نظام محسّن لاسترجاع المعلومات قائم على خوارزمية التجزئة الإدراكية العميقة للحوسبة السحابية عن بعد
DOI:
https://doi.org/10.21123/bsj.2024.11089الكلمات المفتاحية:
تحسين خوارزمية التجزئة الإدراكية العميقة، نظام استرجاع المعلومات، الحوسبة السحابية عن بعدالملخص
يمكن أن يعزى نمو استرجاع المعلومات والخدمات المرتبطة بها إلى التقدم التقني. وفي الوقت نفسه، تتأثر الطرق التقليدية لاسترجاع المعلومات بقيود الأداء والدقة وقابلية التوسع. يعد نظام استرجاع المعلومات للحوسبة السحابية البعيدة الذي يعتمد على خوارزمية التجزئة الإدراكية العميقة المحسنة (IDP-HA) أحد الحلول التي تم تطويرها لحل هذه القيود. تُستخدم الأنظمة على نطاق واسع نظرًا لقدرتها على التعرف على الأنماط المعقدة في البيانات. لا تزال دقة قياس تشابه المعلومات غير متوفرة بسبب التعقيد الكامن في البيانات وطرق القياس. يستخدم أسلوب التجزئة الإدراكي العميق أطر عمل الشبكة العصبية العميقة (DNN) لاستخراج الميزات الهرمية من الصور المدخلة من مجموعة بيانات Microsoft Common Objects in context (MS COCO). يعد مرشح Gaussian (GF) أداة تستخدم في المعالجة المسبقة للصور الفردية لرؤى الكمبيوتر المختلفة. وبعد ذلك، تقوم هذه الطريقة بإنشاء أرقام التجزئة الرقمية عن طريق وصف العناصر المرئية للصور باستخدام آلية العتبة. هدفها الأساسي هو تحسين مقياس التشابه للحفاظ على التشابه الإدراكي وضمان تشابه رموز التجزئة للصور القابلة للمقارنة بصريًا. يتم تقليل استخدام الذاكرة باستخدام دالة التجزئة كخطوة أولى في إنشاء اتصال بين قاعدة البيانات والاستعلام. يجد هذا النهج تطبيقات في أنظمة استرجاع الصور القائمة على المحتوى، واسترجاع الصور، وتجميع الصور، واكتشاف النسخ. وبشكل عام، فهو يوفر إطارًا قويًا لإنتاج تمثيلات صور مدمجة وذات أهمية دلالية. تم تحسين IDP-HA للحوسبة السحابية عن بعد لتعزيز متوسط الاستدعاء ومتوسط الدقة ومتوسط قياس F1 ومتوسط توقيت الاستعلام لعمليات استرداد البيانات. تعمل هذه الطريقة على تقليل زمن الوصول وزيادة كفاءة النظام عن طريق إنشاء تمثيلات ثنائية مدمجة لبيانات الوسائط المتعددة. يمكن أن يكون الاسترجاع القائم على التشابه البصري موثوقًا وطبيعيًا حيث يتم الحفاظ على التشابه الإدراكي.
Received 05/03/2024
Revised 13/10/2024
Accepted 15/10/2024
Published Online First 20/12/2024
المراجع
T Guo, R. Zhou, C Tian. On the Information Leakage in Private Information Retrieval Systems. IEEE Trans Inf Forensics Secur. 2020; 15: 2999-3012. https://doi.org/ 10.1109/TIFS.2020.2981282.
B Bogale. Enhancing Effectiveness of Afaan Oromo Information Retrieval Using Latent Semantic Indexing and Document Clustering Based Searching. MSc [Thesis]. Haramaya, Oromia Region, Ethiopia. Haramaya University; 2020. https://www.scribd.com/document/641792453/Untitled .
Alexander Schindler. Multi-Modal Music Information Retrieval: Augmenting Audio-Analysis with Visual Computing for Improved Music Video Analysis. Master [Thesis]. Ithaca, New York: Cornell University; 2020. https://doi.org/10.48550/arXiv.2002.00251 .
Stefan Wagenpfeil, Paul Mc Kevitt, Matthias Hemmje. Smart Multimedia Information Retrieval. Analytics. 2023 Feb 20; 2(1): 198-224. https://doi.org/ 10.3390/analytics2010011.
Sunyaev A. Cloud computing. Internet Computing: Principles of Distributed Systems and Emerging Internet-Based Technologies. Springer Nature. 2020. 195-236. https://doi.org/10.1007/978-3-030-34957-8.
