شریف پژوه

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.

پیاده سازی پایان نامه: بهبود امنیت در شبکه های اینترنت اشیا با استفاده از یادگیری ماشینی

از زمان شروع اینترنت اشیا (IoT)، تعداد دستگاه های اینترنت اشیا متصل به اینترنت به سرعت رشد کرده است. با این حال، بسیاری از دستگاه های اینترنت اشیا فاقد استانداردهای امنیتی هستند که دستگاه های غیر اینترنت اشیا دارند. این بدان معنی است که میلیاردها دستگاه هوشمند می توانند به عنوان بخشی از یک حمله استفاده شوند. پتانسیل بهره برداری از دستگاه های اینترنت اشیا، جستجو برای یافتن اقدامات امنیتی مناسب اینترنت اشیا را بسیار مهم می کند. به منظور رفع این نیاز، این مطالعه راهکاری جدید با استفاده از یادگیری ماشین برای بهبود امنیت IoT پیشنهاد می کند.

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.

پیاده سازی پایان نامه: پیش بینی نیاز به احیا در نوزادان با استفاده از تکنیک های داده کاوی

تخمین زده می شود که تقریباً 10 درصد از نوزادان در هنگام تولد به نوعی کمک برای تنفس نیاز دارند. با هدف پیشگیری از مرگ و میر نوزادان، در این تحقیق پیش بینی نیاز به احیای نوزاد با توجه به برخی شرایط سلامت نوزاد و مادر و همچنین ویژگی های بارداری و زایمان با استفاده از مدل های داده کاوی انجام می شود.

پیاده سازی پایان نامه: پیش بینی بستری مجدد در بیمارستان ها با تکنیک های داده کاوی

بهداشت و درمان به یکی از بزرگترین صنایع در سطح جهان تبدیل شده است و به همین دلیل منابع زیادی را مصرف می کند. در سال‌های اخیر بستری مجدد در بیمارستان به دلیل هزینه‌های غیرضروری در سیستم مراقبت‌های بهداشتی به موضوعی قابل توجه تبدیل شده است. بسیاری از بستری‌های مجدد قابل پیشگیری به کیفیت پایین مراقبت در طول اقامت بیمار در بیمارستان و همچنین به ضعیف فرآیند ترخیص مربوط می‌شود. در سال های اخیر به کارگیری تکنیک های داده کاوی توانسته مداخلات موثر و پیشگیرانه را برای آن اجرا کند.

پیاده سازی پایان نامه: داده کاوی برای انتخاب ویژگی در داده های بیان ژن

شناسایی مهم‌ترین ژن‌ها و توالی‌های ژنی (عنوان ویژگی‌ها) ذخیره‌شده در مجموعه داده‌ای از ریزآرایه‌های بیان ژن یکی از مسائل مهم در حوزه ی پزشکی است. انتخاب مهم‌ترین ژن‌ها و طبقه‌بندی موارد بر اساس ژن‌های انتخابی با استفاده از تکنیک های داده کاوی یکی از راهکار های موجود در این زمینه است.

پیاده سازی پایان نامه: تشخیص نفوذ با استفاده از روش های ترکیبی داده کاوی

با رشد سریع اینترنت، حملات سایبری به شبکه ها و سیستم های رایانه ای نیز به سرعت افزایش یافته است. به عنوان یک اقدام احتیاطی در برابر این حملات، سیستم‌های تشخیص نفوذ (IDS) در سیستم‌های شبکه مستقر شده‌اند. سیستم‌های تشخیص نفوذ بخشی از دومین خط دفاعی یک سیستم هستند.. آن ها را می توان همراه با سایر اقدامات امنیتی مانند کنترل دسترسی، مکانیسم های احراز هویت و تکنیک های رمزگذاری به منظور ایمن سازی بهتر سیستم ها در برابر حملات سایبری مستقر کرد. استفاده از ترکیب تکنیک های داده کاوی راهکاری برای ارائه ی یک سیستم تشخیص نفوذ موثر می باشد.

پیاده سازی پایان نامه: شناسایی موارد پرت در قیمت گذاری مسکن با تکنیک های داده کاوی

با توجه به اینکه برای افراد شناخت تغییر و تحول هایی که در آینده رخ می دهد اهمیت فراوانی دارد موضوعاتی که پیرامون پیش بینی می باشد برای افراد مورد توجه است. از جمله مواردی که در این بین اهمیت فراوانی دارد موضوعات پیرامون مسائل مالی از جمله پیش بینی قیمت مسکن می باشد. هدف از این تحقیق ارائه ی مدلی برای پیش بینی قیمت مسکن و پس از آن شناسایی موارد پرت در قیمت گذاری های انجام شده در این حوزه است.

