- شریف پژوه
پیاده سازی مقاله: تشخیص بیماری آریتمی قلبی با استفاده از یادگیری عمیق
چکیده:
سفارش انجام پروژه پیش بینی نرخ جرم و جنایت با تلفیق روش های درخت تصمیم و الگوریتم سیستم ایمنی مصنوعی:
با گسترش روزافزون سیستم های کامپیوتری، تحلیلگران اطلاعات می توانند به روند حل جرم و جنایات سرعت بخشند و از این طریق به اجرای قانون کمک کنند. تجزیه و تحلیل و پیشگیری از جرم رویکردی برای شناسایی و تحلیل الگوها و روند جنایت است. در این پروژه اطلاعات ناشناخته و مفید از داده های بدون ساختار استخراج می شود و مناطقی که احتمال وقوع جرم و جنایت در آن ها وجود دارد، پیش بینی می شود.
در این پروژه، با استفاده از تلفیق روش های درخت تصمیم (decision tree) و الگوریتم سیستم ایمنی مصنوعی (Artificial immune system algorithm)، مجموعه داده های مربوط به پیش بینی نرخ جرم و جنایت مورد بررسی قرار گرفته است. نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.
سفارش انجام پروژه زمانبندی بهینه کارها با استفاده از الگوریتم هارمونی در محیط رایانش ابری (CloudSim):
در این پروژه، با استفاده از الگوریتم هارمونی (Harmony search algorithm)، زمانبندی بهینه کارها در محیط رایانش ابری (Cloud Computing) مورد بررسی قرار گرفته است. نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.
سفارش انجام پروژه داده کاوی تشخیص نفوذ در شبکه های کامپیوتری به کمک روش های شبکه ی عصبی و الگوریتم ژنتیک:
سامانههای تشخیص نفوذ، وظیفهٔ شناسایی و تشخیص هر گونه استفادهٔ غیرمجاز به سیستم، سوء استفاده یا آسیبرسانی توسط هر دو دستهٔ کاربران داخلی و خارجی را بر عهده دارند. تشخیص و جلوگیری از نفوذ امروزه به عنوان یکی از مکانیزمهای اصلی در برآوردن امنیت شبکهها و سیستمهای رایانهای مطرح است و عمومأ در کنار دیوارههای آتش و به صورت مکمل امنیتی برای آنها مورد استفاده قرار میگیرند. برای مطالعه جزییات بیشتر در مورد تشخیص نفوذ کلیک کنید.
در این پروژه، با استفاده از تلفیق روش های شبکه ی عصبی (neural network) و الگوریتم ژنتیک (genetic algorithm)، مجموعه داده های مربوط به تشخیص نفوذ در شبکه های کامپیوتری مورد بررسی قرار گرفته است. نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.
سفارش انجام پروژه پیش بینی نرخ جرم و جنایت با استفاده از تلفیق شبکه ی عصبی و الگوریتم ژنتیک:
با گسترش روزافزون سیستم های کامپیوتری، تحلیلگران اطلاعات می توانند به روند حل جرم و جنایات سرعت بخشند و از این طریق به اجرای قانون کمک کنند. تجزیه و تحلیل و پیشگیری از جرم رویکردی برای شناسایی و تحلیل الگوها و روند جنایت است. در این پروژه اطلاعات ناشناخته و مفید از داده های بدون ساختار استخراج می شود و مناطقی که احتمال وقوع جرم و جنایت در آن ها وجود دارد، پیش بینی می شود.
در این پروژه، با استفاده از تلفیق روش های شبکه ی عصبی (neural network) و الگوریتم ژنتیک (genetic algorithm)، نواحی مستعد جرم شناسایی خواهند شد. نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.
سفارش انجام پروژه تشخیص فرار مالیاتی به کمک روش های شبکه ی عصبی و الگوریتم ژنتیک:
فرار مالیاتی یا گریز از مالیات (Tax evasion) به هر گونه تلاش قانونی یا غیرقانونی یک شرکت به منظور طفره رفتن و گریختن از پرداخت مالیات یا کمتر پرداخت نمودن آن، به هر شیوه که انجام شود، گفته میشود. در سال های اخیر تکنیک های داده کاوی برای ارائه ی ابزارهای مؤثر برای تقویت کارآیی و اثربخشی تشخیص فرار مالیاتی مورد توجه قرار گرفته اند. تکنیک های داده کاوی قادر به شناسایی الگوهای خاص و مطابقت آن با داده های جدید می باشد و از این طریق می تواند برای کاهش یا به حداقل رساندن ضرر و زیان ناشی از فرار از مالیاتی مورد استفاده قرار بگیرند. برای مطالعه جزییات بیشتر در مورد تشخیص فرار مالی کلیک کنید.