Naresh Kumar Sehgal, Pramod Chandra P. Bhatt, John M. Acken. Cloud computing with security. Concepts and practices. # Second edition. Switzerland: Springer; 2020.
Namasudra S. An improved attribute‐based encryption technique towards the data security in cloud computing. Concurrency Concurr Comput Pract Exp. 2017 Dec 08; 31(9): 1-15. https://doi.org/10.1002/cpe.4364 .
Ibrahim Alghamdi, Fatimah Alshehri, Abdullah Alghamdi, Bedine Kerim, Rahmat Budiarto. Cloud-based retrieval information system using the concept of multi-format data. Com Eng App. 2016 Feb; 5(1): 1-10. https://doi.org/10.18495/comengapp.v5i1.165.
Shengguang Yan, Lijuan He, Jaebok Seo, Minmin Lin. Concurrent healthcare data processing and storage framework using deep learning in a distributed cloud computing environment. IEEE Trans Industr Inform. 2021 Apr; 17(4): 2794-2801. https://doi.org/10.1109/TII.2020.3006616
Arokia Jesu Prabhu L, Sudhakar Sengan, Kamalam G K, Vellingiri J, Jagadeesh Gopal, Priya Velayutham, et al. Medical information retrieval systems for e-health care records using fuzzy-based machine learning model. Microprocess Microsyst. 2020 Oct ; 103344 . https://doi.org/10.1016/j.micpro.2020.103344.
Baek S. System integration for predictive process adjustment and cloud computing-based real-time condition monitoring of vibration sensor signals in automated storage and retrieval systems. Int J Adv Manuf Tech. 2021; 113: 955-966. https://doi.org/10.1007/s00170-021-06652-z.
Lei Feng, Yu You, Weiling Liao, Jiawei Pang, Ronghao Hu, Li Feng. Multi-scale change monitoring of water environment using cloud computing in optimal resolution remote sensing images. Energy Rep. 2022; 8: 13610-13620. https://doi.org/10.1016/j.egyr.2022.09.134 .
Maximilian Lam, Jeff Johnson, Wenjie Xiong, Kiwan Maeng, Udit Gupta, Yang Li, et al. Gpu-based private information retrieval for on-device machine learning inference. ASPLOS. 2024; 1: 197 – 214. https://doi.org/10.1145/3617232.3624855.
Forum Desai, Deepraj Chowdhury, Rupinder Kaur, Marloes Peeters, Rajesh Chand Arya, Gurpreet Singh Wander, et al. HealthCloud: A system for monitoring the health status of heart patients using machine learning and cloud computing. IOT. 2022; 17: 100485. https://doi.org/10.1016/j.iot.2021.100485.
J K Samriya, S Kumar, M Kumar, M Xu, H Wu, S S Gill. Blockchain and Reinforcement Neural Network for Trusted Cloud-Enabled IoT Network. IEEE Trans Consum Electron. 2024; 70(1): 2311–2322. https://doi.org/10.1109/TCE.2023.3347690.
Syam Machinathu Parambil Gangadharan, K. Arumugam, Shaziya Islam, K. V. Daya Sagar, Juan Carlos Cotrina-Aliaga, Surendra Kumar. A holistic mathematical cyber security model in fog resource management in computing environments. J Discrete Math Sci Cryptogr. 2023; 26(5); 1447–1456. https://doi.org/10.47974/JDMSC-1770 .
Yadav AS, Kumar S, Karetla GR, Cotrina-Aliaga JC, Arias-Gonzáles JL, Kumar V, et al. A Feature Extraction Using Probabilistic Neural Network and BTFSC-Net Model with Deep Learning for Brain Tumor Classification. J Imaging, 2022; 9(1): 10(1-22). https://doi.org/10.3390/jimaging9010010.
Sarvesh Kumar, Surendra Kumar, Nikhil Ranjan, Shivam Tiwari, T. Rajesh Kumar, Dinesh Goyal, et al. Digital Watermarking-Based Cryptosystem for Cloud Resource Provisioning. Int J Cloud Appl Comput. 2022; 12(1): 1–20. https://doi.org/10.4018/IJCAC.311033 .
Surendra Kumar, Jitendra Kumar Samriya, Arun Singh Yadav, Mohit Kumar. To improve scalability with Boolean matrix using efficient gossip failure detection and consensus algorithm for PeerSim simulator in IoT environment. Int J Inf Technol. 2022; 14: 2297–2307. https://doi.org/10.1007/s41870-022-00989-8 .
N Kumar, S Kumar, Virtual Machine Placement Using Statistical Mechanism in Cloud Computing Environment. Int J Appl Evol Comput.2018; 9(3); 23–31. https://doi.org/10.4018/IJAEC.2018070103 .
N Kumar, S Kumar. Conceptual Service Level Agreement Mechanism to Minimize the SLA Violation with SLA Negotiation Process in Cloud Computing Environment. Baghdad Sci J. 2021; 18(2): 1020-1029. https://doi.org/10.21123/bsj.2021.18.2(Suppl.).1020.
M Alam, M Nazir, T. Ul Hassan, A Jamal. Enhanced Optimization of Renewable Energy Sources using Artificial Intelligence Techniques. Eng sci. 2023; 19: 21-35. https://doi.org/ 10.30919/es950.
J K Samriya, S Kumar, M Kumar, M Xu, H Wu, S S. Gill. Blockchain and Reinforcement Neural Network for Trusted Cloud-Enabled IoT Network. IEEE Trans Consum. Electron. 2024; 70 (1): 2311–2322. https://doi.org/10.1109/TCE.2023.3347690.
Syam Machinathu Parambil Gangadharan, K. Arumugam, Shaziya Islam, K. V. Daya Sagar, Juan Carlos Cotrina-Aliaga, Surendra Kumar. A Holistic Mathematical Cybersecurity Model in Fog Resource Management in Computing Environments. J Discret Math Sci. Cryptogr. 2023; 26 (5): 1447–1456. https://doi.org/10.47974/JDMSC-1770 .
Arun Singh Yadav, Surendra Kumar, Girija Rani Karetla, Juan Carlos Cotrina-Aliaga, José Luis Arias-Gonzáles, Vinod Kumar, et al. Feature Extraction Using Probabilistic Neural Network and BTFSC-Net Model with Deep Learning for Brain Tumor Classification. J Imaging. 2022; 9(1): 10(1-22). https://doi.org/10.3390/jimaging9010010.
M Nazir, A Jamal, M Khan. Optimization of Machine Learning Models for Data-Driven Decision-Making. Eng sci. 2023; 18: 36-47. https://doi.org/10.30919/es933.
Sarvesh Kumar, Surendra Kumar, Nikhil Ranjan, Shivam Tiwari, T. Rajesh Kumar, Dinesh Goyal, et al. Digital Watermarking-Based Cryptosystem for Cloud Resource Provisioning. Int. J. Cloud Appl. Comput. 2022; 12(1): 1–20. https://doi.org/10.4018/IJCAC.311033.
Surendra Kumar, Jitendra Kumar Samriya, Arun Singh Yadav, Mohit Kumar. Scalability with Boolean Matrix Using Efficient Gossip Failure Detection and Consensus Algorithm for PeerSim Simulator in IoT Environment. Int J Inf Technol. 2022 May 24; 14(5): 2297–2307. https://doi.org/10.1007/s41870-022-00989-8 .
Annalisa Cappello, Sabine Chabrillat, Gaetana Ganci, Gabor Kereszturi, Veronika Kopačková-Strandová. Advances in Remote Sensing for Environmental Monitoring. Remote Sens. 2022 October 31; Special Issue of Remote Sensing.
Kumar S Kumar. Conceptual Service Level Agreement Mechanism to Minimize the SLA Violation with SLA Negotiation Process in Cloud Computing Environment. Baghdad Sci J. 2021; 18(2): 1020-1029. https://doi.org/10.21123/bsj.2021.18.2(Suppl.).1020.
N Kumar, S Kumar, Virtual Machine Placement Using Statistical Mechanism in Cloud Computing Environment. Int. J Appl Evol Comput. 2018; 9(3); 23–31. https://doi.org/10.4018/IJAEC.2018070103.
Ali Ghaffari, Nasim Jelodari, Samira pouralish, Nahide derakhshanfard, Bahman Arasteh. Securing internet of things using machine and deep learning methods: a survey. Cluster Comput, 2024 April 16; 27: 9065–9089. https://doi.org/10.1007/s10586-024-04509-0.
التنزيلات
إصدار
القسم
الرخصة
الحقوق الفكرية (c) 2024 Othman Atta Ismael , Israa Fars Hassan Hassan
هذا العمل مرخص بموجب Creative Commons Attribution 4.0 International License.