۸ مطلب در فروردين ۱۴۰۰ ثبت شده است

پیاده سازی مقاله: بهینه سازی تخصیص منابع در رایانش ابری با استفاده از الگوریتم ارزیابی چندهدفه

پیاده سازی مقاله: بهینه سازی تخصیص منابع در رایانش ابری با استفاده از الگوریتم ارزیابی چندهدفه

چکیده:

توسعه سریع‌ استفاده از رایانش ابری منجر به انتشار مراکزداده مختلفی در سراسر جهان شده است که این افزایش تعداد مراکزداده، تعداد منابع با عملکرد مشابه ولی مشخصات مختلف را افزایش داده است، همچنین از آنجایی که منابعی که به صورت مستقل توسعه داده شده‌اند ممکن است همیشه با هم سازگاری نداشته باشند، حال پیش بینی همه منابع مورد نیاز، انتخاب منابع بهینه و ترکیب این منابع، چالش‌های مطرح در این مساله خواهند بود. بنابراین انتخاب منبع ساده و مناسب و بهینه برای ترکیب با یکدیگر برای پاسخگویی درخواست های بزرگ، یکی از مهمترین مشکلات در تخصیص منابع ابری می‌باشد. تاکنون کارهای زیادی روی تخصیص منابع در ابر صورت گرفته است و در هر روش معیارهای متفاوتی نظیر اطمینان پذیری، توان مصرفی، کارایی، دسترس پذیری بررسی گردیده است. اما در کارهای گذشته چندین معیار با یکدیگر بررسی نشده اند و در واقع انتخاب منابع بر اساس یک یا دو معیار بوده است. ما در این پایان نامه قصد داریم تا تخصیص منابع را بر اساس ترکیبی از چهار معیار دسترس پذیری، اطمینان پذیری، هزینه و ترافیک بررسی کنیم تا بتوانیم با توجه به معیارهای مهم برای کاربر بهترین منابع را برای وی انتخاب کنیم و به وی پیشنهاد دهیم. با توجه به اینکه می خواهیم چندین معیار را برای انتخاب منابع بهینه درنظر بگیریم، نیاز است تا از الگوریتم های ارزیابی چندهدفه استفاده نماییم. استفاده از رویکرد پیشنهادی، سبب افزایش میزان رضایت‌مندی کاربران از فراهم کنندگان ابری و در نتیجه افزایش سودآوری برای ارائه دهندگان ابری خواهد شد. ارائه دهند‌گان منابع ابری از جمله: مایکروسافت، گوگل، آمازون و... می توانند با بهره‌گیری از رویکرد پیشنهادی، نیازهای کاربران را با توان بیشتری پاسخ دهند.
  • شریف پژوه

پیاده سازی مقاله: بهبود الگوریتم بهینه سازی ازدحام ذرات چندهدفه به وسیله عملگر جهش

پیاده سازی مقاله: بهبود الگوریتم بهینه سازی ازدحام ذرات چندهدفه به وسیله عملگر جهش

چکیده:

در این مقاله ما به تشریح الگوریتم بهینه سازی ازدحام ذرات با رویکرد چند هدفه می پردازیم، همچنین عملگر جهش را در آن به کار بردیم تا ظرفیت جستجوی فضای هدف را افزایش دهیم چون این الگوریتم در معرض خطر افتادن در بهینه محلی می باشد. برنامه پیاده سازی شده را به تعداد ده مرتبه با دو نوع تابع هدف MOP 2 ,MOP 4 اجرا نموده و حالات مختلف را درنظر گرفته تا نتایج را با یکدیگر مقایسه نمائیم. نتایج بدست آمده از آزمایشات بیانگراین موضوع می باشد که اگر از عملگر جهش بخوبی استفاده شود نتایج بهبود یافته و این امر به این دلیل تحقق پیدا می کند که هر زمان ذره ای در بهینه محلی قرار بگیرد با اعمال کردن عملگر جهش از آن خارج شده و باعث می شود تا به کار خود ادامه دهد.

  • شریف پژوه

پیاده سازی مقاله: تشخیص سایت های فیشینگ با استفاده از الگوریتم جنگل تصادفی

پیاده سازی مقاله: تشخیص سایت های فیشینگ با استفاده از الگوریتم جنگل تصادفی

چکیده:

فیشینگ یک نوع حمله مهندسی اجتماعی است که هدف آن بدست آوردن اطلاعات شخصی افراد جامعه و حساب های بانکی و... از طریق وب سایت های جعلی می باشد. برای تشخیص میزان دقت حملات سایت های فیشینگ یک مجموعه داده را که شامل 9999 نمونه می باشد و 30 ویژگی در آن بررسی شده است را استفاده کردیم. برای اینکه میزان دقت تشخیص سایت های فیشینگ را بدست بیاوریم از الگوریتم ها مختلف داده کاوی استفاده کردیم. بهترین الگوریتمی که میزان دقت تشخیص بالایی نسبت به بقیه الگوریتم ها داشت الگوریتم جنگل تصادفی بود که توانست میزان دقت تشخیص سایت های فیشینگ را 97.8398 افزایش دهد.
  • شریف پژوه