در این پروژه، با استفاده از تلفیق روش های شبکه ی عصبی (neural network) و الگوریتم ژنتیک (Genetic Algorithm)، مجموعه داده های مربوط به تشخیص فرار مالیاتی مورد بررسی قرار گرفته است. نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.
پیاده سازی پایان نامه: پیشبینی مصرف انرژی ساختمان با استفاده از یادگیری عمیق
نسبت بالای انرژی مصرف شده در ساختمان ها باعث بروز مشکلات زیست محیطی بسیاری شده است که اثرات نامطلوبی بر موجودیت بشر ایجاد می کند. پیشبینی مصرف انرژی ساختمان اساساً به عنوان روشی برای حفظ انرژی و بهبود تصمیمگیری در جهت کاهش مصرف انرژی اعلام میشود. ساخت ساختمان های کارآمد انرژی به کاهش کل انرژی مصرفی در ساختمان های جدید کمک می کند. روش یادگیری عمیق که به عنوان یکی از بهترین روش های تولید نتایج مطلوب در کار پیش بینی شناخته شده است در این تحقیق برای پیش بینی مصرف انرژی ساختمان به کار می رود.
سفارش انجام پروژه داده کاوی تشخیص تقلب در کارت های اعتباری به کمک روش های شبکه ی عصبی و الگوریتم تکامل تفاضلی:
به دلیل ضعف های امنیتی سیستم پردازش کارت هـای بـانکی، تقلـب در آن هـا رونـد رو به گسترشی دارد و خسارت های زیادی وارد می کند. تقلب در کارت های بانکی به یکی از راه های کسب درآمد بـرای مجرمـان تبـدیل شـده اسـت. به همین دلیل مسئله ی تقلب برای بانـکهـا و مؤسسه ها اهمیت بالایی دارد. رویکردهای تشخیص تقلب به طور گسترده به دو دسته تقسیم می شوند. مورد اول، تشخیص سو استفاده است که تلاش می کند که موارد مشاهده شده قبلی را در قالب یک الگو یا امضا تشخیص دهد. مورد دوم، تشخیص ناهنجاری است که تلاش می کند تا یک مشخصه از تاریخچه عملکرد برای هر کاربر ایجاد کرده و سپس با هرگونه انحراف به قدر کافی بزرگ، پی به یک رفتار مشکوک می برد.
در این پروژه، با استفاده از تلفیق روش های شبکه ی عصبی (neural network) و الگوریتم تکامل تفاضلی (differential evolution algorithm)، مجموعه داده های مربوط به تشخیص تقلب در کارت های اعتباری مورد بررسی قرار گرفته است. نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.
سفارش انجام پروژه داده کاوی پیش بینی نقص در ماژول های نرم افزاری به کمک روش های شبکه ی عصبی و الگوریتم ژنتیک:
با توجه به اهمیت نقش نرمافزارها در زندگی جوامع امروزی، تحقیقات پیرامون کیفیت نرمافزار در سالهای اخیر، گسترش زیادی داشته است. خطاهای پیشبینی نشده ی نرمافزاری هزینههای زیادی را مصرف کننده ها، تحمیل میکند. بنابراین، تحقیقات حوزه ی نرم افزار، بر روی تولید سیستمهای با کیفیت بالا متمرکز شدهاند. مهم ترین مولفه در سیستم نرمافزاری، قابلیت اطمینان است. تعداد خرابی در زمان اجرای نرمافزار باید حداقل شود تا بتوان به قابلیت اطمینان مناسبی حاصل شود.
در این پروژه، با استفاده از تلفیق روش های شبکه ی عصبی (neural network) و الگوریتم ژنتیک (genetic algorithm)، مجموعه داده های مربوط به پیش بینی نقص در ماژول های نرم افزاری مورد بررسی قرار گرفته است. نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.
