در مسائل مختلف روزمره اطلاعاتی وجود دارند که هرکدام به‌نوعی غیرقطعی می‌باشند. مدیریت کردن این نوع از اطلاعات با استفاده از سیستم‌های پایگاه داده کلاسیک موجب فقدان زیان‌آور معانی داده ‌شده است. بنابراین استفاده از تکنیک‌های پیشرفته مدل‌سازی پایگاه داده ضروری می‌باشد. مدل‌سازی و استفاده از نظریه فازی در پایگاه داده می‌تواند به‌عنوان پایه و اساس پردازش هوشمند اطلاعات مطرح شود. از طرفی XMLدر سال‌های اخیر به‌عنوان یک زبان و ساختار استاندارد برای مبادله و نمایش اطلاعات مبتنی بر وب اهمیت بسیار زیادی پیداکرده است. در طول سال‌های گذشته راهکارهای زیادی توسط محققان ارائه‌شده است. اما در زمینه مواجهه با عدم قطعیت در XML تحقیقات چندانی صورت نگرفته است. در این تحقیق تلفیقی از فازی سازی و XML ملاحظه می‌گردد تا بتوان یک راهکار مناسب برای انجام پرس‌وجوها در پایگاه داده شی‌ءگرا ارائه داد. با ترکیب SQL و XML می‌توان یک زبان و پایگاه داده مستقل برای ذخیره و بازیابی پرس‌وجوها فراهم نمود. پرس‌وجوهای پایگاه داده در این تحقیق به دو صورت ساده و مرکب مورد بررسی قرارمی‌گیرد. در حالت مرکب، پرس‌وجوهای عطفی مورد تأکید قرار می‌گیرد. در ادامه این پرس‌وجوها با برچسب‌های XML با استفاده از فازی بیان می‌شود. نتایج تحقیق نشان می‌دهد روش پیشنهادی قابلیت پشتیبانی از پرس‌وجوهای فازی را با زبان نشانه‌گذاری فرامتن دارا می‌باشد. Manuscript profile

فرآیند معماری سازمانی چابک پیچیده بوده و معمار می‌تواند برای کنترل پیچیدگی آن، از چارچوب به عنوان تنظیم کننده ساختار و از سبک به عنوان جهت دهنده به رفتار استفاده کند. یکی از نیازهای غیروظیفه‌مندی در معماری سازمانی چابک، کارایی می‌باشد و یکی از پارامترهای کارایی سیستم، زمان پاسخ می‌باشد که در این تحقیق از آن استفاده شده است. بدین جهت و برای ایجاد نظم و سازماندهی توصیفات معماری سازمانی استفاده ازیک چارچوب الزامی می باشد. هدف از این مقاله ارائه روشی برای ارزیابی کارایی معماری سازمانی چابک، جهت دستیابی به یک معماری خوب و مناسب می باشد. در این تحقیق با بهره‌گیری از چارچوب ‌ هایی که مبنای آن‌ها چارچوب زکمن می‌باشد، ابتدا ویژگی های سازمان مورد نظر را با استفاده از نمودارهای UML بیان می شود. در ادامه این نمودارها که عمدتاً به صورت رفتاری و ساختاری می باشد به مدل‌های رسمی تبدیل می گردد. کلیشه‌های مربوط به UML که به صورت حاشیه نگاری برروی نمودارهای UML قرار می گیرند در این راستا مورد استفاده قرار خواهند گرفت. امکان ارزیابی نیازهای غیروظیفه مندی برروی مدل‌های رسمی فراهم می گردد. نتایج تحقیق نشان می‌دهد که با ارائه یک مدل، در فاز طراحی از هزینه‌های سنگین فاز پیاده سازی اجتناب می گردد. Manuscript profile