پیاده سازی مقاله: عقیده کاوی مبتنی بر منطق فازی جهت ارائه سیستمهای پیشنهاددهنده

پیاده سازی مقاله: عقیده کاوی مبتنی بر منطق فازی جهت ارائه سیستمهای پیشنهاددهنده

چکیده:

با پیدایش اینترنت و گسترش تجارت الکترونیک امروزه مشتریان میتوانند با مراجعه به پایگاه وب به خریدکالا یا محصول مورد نظر خود بپردازند و عقاید و نظرات خود راجع به کالای مورد نظر خود را بیان کنند.سیستمهای پیشنهاد دهنده با استفاده از عقیده کاوی و بررسی نظرات کاربران پیشنهادات مناسبی را برای خرید محصول مورد علاقهی آنها به مشتریان میدهند. در هر تجارتی از جمله تجارت الکترونیک پیشنهاداتمناسب باعث جلوگیری از سردرگمی مشتریان و افزایش فروش میگردد. در این مقاله سعی در ارائهی روشی داریم که نزدیکی نظرات کاربران را به دست آورده و با استفاده از سیستمهای پیشنهاد دهنده بتوانیم به وسیلهی فازیسازی عقاید و خواستههای کاربران، پیشنهادات دقیقی سازگار با نیازهای آنها ارائه دهیم.

  • شریف پژوه

پیاده سازی مقاله: پیاده سازی سیستم های توصیه گر هتلها با استفاده از اولویت های کاربران در توییتر

پیاده سازی مقاله: پیاده سازی سیستم های توصیه گر هتلها با استفاده از اولویت های کاربران در توییتر

چکیده:

استفاده از سیستم های توصیه گر افزایش فروش در تجارت الکترونیک را اثبات نموده است. هدف سیستم ارائه محصولاتی به کاربر است که متضمن علاقه مندی و آسایش او از محصولات بوده و همچنین در شرکت ها شانس فروش خدمات را ارتقا دهد. یکپارچه سازی تکنیک های مدیریت داده می تواند مسائل مرتبط با ارائه خدمات منطبق با علایق مشتری را مخاطب قرار داده و کیفیت پیشنهاد ها را به طرز چشمگیری بهبود دهد. تحقیقات اخیر بر روی این سیستم ایده استفاده از داده های شبکه اجتماعی به منظور ارتقا سیستم توصیه گر سنتی و پیش بینی بهتر را آشکار می سازد. ما دیدگاه های سیستم های توصیه گر مبتنی بر داده شبکه اجتماعی توییتر را با استفاده از انواع رابط ها، روش های تجزیه وتحلیل محتوا با تکنیک های زبان-شناسی محاسباتی و الگوریتم تاپیک مدلینگ ملت بیان می کنیم. پس از بررسی عمق اهداف، متدولوژی ها این مقاله به علاقه مندان در توسعه سیستم توصیه گر سفر و همچنین تسهیل تحقیقات آینده کمک می نماید.

  • شریف پژوه

پیاه سازی مقاله: عقیده کاوی در نقد کالا با استفاده از شبکه واژگان احساسی

پیاه سازی مقاله: عقیده کاوی در نقد کالا با استفاده از شبکه واژگان احساسی

چکیده:

امروزه با گسترش شبکه جهانی وب، افراد برای خرید کالاهای مورد نیاز خود و یا آگاهی از موضوعات مختلف به وب مراجعه مینمایند.تعداد زیادی از بلاگها و شبکه های اجتماعی وجود دارند که کاربران نظرات خود را در مورد موضوعات مختلف در آنها درج نمودهاند. درنتیجه حجم زیادی از اطلاعات به صورت غیر ساخت یافته وجود دارد که استخراج اطلاعات دلخواه از آنها کار دشواری است. عقیده کاویفرآیند تحلیل نظرات، عقاید و احساسات کاربران است که از نقدها و نظراتی که در مورد یک موضوع خاص نوشتهاند استخراج میشود. در این مقاله، یک سیستم عقیده کاوی که از تکنیکهای پردازش زبان طبیعی و شبکه واژگان احساسی برای عقیدهکاوی در مجموعهای از نقدهای کالا استفاده مینماید، بررسی شده است. در این سیستم ابتدا در مرحله پیش پردازش دادهها با جداسازی کلمات و جملات،برچسبگذاری اجزای سخن و ریشهیابی کلمات، اطلاعات مورد نیاز از نقدها استخراج میشود. در مرحله بعد با استخراج ویژگیهای کالا از نقدها، آن دسته از ویژگیها که از نظر کاربران اهمیت بیشتری دارند مشخص میشوند. ویژگیهای به دست آمده با دقت بالایی مشابه با ویژگیهای واقعی کالا میباشند. سپس طبقه بندی احساسی مجموعه داده بر اساس بار احساسی واژگان موجود در متن صورت میپذیرد.

