مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه مهندسی برق و مهندسی کامپيوتر ايران16823745184202194An Intelligent Novel Hybrid Live Video Streaming Method in Mesh-Based Peer-to-Peer Networks‌یک روش نوین ترکیبی هوشمندانه مبادله جریان زنده ویدئویی در شبکه‌های نظیر به نظیر توری261275faنغمهفرهادیاندانشگاه آزاد واحد دولت آبادبهرنگبرکتیندانشگاه آزاد اسلامی نجف آبادمجیدهارونیدانشگاه آزاد اسلامی واحد دولت آبادبهزادسلیمانی نیسیانیدانشگاه آزاد اسلامی واحد خوراسگان2019510Lack of an efficient video frame delivery method due to high delay in Pull method and large number of duplicated frames in Push method, as the two main content delivery methods among peers, has been a strong motivator for introducing hybrid methods based on these two basic approaches for live video streaming in mesh-based peer-to-peer networks. Recent studies show that these hybrid methods suffer from inherent challenges of the two basic approaches because they are just a sequential or parallel execution of them. In this regard, this research introduces AMIN, a novel hybrid method for intelligently exchanging video frames among peers. Using AMIN, contrary to Pull, each peer sends its buffer map status (BMS) to its two-hop neighbors and the peer who receives the BMS will immediately check which video frames it can send to that peer instead of requesting missed video frames in its buffer from it. In addition, contrary to Push and because of BMS, peers do not blindly send video frames to their neighbors. Simulation results show that video quality considerably increases in peers, while End-to-End delay, received delay and the number of duplicated frames decrease in comparison with two basic methods as well as another recent similar approach.فقدان یک روش کارا برای مبادله فریم‌ها به علت تأخیر زیاد در روش Pull و تعداد بالای فریم‌های تکراری در روش Push، به عنوان دو روش اصلی مبادله محتوا بین نظیرها، انگیزه‌ای قوی جهت معرفی روش‌های ترکیبی مبتنی بر این دو روش پایه جهت مبادله جریان زنده ویدئویی در شبکه‌های نظیر به نظیر توری بوده است. تحقیقات نشان داده که این روش‌ها از مشکلات ذاتی دو روش پایه رنج می‌برند، زیرا تنها تجمیعی ساده از اجرای متوالی یا موازی آنها هستند. این پژوهش به معرفی AMIN، یک روش نوین ترکیبی برای مبادله هوشمندانه فریم‌های ویدئو بین نظیرها می‌پردازد. در روش AMIN، بر خلاف روش Pull، هر نظیر نقشه وضعیت حافظه (BMS) خود را به صورت دوره‌ای به نظیرهایی تا حداکثر دو گام از خود می‌فرستند و نظیر دریافت‌کننده BMS به جای درخواست فریم از فرستنده BMS، بررسی می‌نماید خود چه فریم‌هایی را می‌تواند به سمت این نظیر ارسال نماید. همچنین بر خلاف روش Push، نظیر ارسال‌کننده فریم به دلیل وجود BMS دریافتی از همسایه خود، ارسالی کورکورانه به آن نخواهد داشت. نتایج شبیه‌سازی نشان‌دهنده افزایش قابل ملاحظه کیفیت ویدئوی دریافتی در نظیرها، کاهش تأخیر نقطه به نقطه، تأخیر دریافت و تعداد فریم‌های تکراری نسبت به دو روش پایه و مشابه اخیر است.