پیاده سازی پایان نامه: تشخیص احتمالات مشکوک به پولشویی با استفاده از تکنیک های داده‌کاوی

در سال های اخیر موضوع پولشویی یکی از مباحث مهم اقتصادی می باشد که معضلات فراوانی را برای شرکت های کوچک و بزرگ ایجاد کرده است. از این رو راهکار های متعددی برای حل این مشکل در سراسر جهان پیشنهاد شده است. با توجه به گستردگی داده های موجود در این زمینه یکی از راهکار های حل این مسئله استفاده از تکنیک های داده کاوی می باشد.

پیاده سازی پایان نامه: پیش بینی میزان بارش فصلی و ماهیانه براساس داده کاوی

داده‌کاوی هواشناسی شکلی از داده‌کاوی است که به یافتن الگوهای پنهان در داده‌های هواشناسی که تا حد زیادی در دسترس است می‌پردازد، به طوری که اطلاعات بازیابی شده می‌تواند به دانش قابل استفاده تبدیل شود. آب و هوا یکی از داده های هواشناسی است که سرشار از دانش مهم است. مهمترین عنصر اقلیمی که بر بخش های مختلف مانند کشاورزی تأثیر می گذارد، بارندگی است. بنابراین پیش‌بینی بارندگی در کشورهای مختلف به یک موضوع مهم تبدیل شده است. در این پروژه، با استفاده از تکنیک های داده کاوی راهکاری برای پیش بینی بارندگی ارائه می شود.

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 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.

پیاده سازی پایان نامه: استفاده از تکنیک های داده کاوی برای حل مسئله ی زمان بندی کار ها 

مسئله ی زمان‌بندی کارها (Job shop scheduling) یک مسئلهی بهینه‌سازی علوم رایانه و تحقیق در عملیات است که در آن کار های ایده‌آل به منابع در زمان‌های خاصی نسبت داده می‌شوند. در این مسئله n کار j1, j2, …, jn با اندازه‌های متفاوت که باید روی m ماشین یکسان زمان‌بندی شوند در تلاشند تا زمان کل(makespan)  را به حداقل برسانند. زمان کل مجموع زمان لازم برای انجام همه ی کار است. امروزه، این مسئله به عنوان یک مسئله ی پویا مطرح می‌شود، که با ارائه شدن هر کار، الگوریتم پویا باید با اطلاعات موجود تصمیم‌گیری کند قبل از اینکه کار بعدی مطرح شود.

در این پروژه، با استفاده از تکنیک های داده کاوی راهکاری برای حل مسئله ی زمان بندی کار ها ارائه می شود.

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: پیش بینی مصرف انرژی ساختمان با استفاده از تکنیک های داده کاوی

پیش‌بینی هوشمند مصرف انرژی به‌ویژه برای ساختمان‌ها مسئله ی مهمی است، زیرا مصرف انرژی ساختمان‌ها روز به روز در حال افزایش است و تقریباً به 40 درصد مصرف انرژی اولیه در کشورهای توسعه‌یافته می‌رسد. در سال های اخیر مصرف انرژی به دلیل رشد جمعیت به تدریج افزایش یافته است. افزایش مصرف انرژی ساختمان ها، اجباری را در کشورهای مختلف برای مدیریت و کاهش هر چه بیشتر مصرف انرژی به منظور ارتقای بهره وری انرژی ایجاد می کند.

در این پروژه، با استفاده از تکنیک های داده کاوی راهکاری برای پیش بینی مصرف انرژی ساختمان ارائه می شود.

پیاده سازی پایان نامه: پیش بینی ریزش مشتری با استفاده از تکنیک های داده کاوی

رویگردانی مشتریان یا ریزش مشتری، اصطلاحی تجاری اســت که برای از دست رفتن مشــتریان استفاده می‌شود. سازمان‌ها و شرکت‌هایی مانند بانک‌ها، شرکت‌های مخابراتی، ارائه‌دهندگان خدمات اینترنتــی (ISP)، شرکت‌های تلویزیون کابلی، شرکت‌های بیمه و غیره اغلب از رویگردانی مشــتریان و نرخ از دست دادن مشــتریان به‌عنوان یکی از معیارهای کلیدی سنجش در کسب‌وکار استفاده می‌کنند. دلیل این امر این است که هزینه نگهداری یک مشتری موجود بسیار کمتر از هزینه جذب یک مشتری تازه است. بنابراین این نوع بنگاه‌های اقتصادی، اغلب واحدها و بخش‌هایی به نام خدمات مشــتریان دارند که سعی می‌کنند مشــتریان رویگردان را دوباره بازگردانند زیرا مشــتریان قدیمی معمولاً ارزش بیشــتری از مشتریان جدید خلق می‌کنند. برای مطالعه ی بیشتر کلیک کنید.

در این پروژه، با استفاده از تکنیک های داده کاوی راهکاری برای پیش بینی ریزش مشتری ارائه می شود.