research centers


Search results: Found 7

Listing 1 - 7 of 7
Sort by

Article
Application of Clustering as a Data Mining Tool in Bp systolic diastolic

Authors: Dr. Zeki S. Tywofik --- Ali T. YASEEN
Journal: Journal of College of Education مجلة كلية التربية ISSN: 18120380 Year: 2016 Issue: 3 Pages: 321-326
Publisher: Al-Mustansyriah University الجامعة المستنصرية

Loading...
Loading...
Abstract

This work demonstrates the application of clustering , a data mining tool, in the health care system. Hemoglobin A1c is the most parameters for the monitoring of metabolic control of patients with diabetes mellitus[1]. The aim of this study is to determine the reference rang of glycosylated hemoglobin (Hb A1c%) in an Iraqi population (males and females ) effect and predict Bp systolic diastolic( Blood pressure systolic diastolic) by using demonstrates the application of clustering, as data mining tool, in the health care system. Data mining has the capability for clustering, prediction, estimation, and pattern recognition by using health databases.Blood samples were collected from 100 healthy subjects ( 50 females and 50 males ) are ranged between (20-75) years old as dataset. The reference value of HbA1c% was (5.34 + 0.67)% in female and (5.67 + 0.73)% in males. The present clustering and found a strong relation between HbA1c% and systolic diastolic blood pressure in males whereas the relation in females no significant


Article
New Three Methods for Improving Initialization of k-Means Clustering

Author: Abbas H. Hassin Alasadi* , Moslem Mohsinn Khudhair
Journal: basrah journal of science البصرة للعلوم ISSN: 18140343 Year: 2013 Volume: 31 Issue: 2A Computer conference Pages: 73-85
Publisher: Basrah University جامعة البصرة

Loading...
Loading...
Abstract

The traditional k-means algorithm is a classical clustering method which widely used in variant application such as image processing, computer vision, pattern recognition and machine learning. It is known that, the final result depends on the initial starting points. Generally, initial cluster centers are selected randomly, so the algorithm could not lead to the unique result. In this paper, we present a new algorithm which includes three methods to compute initial centers for k-means clustering. First one is called geometric method which depends on equal areas of distribution. The second is called block method which segments the image into uniform areas. The last method called hybrid which combined between first and second methods. The experimental results appeared quite satisfactory.


Article
Employing hybrid methods for compression color images
ضغط الصور الملونة باستخدام خوارزمية K-Means وخوارزمية Run Length Encoding

Author: Baheja K.Shukur
Journal: journal of kerbala university مجلة جامعة كربلاء ISSN: 18130410 Year: 2013 Volume: 11 Issue: 2 Pages: 137-144
Publisher: Kerbala University جامعة كربلاء

Loading...
Loading...
Abstract

The purpose of compressing images to represent the image less to provide cost data storage and transmission time, however, the effectiveness of pressure accomplished by bringing the original image (instead of the exact loss). Therefore clustering problem defined as a collection of objects which are “similar” between them and are “dissimilar” to the objects belonging to other clusters; so, as every other problem of this kind, it deals with finding a structure in a collection of unlabeled data that providing a novel solution to the color image compression by exploiting the ability to generating groups of data by using k-mean algorithm. In this study true color images converted to YIQ color space then k-mean algorithm applied on the Y component to determine the number of cluster which used to constructing the clustered images. Run length encoding (RLE) algorithm applied on the resulting YIQ clustering images. In decompression stage RLE decompression algorithm used to reconstruct the RGB color images. Number of quality measurement computed like (peak signal to noise ratio (PSNR), (mean square error) MSE and signal to noise ratio (SNR) to measure the amount of distortion in this processes also the compression ratio calculated.