http://ijece.org/fa/Article/Download/28458

مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه مهندسی برق و مهندسی کامپيوتر ايران16823745184202194An Adaptive Multi-Objective Clustering Algorithm based on Auction_Prediction for Mobile Target Tracking in Wireless Sensor Networkیک الگوریتم خوشه‌بندی چندهدفه تطبیقی مبتنی بر حراج_پیش‌بینی برای ردیابی هدف متحرک در شبکه‌های حسگر بی‌سیم‌276290faرقیهعلینژاددانشگاه آزاد اسلامی واحد علوم و تحقیقاتسپیدهآدابیدانشگاه آزاد اسلامی واحد تهران شمالآرششريفيدانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران.202035One of the applications of sensor networks is to track moving target. In designing the algorithm for target tracking two issues are of importance: reduction of energy consumption and improvement of the tracking quality. One of the solutions for reduction of energy consumption is to form a tracking cluster. Two major challenges in formation of the tracking cluster are when and how it should be formed. To decrease the number of messages which are exchanged to form the tracking cluster an auction mechanism is adopted. The sensor’s bid in an auction is dynamically and independently determined with the aim of establishing an appropriate tradeoff between network lifetime and the accuracy of tracking. Furthermore, since the tracking cluster should be formed and activated before the target arrives to the concerned region (especially in high speed of target), avoidance from delay in formation of the tracking cluster is another challenge. Not addressing the mentioned challenge results in increased target missing rate and consequently energy loss. To overcome this challenge, it is proposed to predict the target’s position in the next two steps by using neural network and then, simultaneously form the tracking clusters in the next one and two steps. The results obtained from simulation indicate that the proposed algorithm outperforms AASA (Auction-based Adaptive Sensor Activation).رديابي اهداف متحرك یکی از کاربردهای شبكه‌های حسگر است. در طراحی یک الگوریتم ردیابیِ هدف متحرک دو مسأله کاهش انرژی مصرفی و بهبود کیفیت ردیابی حایز اهمیت است. یکی از راهکارهای کاهش مصرف انرژی، تشکیل خوشه ردیاب است و دو چالش مهم در تشکیل خوشه ردیاب زمان و چگونگی تشکیل آن است. به منظور کاهش تعداد پیام‌های مبادله‌شده برای تشکیل خوشه ردیاب، یک مکانیزم حراج تطبیق داده می‌شود. پیشنهاد هر حسگر در حراج با هدف برقراری موازنه‌ای مناسب میان طول عمر شبکه و دقت ردیابی به صورت پویا و مستقل ارائه می‌شود. از این گذشته، از آنجایی که خوشه ردیاب می‌بایست قبل از رسیدن هدف به ناحیه مورد نظر تشکیل شود (خصوصاً زمانی که سرعت هدف بالا است) جلوگیری از تأخیر در تشکیل خوشه ردیاب چالشی دیگر است. عدم توجه به چالش مذکور منجر به افزایش نرخ گمشدگی هدف و به تبع آن اتلاف انرژی می‌شود. برای غلبه بر این مشکل، پیش‌بینی موقعیت هدف در دو گام بعد توسط شبکه عصبی و تشکیل هم‌زمان خوشه‌های ردیاب در یک و دو گام بعد را پیشنهاد می‌دهیم. نتایج حاصل از شبیه‌سازی نشان‌دهنده عملکرد مناسب‌تر الگوریتم پیشنهادی در مقایسه با الگوریتم AASA است.

