازدحام ذرات بهینه شده و AHP-TOPSIS جهت توازن بار در محاسبات ابری
رشته تحصیلی: مهندسی کامپیوتر-شبکه های کامپیوتری
مقطع تحصیلی: کارشناسی ارشد ناپیوسته
استاد راهنما: دکتر بهرنگ برکتین

چکیده:
دنیای امروز فناوری شبکه در محاسبات ابری با پیچیدگی نرم افزاری و سخت افزاری در زیر ساخت ابری مواجه است. ویژگی های متفاوت در خصوصیات وظائف کاربران و منابع محاسباتی، زمان بندی وظائف را برای ارائه دهندگان خدمات ابری به یک چالش اساسی تبدیل کرده است. اجرای به هنگام وظائف کاربران در یک فرآیند، به توزیع مناسب کارها به منابع بستگی دارد. اولویت کار، مدت و مهلت انجام وظیفه، زمان اتمام کار، قدرت پردازشی و حافظه مورد نیاز از جمله ویژگی هایی از وظائف هستند که در زمان بندی کارها مورد ارزیابی قرار می گیرند. با توجه به ناهمگنی در محیط ابری و عدم اولویت بندی و مرتب سازی وظائف که دارای تفاوت در ویژگی های ذکر شده هستند؛ نگاشت مناسب وظائف به منابع را بطور چشمگیری تحت تأثیر قرار می دهند و موجب اتلاف زمان و منابع می گردند. زیرا کارها با طول بیشتر ممکن است زمان اجرای بیشتری در بکارگیری منابع جهت اجرا شدن صرف کنند. بنابراین دیگر وظائف با طول اجرا و مهلت قانونی کمتر زمان بیشتری در انتظار اجرا شدن قرار می گیرند. نتیجه این رخداد گاها عدم مفید بودن نتایج اجرای یک وظیفه به دلیل انقضای مهلت زمان اعتبار آن است. در نظر گرفتن اولویت اجرا برای وظائف موجب صرفه جویی در هزینه و زمان می شود؛ از این رو ارائه دهندگان خدمات ابری با بکارگیری روش های زمان بندی مختلف اکتشافی، فرااکتشافی و ترکیبی تلاش دارند با تأمین رضایت کاربران، تحقق معیار کیفیت خدمات ابری را تضمین کنند. در این پایان نامه یک الگوریتم ترکیبی به نام AHP-TOPSIS-OPSO معرفی شده است. این الگوریتم از روش سلسله مراتب تحلیلی (AHP) برای تعیین اولویت در بین معیارهای وظائف کاربران استفاده می کند. سپس برای مرتب سازی وظائف در صف های اولویت بندی شده ، روش مرتبه بندی بر اساس اولویت های معیاری مبتنی بر شباهت به راه حل ایده آل (TOPSIS)  را بکار می گیرد. در نهایت برای تخصیص وظائف اولویت بندی شده هر صف که بر اساس معیارها به منابع مناسب نگاشت صورت گرفته است، از الگوریتم بهینه سازی ازدحام ذرات بهینه شده (OPSO) استفاده می شود. این روش ترکیبی در بررسی عملکرد معیارهای ابری نظیر زمان اجرای کل و میانگین استفاده از منابع در روش های مشابه توسط ابزار شبیه ساز کلودسیم مورد ارزیابی قرار گرفت. نتایج تجربی روش پیشنهای در 50 وظیفه برای بهبود دو محدودیت زمان اجرای کل و میانگین استفاده از منابع به ترتیب 37.05 درصد و 23.95 درصد بهبود را نسبت به روش های دیگر نشان داده است.
کلیدواژه:زمان بندی کار، محاسبات ابری، زمان اجرای کل، میانگین استفاده از منابع، توازن بار،AHP-TOPSIS، OPSO

تاریخ دفاع: زمستان 1399