الغرض من ضغط الصور لتمثيل الصورة بأقل بيانات لتوفير كلفة الخزن ووقت الإرسال, ومع ذلك فعالية الضغط تنجز بتقريب للصورة الأصلية( بدلا من ضياعها بالضبط),ولهذا السبب مشكلة الغنقدة والتي تعرف هي تجميع للبيانات المتشابهه مع بعضها والتي تختلف عن البيانات التي تنتمي الى عناقيد اخرى حيث تم استغلال هذة الخاصية لتوفير طريقة لضغط الصور الملونة. في هذا البحث تم استخدام صورة ملونة ومن ثم تم تحويلها من صيغة الـــRGB إلى صيغة YIQ ومن ثم تم استخدام خوارزمية K-mean على مركبة Y بتحديد عدد العناقيد ولتقليل عملية الحساب, وبالنهاية استخدم خوارزمية RLE على المكونات الناتجة YIQ ومن جانب أخر استخدمنا خوارزمية إعادة فك الضغط لخوارزمية RLE للحصول على YIQ وبناء صورة ملونة بمساحة لونية RGB وبعد ذلك حساب ,MSR PSNR لقياس كمية التشويه وإيجاد نسبة الضغط.


Article
Low Energy Consumption Scheme Based on PEGASIS Protocol in WSNs
طريقة لتقليل استهلاك الطاقة بالاعتماد على PEGASIS بروتوكول في شبكات الاستشعار اللاسلكية

Authors: Hiba S. Mahdi هبة صلاح مهدي --- Imad J. Mohammed عماد جاسم محمد --- Nushwan Y. Baithoon نشوان يوسف بيثون
Journal: Iraqi Journal of Science المجلة العراقية للعلوم ISSN: 00672904/23121637 Year: 2015 Volume: 56 Issue: 3A Pages: 2051-2062
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

Wireless Sensor Networks (WSNs) are composed of a collection of rechargeable sensor nodes. Typically, sensor nodes collect and deliver the necessary data in response to a user’s specific request in many application areas such as health, military and domestic purposes. Applying routing protocols for sensor nodes can prolong the lifetime of the network. Power Efficient GAthering in Sensor Information System (PEGASIS) protocol is developed as a chain based protocol that uses a greedy algorithm in selecting one of the nodes as a head node to transmit the data to the base station. The proposed scheme Multi-cluster Power Efficient GAthering in Sensor Information System (MPEGASIS) is developed based on PEGASIS routing protocol in WSN. The aim of the proposed scheme is to introduce a transmission power control system based on the residual energy level and the energy harvesting status of each sensor node to extend the overall lifetime of WSN and to balance the energy usage, this leads to increasing network lifetime and decreasing energy consumption. MPEGASIS outperforms PEGASIS protocol by about 19%, and LEACH protocol by about 34%. For the sake of performance evaluation, MPEGASIS protocol besides PEGASIS and LEACH protocols are simulated and compared using Network Simulator (NS2).

شبكات الاستشعار اللاسلكية هي تتكون من مجموعة من عقد الاستشعار القابلة للشحن. عقد الاستشعار تجمع وتقدم البيانات اللازمة للمستخدم ردا على طلبه المحدد. تطبق شبكات الاستشعار اللاسلكية في العديد من المجالات مثل الصحة والأغراض العسكرية والمنزلية. تطبيق بروتوكولات التوجيه لعقد الاستشعار يسبب استهلاك البطارية وهدر الطاقة فالحفاظ على الطاقة مهم جدا لإطالة عمر الشبكة. لهذا السبب (PEGASIS) هو البروتوكول الذي يعتمد على طريقة السلسلة للربط بين العقد باستخدام خوارزمية الجشع والتي تحدد واحدة من العقد كعقدة رئيسة لنقل البيانات من جميع العقد إلى المحطة الأساسية. المخطط المقترح (MPEGASIS) تم تطويره بناءاعلى بروتوكول PEGASIS)) والهدف من هذا المقترح هو إدخال نظام السيطرة على الطاقة على أساس مستوى الطاقة المتبقية وجمع الطاقة لكل عقدة استشعار لتمديد عمر شبكات الاستشعار اللاسلكية وتحقيق التوازن في استخدام هذه الطاقة. تفوق (MPEGASIS) بروتوكول بنحو 19٪ على (PEGASIS) بروتوكول وبنحو 34٪ على (LEACH) بروتوكول. من اجل تقييم الاداء ومحاكاة لـ (MPEGASIS) بروتوكول الى جانب (PEGASIS) و (LEACH) والمقارنة بينهم باستخدام محاكي الشبكات (NS2).