http://ijece.org/fa/Article/Download/28824

مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه مهندسی برق و مهندسی کامپيوتر ايران16823745184202194SAHAR: An Architecture to Strengthen the Control Plane of the Software-Defined Network Against Denial of Service Attacksاستفاده از معماری SAHAR جهت مقاوم کردن سطح کنترلی شبکه نرم‌افزار محور در برابر حملات منع سرویس‌291304faمهرانشتابیدانشگاه علم و صنعت ایراناحمداکبریدانشگاه علم و صنعت ایران20191111Software-defined network (SDN) is the next generation of network architecture thatby separating the data plane and the control plane enables centralized control with the aim of improving network management and compatibility. However, due to the centralized control policy, this type of network is prone to Inaccessibility of control plane against a denial of service (DoS) attack. In the reactive mode, a significant increase in events due to the entry of new flows into the network puts a lot of pressure on the control plane. Also, the presence of recurring events such as the collection of statistical information from the network, which severely interferes with the basic functionality of the control plane, can greatly affect the efficiency of the control plane. To resist attack and prevent network paralysis, this paper introduces a new architecture called SAHAR, which consists of a control box consisting of a coordinator controller, a primary flow setup controller, and one or more (as needed) secondary flow setup controller(s). Assigning monitoring and managing tasks to the coordinator controller reduces the load of flow setup controllers. In addition, dividing the incoming traffic between the flow setup controllers by the coordinator controller distributes the load at the control plane. Thus, by assigning the traffic load resulting from a denial-of-service attack to one or more secondary flow setup controller(s), the SAHAR architecture can prevent the primary flow setup controller from impairment and resist DoS attacks. Tests show that SAHAR performs better in the face of a DoS attack than existing solutions.شبکه نرم‌افزار محور (SDN) نسل بعدی معماری شبکه است که با جداکردن سطح داده و سطح کنترلی، کنترل متمرکزی را با هدف بهبود قابلیت مدیریت و سازگاری شبکه امکان‌پذیر می‌سازد. با این حال به دلیل سیاست کنترل متمرکز، این نوع شبکه مستعد از دسترس خارج شدن سطح کنترلی در مقابل حمله منع سرویس است. در حالت واکنشی، افزایش قابل توجه رخدادهای ناشی از ورود جریان‌های جدید به شبکه فشار زیادی به سطح کنترلی اعمال می‌کند. همچنين، وجود رخدادهای مكرر مانند جمع‌آوری اطلاعات آماری از سراسر شبكه كه باعث تداخل شدید با عملکرد پایه سطح کنترلی می‌شود، مي‌تواند به شدت بر کارایی سطح كنترلی اثر بگذارد. برای مقاومت در برابر حمله و جلوگیری از فلج‌شدن شبکه، در این مقاله معماری جدیدی به نام SAHAR معرفی شده که از یک جعبه کنترلی متشکل از یک کنترل‌کننده هماهنگ‌کننده، یک کنترل‌کننده اصلی نصاب قوانین جریان و یک یا چند کنترل‌کننده فرعی نصاب قوانین جریان (بر حسب نیاز) استفاده می‌کند. اختصاص وظایف نظارتی و مدیریتی به کنترل‌کننده هماهنگ‌کننده باعث کاهش بار کنترل‌کننده‌های نصاب قوانین جریان می‌شود. علاوه بر آن، تقسیم ترافیک ورودی بین کنترل‌کننده‌های نصاب قوانین جریان توسط کنترل‌کننده هماهنگ‌کننده بار را در سطح کنترلی توزیع می‌کند. بدین ترتیب، با تخصیص بار ترافیکی ناشی از حمله منع سرویس به یک یا چند کنترل‌کننده فرعی نصاب قوانین جریان، معماری SAHAR می‌تواند از مختل‌شدن عملکرد کنترل‌کننده اصلی نصاب قوانین جریان جلوگیری کرده و در برابر حملات منع سرویس مقاومت کند. آزمایش‌های انجام‌شده نشان می‌دهند که SAHAR در مقایسه با راهکارهای موجود، کارایی بهتری در مواجهه با حمله منع سرویس از خود نشان می‌دهد.