توسعه سیستم‌های نرم‌افزاری پیچیده خواهان مدل‌هایی است که ارزیابی نیازهای غیروظیفه‌مندی سیستم‌ها را در فرایند توسعه به ویژه در مراحل اولیه انجام دهد. ارزیابی معماری به روش‌های مختلفی انجام می‌گیرد، از این رو نیاز به یک روشی برای ادغام نیازهای غیروظیفه‌مندی می‌باشد. مقاله حاضر، الگوی طراحی MVC را در قالب چارچوبی مبتنی بر زبان نشانه گذاری توسعه پذیر برای ارزیابی نیاز غیروظیفه‌مندی کارایی نمایش می‌دهد. این چارچوب بر پایه شبکه‌های پتری بنا شده که به کمک آن می‌توان الگوی طراحی MVC را ارائه داد. تحقیق جاری در مقایسه کارهای پیشین امکان استفاده از زبان نشانه گذاری توسعه پذیر، جهت رسیدگی به نیازهای غیروظیفه‌مندی فراهم نموده و یک مدل اجرایی از نرم افزار ترسیم می‌نماید. Manuscript profile

رایانش ابری یکی از جدیدترین تحولات در فناوری اطلاعات محسوب می‌شود که به مرور زمان در صنعت و بخش-های آموزشی مختلف فراگیر شده است. رایانش ابری یک فناوری جدید نیست، بلکه یک روش جدید برای ارائه سرویس از طریق اینترنت است. رایانش ابری یک مفهوم جدید به عنوان مخزنی از منابع مجازی‌سازی شده است، که باعث افزایش بهره‌وری، صرفه‌جویی در منابع سخت‌افزاری و بالابردن توان محاسباتی می‌شود. یکی از نگرانی‌های اصلی در محیط رایانش ابری توازن بار است که در صورتی که به صورت مناسب انجام شود می‌تواند باعث افزایش سرعت، کارایی، افزایش رضایت مشتری، کاهش زمان پاسخ می‌شود. در این مقاله نیز مشکلات توازن بار در رایانش ابری مورد بررسی قرار گرفته و تعدادی الگوریتم‌های توازن بار معرفی می‌شود.در انتها الگوریتمی جهت بهبود توازن بار در محیط رایانش ابری پیشنهاد و سپس ارزیابی می‌شود.الگوریتم پیشنهادی ما از ترکیب الگوریتمmin-max و فازی بهره گرفته است و نشان دادیم که در اکثر حالات الگوریتم ما از خالت غیرفازی بهتر رفتار می‌کند. Manuscript profile

برای دسته بندی متن از تکنیک های استخراج اطلاعات، پردازش زبان طبیعی و یادگیری ماشین به طور وسیع استفاده می شود به طور کلی هدف یک دسته بند متون، دسته بندی اسناد در قالب تعداد معینی از دسته های از پیش تعیین شده می باشد. هر سند می تواند در یک، چند و یا هیچ دسته ای قرار بگیرد. در مورد هر سند به این سؤال پاسخ داده خواهد شد که این سند در کدام یک از دسته ها قرار می گیرد. این موضوع می تواند در قالب یک یادگیری خودکار قرار گیرد تا با استفاده از آن بتوان هر سند را به طور خودکار به دسته ای نسبت داد . در این مقاله، بعد از انتخاب مجموعه داده و پاک سازی متون به کمک روش نرمال شده فرکانس کلمه- معکوس فرکانس سند (norm TF-IDF) به ویژگی ها وزن داده می شود و در طی دو مرحله ویژگی ها با استفاده از روش های فرکانس سند (DF) و مربع چی(SChi) انتخاب می شوند و بعد با استفاده از روش تحلیل مؤلفه اصلی (PCA) ابعاد ویژگی ها کاهش داده می شود و در مرحله بعد با استفاده از ترکیب 21 ماشین بردار پشتیبان (SVM) به پیاده سازی مدل پیشنهادی می پردازیم و در نهایت صحت مدل را با روش اعتبار سنجی 10 مرحله‌ای ارزیابی می کنیم نتایج تجربی نشان می دهد که این مدل می تواند عمل دسته بندی متون را برای هفت دسته با صحت 91.86 انجام دهد که نسبت به کارهای پیشین انجام گرفته صحت بالاتری دارد. Manuscript profile