دریافت مقاله:

 لینک مقاله

دریافت پیاده سازی:

برای دریافت پیاده سازی مقاله مورد نظر، و یا اعمال بهبود در آن، با استفاده از لینک زیر، سفارش خود را ارسال نمایید.

سفارش انجام پروژه

  • شریف پژوه

پیاده سازی مقاله: یش بینی قیمت سهام با استفاده از شبکه عصبی مصنوعی

پیاده سازی مقاله: یش بینی قیمت سهام با استفاده از شبکه عصبی مصنوعی

چکیده:

شبکه های عصبی مصنوعی مدل هایی ریاضی می باشند که الهام گرفته از سیستم عصبی و مغز انسان می باشند. در این مقاله سعی محقق بر آن است که به پیش بینی قیمت سهام روز بعد در بورس اوراق بهادار تهران با استفاده از مدل پرسپترون چندلایه از شبکه های عصبی مصنوعی بپردازد؛ و با روش های مختلف سعی شود خطای این پیش بینی را بهبود بخشد. متغیرهای بسیار زیادی در قیمت سهام تاثیر گذار می باشند که در این میان سهم شاخص های اقتصادی عمده را می توان بسـیار بالا دانست، که نرخ ارز (شـامل نرخ دلار آمریـکا و یورو)، قـیمت طـلا و قیمت نفت از آن جمله می باشند. همچنین شاخص کل نیز به عنوان نماینده ای از کل شرکت های پذیرفته شده در بورس اوراق بهـادار تهـران در نظر گرفته می شود، که این شاخص ها به عـنوان متغـیرهای مستقل جهت پیش بینی قیمت سهام مورد استفاده قرار گرفته اند.

دریافت مقاله:

 لینک مقاله

دریافت پیاده سازی:

برای دریافت پیاده سازی مقاله مورد نظر، و یا اعمال بهبود در آن، با استفاده از لینک زیر، سفارش خود را ارسال نمایید.

سفارش انجام پروژه

  • شریف پژوه

پیاده سازی مقاله: استفاده از شبکه های عصبی برای رتبه بندی اعتباری مشتریان

پیاده سازی مقاله: استفاده از شبکه های عصبی برای رتبه بندی اعتباری مشتریان

چکیده:

با توجه به محدودیت منابع ، تخصیص بهینه منابع یک ضرورت به حساب می اید. در تحقیق حاضر به مدل سازی رفتار اعتباری مشتریان با استفاده از شبکه های عصبی جهت تخصیص بهینه منابع و ارتقاء کیفیت خدمات تسهیلات بانک های کشور پرداخته شده است در ادامه، مشتریان تسهیلات اعتباری ساخت مسکن در شهر تهران به سه دسته خوش حساب، سررسید گذشته و بدحساب تقسیم شده، متغیرهای تاثیرگذار بر رفتار اعتباری انهخا شناسایی گردی. سپس داده های تاریخی متناظر ، جمع اوری و به دو مجموعه اموزشی و تست، تقسیم گردید. در مرحله بعد، پس از طراحی مدل های رتبه بندی اعتباری، این مدل ها با داده های آموزشی ، آموزش داده شدند. در نهایت با مجموعه داده های تست، مورد ازمون قرار گرفتند. نتایج بدست امده حاکی از آن است که رفتار اعتباری مشتریان با استفاده از مدل های رتبه بندی شبکه های عصبی قابل پیش بینی است. همچنین مدل آنالیز ممیزی با همان داده های تاریخی اجرا گردید. مقایسه بین قدرت تفکیک مدل های شبکه عصبی و مدل آنالیز ممیزی ، نشان می دهدکه مدل های رتبه بندی اعتباری شبکه های عصبی نسبت به مدل آنالیز ممیزی از قدرت تفکیک یا دقت پیش بینی بیشتری برخوردار هستند.

دریافت مقاله:

 لینک مقاله

دریافت پیاده سازی:

برای دریافت پیاده سازی مقاله مورد نظر، و یا اعمال بهبود در آن، با استفاده از لینک زیر، سفارش خود را ارسال نمایید.

سفارش انجام پروژه

  • شریف پژوه
موضوعات
Latest Posts