http://ijece.org/fa/Article/Download/28703

مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه مهندسی برق و مهندسی کامپيوتر ايران16823745184202194Green Cloud Computing with Reduced Energy Consumption in Live Migration Prioritizing Services محاسبات ابری سبز با کاهش مصرف انرژی در مهاجرت زنده اولویت‌دار سرویس‌ها305317faمحمدرستمیدانشگاه کاشانسلمانگلیدانشگاه کاشان2020329Today, the rapid growth in cloud computing resources usage has increased energy consumption in data centers. Green cloud computing goal is to decrease the energy consumption of data centers. In the meantime, service aggregation is a good method to reduce energy consumption in these systems. Existing aggregation methods with unnecessary migration, the unbalanced workload of hosts, and ignoring the relationship between services may reduce the quality of service and increase energy consumption. Therefore, in this study, by migrating the necessary services based on priority (including the number of children, the level and communication cost of each service), from hosts with the unbalanced workload to hosts that contain partner services, the productivity of available resources is improved and the energy consumption is decreased. Live services migration based on prioritizing and minimizing the number of migrations can also lead to response time decrease and system efficiency increase. The proposed method can lead to an 11.79% decrease in energy consumption, a 12.15% reduction in the number of service migrations, and a 1.55% increase in the number of hosts that have been shut down.امروزه رشد سریع تقاضا برای استفاده از منابع محاسباتی ابری، موجب افزایش مصرف انرژی در مراکز داده شده است. محاسبات ابری سبز برای جلوگیری از افزایش مصرف انرژی مراکز داده بیان شده است. یکی از راهکارهای کاهش مصرف انرژی در سیستم‌های پردازش ابری، استفاده از روش‌های تجمیع سرویس‌ها است. روش‌های تجمیع موجود با مهاجرت‌های غیر ضروری، عدم تعادل بار کاری میزبان‌ها و نادیده‌گرفتن ارتباط بین سرویس‌ها ممکن است باعث کاهش کیفیت سرویس و افزایش مصرف انرژی شود. لذا در این تحقیق با مهاجرت‌دادن سرویس‌های ضروری بر اساس اولویت (شامل تعداد فرزندان، سطح و هزینه ارتباطی هر سرویس)، از میزبان‌هایی که بارکاری خیلی زیاد و یا خیلی کم دارند (که موجب مصرف انرژی زیادی می‌شوند) به میزبان‌هایی که حاوی سرویس‌های همکار هستند، بهره‌وری منابع موجود مرکز داده بهبود یافته و مصرف انرژی کاهش می‌یابد. مهاجرت زنده سرویس‌ها بر اساس اولویت و به حداقل رساندن تعداد مهاجرت‌ها با هدف کاهش مصرف انرژی، کاهش زمان پاسخ و افزایش کارایی سيستم می‌باشد. با بررسی و مقایسه روش پیشنهادی با روش‌های دیگر، بهبود 37/10 درصدی در کاهش مصرف انرژی در مراکز داده ابری، 18/11 درصدی در کاهش تعداد مهاجرت سرویس‌ها و 46/1 درصدی در افزایش تعداد میزبان‌هایی که خاموش شده‌اند، مشاهده می‌شود.

http://ijece.org/fa/Article/Download/28855

مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه مهندسی برق و مهندسی کامپيوتر ايران16823745184202194Grayscale Images Deblurring Using Robust Optimization Problem in Uncertainty Conditions in Blurring Model Parametersمات‌زدائی تصاویر طیف خاکستری با استفاده از بهینه‌سازی مقاوم در شرایط عدم قطعیت در پارامترهای مدل مات‌شدگی318326faزینبمحمدیدانشگاه فردوسی مشهدابراهیم دانشی فردانشگاه بین‌المللی امام رضا (ع)عباسابراهیمی مقدمدانشگاه فردوسی مشهدمرتضی خادمیدانشگاه فردوسی مشهد2019513Nowadays, one of the most important issues in the field of image processing is image de-blurring. De-blurring of an image can be achieved via two different approaches; blind de-blurring and non-blind de-blurring. In blind de-blurring, the kernel by which the blur has occurred is assumed unknown, while in non-blind de-blurring, this kernel is given. In blind de-blurring, the blurring kernel must be estimated in order to sharpen the corrupted image. This may increase the computational cost of the de-blurring process. Non-blind image de-blurring is an ill-posed problem with linear reverse issues. Therefore, we develop optimization problems in order to estimate the original sharp images. Usually, non-blind de-blurring methods assume that the blurring kernel is error-free, however, in practice our knowledge of the PSF is uncertain. Hence, in this paper, we use a semi-blind method for de-blurring the blurred image that is robust to this uncertainty. The proposed robust optimization model is followed by a filter for image de-blurring that can attain the solution with lowest possible error in the worst case scenarios, that is, the maximum uncertainty about the blurring kernel. Based on the simulation results, our proposed semi-blind model yields more than 4 dB PSNR improvements compared to conventional blind image de-blurring methods.امروزه یکی از مهمترین مسائل حوزه پردازش تصویر، مات زدائی تصاویر مات شده است. مات زدائی تصویر با توجه به مجهول بودن یا معلوم بودن کرنل مات کننده، به ترتیب، به دو دسته مات زدائی کور و مات زدائی غیرکور تقسیم می شود. در مات زدائی کور، همزمان با تخمین تصویر، کرنل مات کننده هم باید تخمین زده شود که همین امر، باعث افزایش هزینه ی محاسباتی فرآیند مات زدائی می شود. مات زدائی غیرکور تصاویر یک مسأله بدوضع از میان مسائل معکوس خطی است. در نتیجه برای تخمین تصویر از مسائل بهینه سازی استفاده می شود. معمولاً روش های مات زدائی غیرکور، فرض می کنند که کرنل مات کننده بدون خطا است، اما در عمل دانش ما از کرنل مات کننده دارای عدم قطعیت است. از این رو، در این مقاله، از روشی برای مات زدائی تصویر مات شده استفاده می کنیم که نسبت به این عدم قطعیت مقاوم است. مدل بهینه سازی مقاوم پیشنهادی به دنبال فیلتری برای مات زدائی تصویر است که بتواند در بدترین حالت، یعنی وجود حداکثری عدم قطعیت در مورد کرنل مات کننده، جوابی با کمترین خطای ممکن بدست آورد. برمبنای نتایج شبیه سازی ها، مدل پیشنهادی ما می تواند بیش از 4 دسی بل بهبود PSNR در مقایسه با روش مات زدائی کور داشته باشد.