Article
Using Artificial Intelligence Techniques for Image Compression

Author: Baydaa I. Khaleel
Journal: AL-Rafidain Journal of Computer Sciences and Mathematics مجلة الرافدين لعلوم الحاسوب والرياضيات ISSN: 18154816 Year: 2014 Volume: 11 Issue: 2 Pages: 65-81
Publisher: Mosul University جامعة الموصل

Loading...
Loading...
Abstract

Image compression helps in storing the transmitted data in proficient way by decreasing its redundancy. This technique helps in transferring more digital or multimedia data over internet as it increases the storage space. This research presents some methods to compress digital images using Artificial Intelligence Techniques(AITs) that include from fuzzy logic, swarm intelligent technique, and artificial neural networks. Traditional clustering algorithm k-means and AITs were used, such as Gath-Geva fuzzy clustering algorithm, and Particle Swarm Optimization Technique(PSO), and combined Gath-Geva with backpropagation neural network to produce a new method which is called Fuzzy BackPropagation Network (FBPN) algorithm, by applying these methods on gray level and color images and then applying compression algorithm RLE on it to obtain compressed image. Image quality measures have done by Peak Signal to Noise Ratio(PSNR), Mean Square Error(MSE), and Bitperpixel(bpp), compression ratio (CR) have been computed. Finally, a comparison between results after applying these algorithms on the images data set was obtained.

يساعد كبس الصور في خزن البيانات المنقولة بطريقة ماهرة عن طريق تقليصها. وتساعد هذه التقنية في نقل بيانات رقمية كثيفة او بيانات وسائط متعددة عبر الانترنيت مما يؤدي الى زيادة مساحة الخزن. قدم هذا البحث بعض الطرائق لكبس بيانات الصور الرقمية باستخدام التقنيات الذكائية الاصطناعية والتي تشمل المنطق المضبب، وتقنية ذكاء السرب الاصطناعية، والشبكات العصبية الاصطناعية. وتم استخدام خوارزمية العنقدة التقليدية K-means وتقنيات ذكائية اصطناعية مثل خوارزمية العنقدة المضببة G-G وخوارزمية سرب الطيور PSO، كما تم دمج خوارزمية G-Gمع شبكة الانتشار الخلفي BP لتنتج طريقة جديدة و سميت خوارزمية شبكة الانتشار الخلفي المضببة FBPN ، وطبقت هذه الطرائق على الصور الملونة لعنقدتها ومن ثم تطبيق خوارزمية الكبس RLE للحصول على صورة مكبوسة. وتم حساب المقاييس النوعية للصور وهيbpp, MSE, PSNR CR,. واخيرا تمت المقارنة بين النتائج التي تم الحصول عليها بعد تطبيق هذه الخوارزميات على مجموعة بيانات الصور.


Article
Alzheimer Disease Diagnosis using the K-means, GLCM and K_NN

Author: Wed Kadhim Oleiwi
Journal: Journal of University of Babylon مجلة جامعة بابل ISSN: 19920652 23128135 Year: 2018 Volume: 26 Issue: 2 Pages: 57-65
Publisher: Babylon University جامعة بابل

Loading...
Loading...
Abstract

Investigation of medical images have major consequence in the field of treatment.in this work ,MR images have been used to distinguish the normal brain from brain with Alzheimer disease .Texture is an native property of all surfaces it contains important facts about the structural organization of the surfaces and their connections neighboring area. In direction to classify texture must be segmented into a number of section that has the similar properties, for this purpose we used k- means algorithm with GLCM for feature extraction ,finally we used k-nearest neighbor algorithm to distinguish between normal and abnormal brain.

البحث في الصور الطبية له الاثر الكبير في حقل العلاج. في هذا البحث، تم استخدام صور الرنين المغناطيسي لتمييز الدماغ الطبيعي من الدماغ المصاب بمرض الزهايمر .النسيج(texture) هو الخاصية الأهم حيث يحتوي على حقائق هامة حول التنظيم الهيكلي اللاسطح وصلاته بالمنطق المجاورة للنسيج. في حقل تصنيف النسيج يجب أن يكون مقسمه إلى عدد من المناطق التي تتشارك الخصائص، لهذا الغرض استخدمنا خوارزمية k- means مع GLCM لاستخراج الخصائص، وأخيرا استخدمنا خوارزمية k-nearest neighbor للتمييز بين الدماغ طبيعي وغير طبيعي.