پیاده سازی مقاله: ارائه یک سیستم توصیه گر برای استخراج اطلاعات موردنیاز کاربران در زمینه املاک با استفاده از وب کاوی
چکیده:
با رشد تکنولوژی در عصر امروزی و اهمیت و صرفه جویی در وقت و هزینه،تجارت الکترونیکی یکی از ضرورت های تجاری محسوب می شود.رشد روز افزون بنگاه های تجاری گوناگون بر روی وب،باعث دشوار شدن انتخاب مشتریان گردیده است.با توجه به فضای رقابتی موجود در وب سایت های مختلف و فروشگا های تجاری موجود،لزوم استفاده از ابزاری که سبب جذب بیشتر مشتریان و رضایتمندی آنان گردد و نیز از سردرگمی آنان در میان حجم عظیم اطلاعات جلوگیری کرده و آنان را در دسترسی سریعتر به هدف،یاری نماید،بیش از پیش احساس می شود.یکی از ابزارهای موثر در تجارت الکترونیک،سیتم های توصیه گر می باشند.سیستم های هوشمندی که به ارائه ی پیشنهادات شخصی سازی شده به کاربران،سبب ترغیب آنان به خرید از وب سایت ها یا فروشگاه های آنلاین میشوند.به طور کلی سیستم های توصیه گر یا پیشنهاد دهنده سیتم هایی هستند که با یکسری از روش های داده کاوی و وبکاوی و خصوصیاتی مانند جستجوی کاربران در گذشته یا امتیازاتی که سایر کاربران به اقلام مورد بازدید در گذشته داده اند،می توانند پیشنهاد های مناسبی را به کاربران ارئه دهند.در این تحقیق به ارائه روشی جهت بهبود سیتم های توصیه گر درزمینه املاک پرداخته می شود که طی تحقیقات صورت گرفته این سیستم می تواند تا 90 درصد به درستی نیازهای کاربران در زمینه املاک را به درستی تخیص داده وپیشنهادات مناسبی را به کاربر ارائه دهد کی می تواند مورد علاقه وی باشند.
پیاده سازی پایان نامه: استفاده از تکنیک های داده کاوی برای حل مسئله ی پیش بینی قیمت سهام
سرمایه گذاری در سهام عرضه شده در بورس اوراق بهادار یکی از گزینه های پرسود در بازار سرمایه است. با این وجود بازار سهام دارای سیستمی غیر خطی و آشوب گونه است که تحت تاثیر شرایط سیاسی، اقتصادی و روانشناسی می باشد. از این رو نحوه ی مدیریت و پیش بینی قیمت سهام برای سرمایه گذاران در بازار سهام اهمیت فراوانی دارد. برای حل مسئله ی پیش بینی قیمت سهام می توان از سیستم های هوشمند غیرخطی استفاده نمود. در این پروژه، با استفاده از تکنیک های داده کاوی راهکاری برای حل این مسئله ارائه می شود.
سفارش انجام پروژه زمانبندی بهینه کارها با استفاده از الگوریتم ایمنی مصنوعی در محیط رایانش ابری (CloudSim):
در این پروژه، با استفاده از الگوریتم ایمنی مصنوعی (artificial immune system algorithm)، زمانبندی بهینه کارها در محیط رایانش ابری (Cloud Computing) مورد بررسی قرار گرفته است. نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.
سفارش انجام پروژه داده کاوی امتیاز اعتباری:
امتیاز اعتباری یک عبارت عددی است که با تکنیکهای آماری و بر اساس اطلاعات واقعی که بیانگر وضعیت جاری و سابقهای فرد یا شرکت هستند محاسبه میشود. امتیاز اعتباری یک نمره قابل مقایسه است؛ لذا تصمیمگیری بر این مبنا، در مقایسه با روشهای سلیقهای و گزارشهای متنی، به مراتب قابل اطمینانتر و منصفانهتر خواهد بود. برای مطالعه جزییات بیشتر در مورد امتیازاعتباری کلیک کنید.
در این پروژه، با استفاده از نرم افزار نایم (Knime)، مجموعه داده های مربوط به امتیاز اعتباری مورد بررسی قرار گرفته است. راهکارهای متعدد پاکسازی داده ها، دسته بندی، خوشه بندی بر روی داده ها اعمال شده است و نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.