http://ijece.org/fa/Article/Download/28463

مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه مهندسی برق و مهندسی کامپيوتر ايران16823745184202194A Feature Selection Algorithm in Online Stream Dataset Based on Multivariate Mutual Informationیک الگوریتم انتخاب ویژگی برخط در جریان داده‌ها با استفاده از اطلاعات متقابل چندمتغیره327336faمریمرحمانی نیادانشگاه آزاد اسلامی واحد قصرشیرینپرهاممرادیدانشگاه کردستان2020117Today, in many real-world applications, such as social networks, we are faced with data streams which new data is appeared every moment. Since the efficiency of most data mining algorithms decreases with increasing data dimensions, analysis of the data has become one of the most important issues recently. Online stream feature selection is an effective approach which aims at removing those of redundant features and keeping relevant ones, leads to reduce the size of the data and improve the accuracy of the online data mining methods. There are several critical issues for online stream feature selection methods including: unavailability of the entire feature set before starting the algorithm, scalability, stability, classification accuracy, and size of selected feature set. So far, existing methods have only been able to address a few numbers of these issues simultaneously. To this end, in this paper, we present an online feature selection method called MMIOSFS that provides a better tradeoff between these challenges using Mutual Information. In the proposed method, first the feature set is mapped to a new feature using joint Random variables technique, then the mutual information of new feature with the class label is computed as the degree of relationship between the features set. The efficiency of the proposed method was compared to several online feature selection algorithms based on different categories. The results show that the proposed method usually achieves better tradeoff between the mentioned challenges.امروزه در بسیاری از مسایل دنیای واقعی همچون شبکه‌های اجتماعی، با جریان داده مواجه هستیم که در هر لحظه داده جدیدی به مجموعه داده‌های موجود اضافه می‌شود. از آنجا که کارایی بیشتر الگوریتم‌های داده‌کاوی با افزایش ابعاد داده‌ها کاهش می‌یابد، تحلیل این جریان داده‌ها در سال‌های اخیر به یکی از مسایل مهم در داده‌کاوی تبدیل شده است. روش‌های انتخاب ویژگی در جریان داده‌های برخط، روش‌های کارآمدی هستند که با حذف ویژگی‌های افزونه و نامربوط باعث کاهش ابعاد کلان داده‌ها و در نتیجه بهبود کارایی الگوریتم‌ها می‌شوند. از چالش‌های اساسی در رابطه با الگوریتم‌های انتخاب ویژگی برخط، در دسترس نبودن همه داده‌ها قبل از شروع الگوریتم، مقیاس‌پذیری، دقت ویژگی‌های انتخاب‌شده و اندازه زیرمجموعه انتخابی را می‌توان نام برد. تا کنون الگوریتم‌های انتخاب ویژگی موجود تنها توانسته‌اند بخش محدودی از این چالش‌ها را به صورت هم‌زمان مرتفع کنند. به همین منظور در این مقاله یک راهکار انتخاب ویژگی برخط به نام MMIOSFS با استفاده از اطلاعات متقابل ارائه داده‌ایم که حد واسط بهتری را میان چالش‌های ذکرشده به دست می‌آورد. در روش پیشنهادی در ابتدا مجموعه ویژگی‌ها با استفاده از تکنیک متغیرهای تصادفی توأم به یک ویژگی نگاشت و سپس اطلاعات متقابل ویژگی جدید با برچسب به عنوان میزان ارتباط مجموعه ویژگی‌های اولیه در نظر گرفته می‌شود. کارایی روش پیشنهادی با چند الگوریتم انتخاب ویژگی برخط با استفاده از دسته‌بندهای مختلف مورد ارزیابی قرار گرفته و نتایج به دست آمده نشان می‌دهد الگوریتم پیشنهادی معمولاً حد واسط بهتری میان چالش‌ها به دست می‌آورد.

http://ijece.org/fa/Article/Download/28768

مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه مهندسی برق و مهندسی کامپيوتر ايران16823745184202194Scheduling of Scientific Workflow Applications in Multi-Cloud Environment Using Cuckoo Search Algorithmزمان‌بندی کاربردهای جریان کاری علمی در محیط چندابری با استفاده از الگوریتم جستجوی فاخته337344faسمیهمحمدیدانشگاه آزاد اسلامی واحد کرمانشاهلطیفپورکریمیدانشگاه رازیسمیهعبدیدانشگاه آزاد اسلامی واحد اسلام آباد غرب20191011Multi-cloud environments consist of the considerable variety of resources where the cost of scheduling workflow applications can be significantly reduced in such environments and the resource limitationsimposed by commercial cloud providers can bealso overcome. Accordingly, this study addresses the scheduling of scientific workflowapplications in a multi-cloud environment under a deadline with the aim of minimizing costs. In this paper,an algorithm for scheduling of workflow applications in multi-cloud environment is presented using the cuckoo search algorithm which is one of the most popular meta-heuristic methods. The Cuckoo Search Algorithm is able to search the solution space in a short time and find solutions in the vicinity of the optimal global solution that is close to it. The results show that the proposed approach of this research has better performance in comparison with other meta- heuristic approach in terms of cost reduction. Moreover, the obtained solutions of the proposed meta- heuristic algorithm are in a desirable degree close to the global optimal solutions of mathematical model.محیط‌های چندابری شامل منابع متنوع قابل ملاحظه‌ای هستند که هزینه‌های زمان‌بندی کاربردهای جریان کاری در چنین محیط‌هایی می‌تواند به طور چشم‌گیری کاهش یابد و همچنین محدودیت ارائه منابع توسط فراهم‌کنندگان تجاری ابر رفع شود. بر این اساس، این تحقیق به مسأله زمان‌بندی کاربردهای جریان کاری علمی در محیط چندابری تحت قید مهلت زمانی با هدف کمینه‌سازی هزینه می‌پردازد. در اين مقاله با به كارگيري الگوريتم جستجوي فاخته که يكي از مشهورترین روش‌هاي جستجوي فراابتكاري می‌باشد، الگوريتمي براي مسأله زمان‌بندی کاربردهای جریان کاری در محیط چندابری ارائه شده است. الگوريتم فراابتكاري جستجوي فاخته قادر است در مدت زماني كوتاه فضاي جواب را جستجو نموده و جواب‌هايي را در همسايگي جواب بهینه سراسری بيابد كه به آن نزديك مي‌باشد. نتایج به دست آمده نشان می‌دهند که راهکار پیشنهادی این تحقیق در مقایسه با دیگر راهکارهای فراابتکاری در موارد کاهش هزینه کارایی بهتری داشته و همچنین جواب‌هاي به دست آمده از الگوريتم فراابتکاری پیشنهادي، در حد مطلوبی نزديک به جواب‌هاي بهینه سراسری به دست آمده از مدل رياضی است.

http://ijece.org/fa/Article/Download/28664