Article
A Semi-Supervised Machine Learning Approach Using K-Means Algorithm to Prevent Burst Header Packet Flooding Attack in Optical Burst Switching Network
منهج تعليمي شبه آلي للإشراف باستخدام خوارزمية K-Means لمنع هجوم دفق حزمة حزم رأس الاندفاع في شبكة تبديل الانفجارات البصرية

Authors: Muhammad Kamrul Hossain Patwary محمد قمر حسين باتوري --- Md. Mokammel Haque محمد كامل الحق
Journal: Baghdad Science Journal مجلة بغداد للعلوم ISSN: 20788665 24117986 Year: 2019 Volume: 16 Issue: 3 Supplement Pages: 804-815
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

Optical burst switching (OBS) network is a new generation optical communication technology. In an OBS network, an edge node first sends a control packet, called burst header packet (BHP) which reserves the necessary resources for the upcoming data burst (DB). Once the reservation is complete, the DB starts travelling to its destination through the reserved path. A notable attack on OBS network is BHP flooding attack where an edge node sends BHPs to reserve resources, but never actually sends the associated DB. As a result the reserved resources are wasted and when this happen in sufficiently large scale, a denial of service (DoS) may take place. In this study, we propose a semi-supervised machine learning approach using k-means algorithm, to detect malicious nodes in an OBS network. The proposed semi-supervised model was trained and validated with small amount data from a selected dataset. Experiments show that the model can classify the nodes into either behaving or not-behaving classes with 90% accuracy when trained with just 20% of data. When the nodes are classified into behaving, not-behaving and potentially not-behaving classes, the model shows 65.15% and 71.84% accuracy if trained with 20% and 30% of data respectively. Comparison with some notable works revealed that the proposed model outperforms them in many respects.

شبكة تبديل الاندفاع البصري (OBS) هي تقنية اتصال بصري من الجيل الجديد. في شبكة OBS ، ترسل عقدة الحافة أولاً حزمة تحكم ، تسمى حزمة رأس الاندفاع (BHP) التي تحتفظ بالموارد اللازمة لدفعة البيانات القادمة (DB). بمجرد اكتمال الحجز ، تبدأ قاعدة البيانات بالتحرك إلى وجهتها من خلال المسار المحجوز. هناك هجوم بارز على شبكة OBS هو هجوم فيضان BHP حيث ترسل عقدة الحافة BHPs لحجز الموارد ، ولكن في الواقع لا ترسل قاعدة البيانات المرتبطة بها. نتيجة لذلك ، يتم إهدار الموارد المحجوزة وعندما يحدث ذلك على نطاق واسع بما فيه الكفاية ، فقد يحدث رفض الخدمة (DoS). في هذه البحث ، نقترح طريقة شبه آلية للتعلم باستخدام خوارزمية الوسائل k ، لاكتشاف العقد الخبيثة في شبكة OBS. تم تدريب النموذج شبه المراقب المقترح والتحقق من صحته باستخدام بيانات كمية صغيرة من مجموعة بيانات مختارة. تُظهر التجارب أن النموذج يمكن أن يصنف العقد إلى فصول تتصرف أو لا تتصرف بدقة 90٪ عند التدريب باستخدام 20٪ فقط من البيانات. عندما يتم تصنيف العقد إلى فصول تتصرف ، لا تتصرف، وربما لا تتصرف ، فإن النموذج يظهر دقة 65.15 ٪ و 71.84 ٪ إذا تم تدريبه بنسبة 20 ٪ و 30 ٪ من البيانات على التوالي. مقارنة مع بعض الأعمال البارزة كشفت أن النموذج المقترح يتفوق عليها في كثير من النواحي.

Listing 1 - 7 of 7
Sort by
Narrow your search

Resource type

article (7)


Language

English (7)


Year
From To Submit

2019 (1)

2018 (1)

2016 (1)

2015 (1)

2014 (1)

More...