سفارش انجام پروژه داده کاوی بازاریابی مستقیم:
بازاریابی مستقیم (Direct Marketing) یعنی استفاده از کانال های مستقیم مصرف کننده، برای رساندن و تحویل کالاها و خدمات به مشتریان بدون استفاده از واسطه های بازاریابی. این کانال ها شامل پست مستقیم، کاتالوگ ها، بازاریابی تلفنی، تلویزیون تعاملی، دکه ها، وب سایت ها، و تجهیزات همراه می شوند. بازاریاب های مستقیم به دنبال یک پاسخ قابل اندازه گیری، مثل سفارش مشتری هستند. برای مطالعه جزییات بیشتر در مورد بازاریابی مستقیم کلیک کنید.
در این پروژه، با استفاده از پایتون (Python)، مجموعه داده های مربوط به بازاریابی مستقیم مورد بررسی قرار گرفته است. راهکارهای متعدد پاکسازی داده ها، دسته بندی، خوشه بندی بر روی داده ها اعمال شده است و نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.
پیاده سازی مقاله: زمان بندی وظایف در محیط ابری با استفاده از الگوریتم ژنتیک
چکیده:
پیاده سازی پایان نامه: تخمین مدت زمان جراحی از طربق تکنیک های داده کاوی
اتاق های عمل یکی از گران ترین و سودآورترین منابع در یک سیستم بیمارستانی هستند. مدیران بیمارستان ها همواره تلاش می کنند تا از این منابع به بهترین شکل ممکن استفاده کنند. به طور سنتی، مدت زمان جراحی با استفاده از آمار ها و اطلاعات موجود تخمین زده می شود. در این راستا برای غلبه بر مشکلات موجود در تخمین با انواع روش های سنتی و کمبود حجم نمونه کافی، روش های مبتنی بر داده کاوی پیشنهاد می شود که با استفاده از تکنیک های موجود مدت زمان مورد نظر را پیش بینی خواهند کرد.
در این پروژه، با استفاده از تکنیک های داده کاوی راهکاری برای پیش بینی مدت زمان جراحی ارائه می شود.
پیاده سازی پایان نامه: تحلیل احساسات داده های رسانه های اجتماعی برای تشخیص افسردگی با یادگیری ماشین
عقیده کاوی یا تحلیل احساسات امروزه یک روند نوظهور برای درک احساسات افراد در موقعیت های مختلف زندگی روزمره آنهاست. در این تحقیق روشی بر تحلیل احساسات در دادههای رسانههای اجتماعی برای تشخیص دلهره یا دلسردی با استفاده از تکنیکهای مختلف هوش مصنوعی ارائه می شود.
سفارش انجام پروژه داده کاوی تشخیص بیماری های قلبی:
بیماری قلبی-عروقی: یا بیماری قلبی دستهای از بیماریها است که در قلب یا رگها (سرخرگها، مویرگها و سیاهرگها) رخ میدهد. بیماری قلبی-عروقی به هر گونه بیماری که دستگاه گردش خون را تحت تاثیر قرار دهد اشاره دارد که شامل بیماریهای قلبی، بیماریهای عروقی مغز و کلیه و بیماریهای شریانی میشود. برای مطالعه جزییات بیشتر در مورد بیمارهای قلبی و انواع آن کلیک کنید.
در این پروژه، با استفاده از نرم افزار نایم (Knime)، مجموعه داده های مربوط به بیماری های قلبی مورد بررسی قرار گرفته است. راهکارهای متعدد پاکسازی داده ها، دسته بندی، خوشه بندی بر روی داده ها اعمال شده است و نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.
پیاده سازی پایان نامه: پیش بینی نقص نرم افزار با استفاده از تکنیک های داده کاوی
فرآیند تست یکی از مهمترین فعالیت ها در توسعه و نگهداری نرم افزار است و زمان و منابع قابل توجهی را مصرف می کند. از آنجایی که توزیع اشکالات بین ماژولهای نرمافزار یکنواخت نیست این مسئله در بسیاری از مواقع چالش برانگیز می باشد. بنابراین، پیشبینی نقص نرمافزار تکنیک مهمی است که در تضمین کیفیت نرمافزار مورد استفاده قرار میگیرد. در این پروژه، با استفاده از تکنیک های داده کاوی راهکاری برای پیش بینی نقص نرم افزار ارائه می شود.
پیاده سازی مقاله: بررسی کاربرد چارچوب های تحلیل عظیم داده ها در پیش بینی زلزله
چکیده: