مقالات :: شریف پژوه

۶۲ مطلب با موضوع «مقالات» ثبت شده است

پیاده سازی پایان نامه: تخمین مدت زمان جراحی از طربق تکنیک های داده کاوی

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.

۰ نظر

شریف پژوه

پیاده سازی پایان نامه: پیش بینی مصرف انرژی ساختمان با استفاده از تکنیک های داده کاوی

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.

۰ نظر

شریف پژوه

پیاده سازی مقاله: زمان بندی وظایف در محیط ابری با استفاده از الگوریتم ژنتیک

پیاده سازی مقاله: زمان بندی وظایف در محیط ابری با استفاده از الگوریتم ژنتیک

چکیده:

با رشد مجازی سازی در سیستم های و تکنولوژی های جالب امروزی ، رایانش ابری به عنوان بستر جدید محاسباتی ظهور کرد. هدف نهایی رایانش ابری جلب رضایت کاربران بر اساس کیفیت سرویس تضمین شده برای آنها و کسب سود برای سرویس دهنده ی رایانش ابری می باشد، بنابراین لازم است که یک الگوریتم زمان بندی به هدف دست پیدا کند. اما مدل های موجود به دلیل اینکه فقط روی افزایش کارایی سیستم کار می کنند با محیط ابر قابل تطبیق نیستند، بطوریکه اکثر روش ها زمان بندی در محاسبات کلاستری فقط در زمینه ی بهینه کردن زمان تکمیل شده کارهای دسته ای، تلاش می کنند. زمان بندهای محیط ابر باید کیفیت سرویس موردنظر کاربر را فراهم کنند تا رضایت وی جلب شود. به همین منظور در این مقاله روشی برای حل مسئله ی زمان بندی بر اساس الگوریتم ژنتیک ارائه خواهد شد. در مدل ارائه شده، زمان بند در هر چرخه ی زمان بندی تابع زمان بندی الگوریتم ژنتیک را فراخوانی می کند، این تابع مجموعه ای از کارهای زمان بندی شده را ایجاد کرده و کیفیت هر یک از مجموعه ها را بر اساس میزان تامین رضایت کاربران و دسترسی پذیری ماشین های مجازی ارزیابی می کند و این تابع تا رسیدن به زمان بندی بهینه ادامه پیدا می کند. نتایج شبیه سازی های انجام شده میزان کارایی و تاثیر بیشتر مدل ارائه شده نسبت به مدل های موجود مانند روش زمان بندی نوبت چرخشی را نشان می دهد.

۰ نظر

شریف پژوه

پیاده سازی مقاله: تحلیل روش های داده کاوی در پیش بینی ریزش مشتریان مخابرات

پیاده سازی مقاله: تحلیل روش های داده کاوی در پیش بینی ریزش مشتریان مخابرات

چکیده:

امروزه عملیات داده کاوی به صورت گسترده توسط تمامی شرکت ھای مشتری محور، از جمله مخابرات استفاده می شود. مھم ترین چالش و مسیله ای که صنعت مخابرات با آن روبه رو است، ریزش مشتری است. در این مقاله به بررسی تکنیک ھای پیش بینی ریزش مشتریان در مخابرات پرداخته ایم. به این نتیجه رسیدیم که تکنیک ھای مبتنی بر درخت تصمیم گیری دقیق تر از تکنیک ھای مبتنی بر رگرسیون است. روش ھای داده کاوی مبتنی بر شبکه ھای عصبی در مقایسه با تکنیک ھای درخت تصمیم گیری، نتایج بھتری ارایه می دھند. روش ھای مبتنی بر درخت تصمیم به ویژه 0/5C و CART از نظر دقت عملکرد نتایج بھتری نسبت به برخی از تکنیک ھای داده کاوی موجود مانند رگرسیون، دارند.

۰ نظر

شریف پژوه

پیاده سازی مقاله: تجزیه و تحلیل داده های بزرگ تجاری در رایانش ابری مبتنی بر آپاچی اسپارک

پیاده سازی مقاله: تجزیه و تحلیل داده های بزرگ تجاری در رایانش ابری مبتنی بر آپاچی اسپارک

چکیده:

حجم بالایی از داده های تجاری توسط برنامه های کاربردی یا در محیط وب مرتبا ایجاد می شود و نیاز است که این داده ها مورد تجزیه و تحلیل قرار گرفته تا دانش نهفته درون آنها آشکار شود. روش های یادگیری ماشین و داده کاوی از جمله تکنیک های مهم در تحلیل داده های تجاری است اما چالش آنها در این است که توانایی آنها برای پردازش داده های بزرگ اندک است و نیاز است از روش های توزیع شده آنها استفاده شود. در این پژوهش یک روش مبتنی بر پردازش توزیع شده توسط فناوری آپاچی اسپارک ارائه شده تا روش های داده کاوی و یادگیری ماشین مانند تکنیک های درخت تصمیم گیری، جنگل تصادفی و رگرسیون در این بستر اجرایی شده و تحلیل داده های تجاری در زمان واقعی انجام شود. برای پیاده سازی روش پیشنهادی از داده های مرتبط با مشتریان در کاربردهای تجاری و محیط پردازش ابری آپاچی اسپارک استفاده شده است. نتایج نشان می دهد از بین تکنیک های درخت تصمیم گیری، جنگل تصادفی و رگرسیون در آپاچی اسپارک و حالت غیرتوزیع شده تکنیک رگرسیون دارای حداقل خطای ممکن برای تحلیل داده های تجاری است و از طرفی جنگل تصادفی در بین تکنکی های درخت تصمیم گیری، جنگل تصادفی و رگرسیون چه در حالت توزیع شده و چه در حالت غیرتوزیع شده دارای حداقل زمان اجراء برای تحلیل داده ها است.

۰ نظر

شریف پژوه

پیاده سازی مقاله: بررسی کاربرد چارچوب های تحلیل عظیم داده ها در پیش بینی زلزله

پیاده سازی مقاله: بررسی کاربرد چارچوب های تحلیل عظیم داده ها در پیش بینی زلزله

چکیده:

این مقاله به بررسی کاربرد چارچوب های عظیم داده ها از جمله آپاچی هادوپ و آپاچی اسپارک در پیش بینی زلزله پرداخته است. برای این منظور، ابتدا چارچوب های هادوپ و اسپارک، نصب و پیکربندی شده، سپس از ابزار تحلیل و داده کاوی رپیدماینر و الگوریتم ماشین بردار پشتیبان غیرخطی با تابع کرنل RBF باتوجه به داده های پژوهش جهت مدل سازی بر روی این 2 چارچوب استفاده گردید. سپس همین فرآیند بدون استفاده از چارچوب های هادوپ و اسپارک تکرار گردید. مقایسه نتایج نشان می دهد؛ در مدلی که از چارچوب های هادوپ و اسپارک بعنوان زیرساخت پردازش استفاده نشده است، زمان اجرا حدودا 4 0 برابر حالتی است که از هادوپ و اسپارک استفاده گردیده است. ولیکن درخصوص خروجی مدل در رابطه با پیش بینی بزرگای زلزله، در هر دو مدل نتایج یکسان بوده و تفاوتی وجود نداشته است.

۰ نظر

شریف پژوه

پیاده سازی مقاله: پردازش موازی در داده کاوی

پیاده سازی مقاله: پردازش موازی در داده کاوی

چکیده:

با افزایش انفجار گونه داده های بزرگ در زمینه های صنعتی و علمی، برای کار بر روی این داده ها و تجزیه و تحلیل آنها، سیستم های پردازش داده های بزرگ بسیار ضروری به نظر می رسد. مپ ریدوس و اسپارک دو محدوده محاسبات خوشه ای بسیار محبوب برای تجزیه و تحلیل داده ها در مقیاس بزرگ هستند، در حال حاضر مسلما اسپارک از لحاظ ویژگی هایی مانند تحمل خطا، عملکرد بالای پردازش داده ها در حافظه و مقیاس پذیری، جزء پیشرفته ترین سیستم های محاسباتی داده های بزرگ می باشد. اسپارک یه مدل برنامه ریزی آردیدی (مجموعه داده های توزیع شده) را در اختیار شما قرار می دهد، مدل برنامه نویسی با مجموعه ای از تحول ارائه شده و اپراتورهایی که عملکرد عملیات را می توان توسط کاربران با توجه به برنامه های خود را سفارشی کنند. اسپارک در اصل به عنوان یک سیستم پردازش سریع و کلی ارائه شده است که با توجه به شرایط مختلف از زمان معرفی آن، تلاش زیادی برای انجام کارهای تحقیقاتی روی آن انجام شده است. در این مقاله ما دلایل اهمیت داده پردازی موزای را بررسی نمودیم و در نهایت دو مدل محاسباتی مپ ریدوس و اسپارک را بعنوان ابزارهای رایج و مهم دادهپردازی موازی، بررسی و در مواردی با هم مقایسه نمودیم. در این بررسی نهایتا مشخص شد، بجز عملیات مرتب سازی، اسپارک گزینه بهتری برای داده کاوی موازی است.

۰ نظر

شریف پژوه

پیاده سازی مقاله: شناسایی کاربران اسپم در شبکه های اجتماعی با استفاده از الگوریتم KNN

پیاده سازی مقاله: شناسایی کاربران اسپم در شبکه های اجتماعی با استفاده از الگوریتم KNN

چکیده:

امروزه با فراگیر شدن اینترنت، استفاده از شبکه های اجتماعی نیز گسترش یافته است. هدف افراد از عضویت در اینگونه شبکه ها به اشتراک گذاشتن داده ها در زمینه های مختلف است. این شبکه ها به کاربران اجازه میدهند تا مطالب خود را در زمینه های گوناگون گسترش دهند. مشکل زمانی پیش می آید که کاربری بخواهد از این قابلیت سوءاستفاده کرده و مطالب اسپم ارسال نماید. ما در این مقاله شناسایی اینگونه کاربران را مد نظر قرار داده ایم. برای بررسی این موضوع از پایگاه داده یکی از این شبکه ها استفاده کردیم. در مرحله یادگیری، به کمک کاربران عضو، اسپمرها را شناسایی کرده و خصوصیاتی را که مرتبط با این گونه کاربران هستند، درنظر گرفته ایم. براین اساس، کاربران جدید با درنظر گرفتن خصوصیاتشان و الگوریتمknn در یکی از دسته های اسپمر یا غیراسپمر طبقه بندی می شوند. در این روش حدود 75 درصد از اسپمرها به درستی تشخیص داده شدهاند. در مرحله بعدی، دسته بندی بر اساس مطالب کاربران انجام می شود. با این روش دقت تشخیص اسپمرها افزایش یافته و به 84 درصد میرسد.

۰ نظر

شریف پژوه

پیاده سازی مقاله: تشخیص احساس از روی گفتار فارسی با استفاده از ماشین بردار پشتیبان

پیاده سازی مقاله: تشخیص احساس از روی گفتار فارسی با استفاده از ماشین بردار پشتیبان

چکیده:

تشخیص خودکار احساس از روی گفتار مساله بسیار مهم، در عرصه تعامل انسان و ماشین است.قابلیت تشخیص احساس توسط کامپیوتر با دقتی همانند انسان، به منظور ایجاد رابطه طبیعی و دوستانهبین انسان و کامپیوتر، بسیار حائز اهمیت است. با وجود پیشرفتهای گسترده در حوزهً پردازشگفتار، استخراج و درک احساس پنهان در گفتار انسان، همچون خشم، شادی و جز اینها، از یکسو و تولید گفتار احساسی مناسب از سوی دیگر، یکی از چالشهای مهم برای ساخت ماشینهایهوشمند محسوب میشود. در این مقاله، یک سیستم تشخیص خودکار احساس ارائه شده است.سیستم معرفی شده، شامل دو بخش اصلی، استخراج ویژگی و آموزش مدل دسته بند می باشد.درمرحله استخراج ویژگی، ویژگیهای عروضی از جمله فرکانس گام، شدت و ویژگی های کلی ازسیگنال گفتار به ازای شش حس متفاوت خشم، تنفر، ترس، شادی، غم و خنثی استخراج شده است.پس از تشکیل بردار ویژگی، با روش دستهبند ماشین بردار پشتیبان آموزش داده شده اند. در نهایت،نتیجه محاسبات انجام شده حاکی از میانگین دقت 82/744 درصد می باشد که در مقایسه با روش های دیگر از کارایی بالاتری برخوردار است.

۰ نظر

شریف پژوه

پیاده سازی مقاله: مروری بر روش های پیش بینی نقص های نرم افزاری مبتنی بر یادگیری ماشین

پیاده سازی مقاله: مروری بر روش های پیش بینی نقص های نرم افزاری مبتنی بر یادگیری ماشین

چکیده:

پیش بینی نقص نرم افزار یکی از مهمترین موارد پژوهشی در حوزه مهندسی نرم افزار می باشد. وجود نقص در سیستمنرم افزاری یک تهدید جدی برای کیفیت نرم افزار به شمار میرود و موجب عدم انطباق محصول با نیاز مشتری می شود. ازطرفی یکی از فاکتورهایی که منجر به تعداد بالای خطاهای نرم افزاری و در نتیجه تولید نرم افزاری با کیفیت پایین میشود،محدودیت منابع تضمین کیفیت می باشد. بنابراین با توجه به محدودیت منابع بهتر است ابتدا ماژول هایی که مستعد نقصهستند شناسایی شده، سپس منابع را برای رفع نقص صرف این ماژول ها کنیم. مدلهای تشخیص نقص در ماژول هاینرم افزاری تاکنون توسط محققان زیادی مورد مطالعه قرار گرفته است و این در حالی است که بسیاری از روشهای پیش بینیماژول های نقصدار هنوز در مرحله اولیه می باشند و نیازمند تحقیق بیشتر برای رسیدن به مدل های قوی هستند. دراین مقالهبه بررسی ادبیات مهندسی نرمافزار در مورد پیش بینی نقص های نرم افزاری خواهیم پرداخت. توضیحات این مقاله منعکسکننده اطلاعات اکثر مقالات چاپ شده در زمینه تحلیل و بررسی مدلهای پیش بینی نقص نرم افزاری می باشد.

۰ نظر

شریف پژوه

پیاده سازی مقاله: پیشبینی بیشینه بار مصرفی در بازار برق با استفاده از سریهای زمانی

پیاده سازی مقاله: پیشبینی بیشینه بار مصرفی در بازار برق با استفاده از سریهای زمانی

چکیده:

یک سری زمانی شامل مجموعه مشاهداتی است که بر حسب زمان مرتب شده باشند،نتایجی که از تحلیل این سریها به دست می آیند دارای کاربردهای اساسی در زمینه های مختلف از جمله اقتصاد و علوم مهندسی هستند. تجزیه و تحلیل چنینمشاهداتی نیازمند روشهایی است که قسمت مهمی از علم آمار را در بر می گیرند. هدف ما در این پروژه برازش یک مدل مناسب بر روی ماکزیمم بار مصرفی پست انتقال چمران شهرستان کرمانشاه در هر روز می باشد. داده های مورد مطالعه شامل ماکزیمم بار مصرفی هر روز و در طول سال 1393 می باشد. به کمک این مدل می توانیم ماکزیمم بار مصرفی را برای آیندهپیش بینی و کنترل نماییم. پارامترهای مختلف سری زمانی با استفاده از نرم افزار MINTAB محاسبه شده است. مطالعات انجام شده بر اساس داده های یک ساله می باشد که چناچه حجم اطلاعات ورودی افزایش یابد و داده های سالهای گذشته نیز به آن اضافه شود نتایج دقیق تری بدست خواهد آمد

۰ نظر

شریف پژوه

پیاده سازی مقاله: طبقه بندی زیرگروه ویروس آنفولانزا با استفاده از تکنیک های داده کاوی

پیاده سازی مقاله: طبقه بندی زیرگروه ویروس آنفولانزا با استفاده از تکنیک های داده کاوی

چکیده:

آنفولانزا یک بیماری شدیدا مسری، حاد و تب زاست که در اثر ویروس آنفولانزا ایجاد می شود ، این ویروس از سه نوع تشکیل شد ه-است: نوع B، Aو C. در طی قرن گذشته، اپیدمی های مختلفی از آنفولانزا نوع A، مرگ و میر و خسارات سنگین اقتصادی به جامعه انسانی تحمیل کرده است. آنفولانزا A بر اساس آنتی ژن های سطحی اش، هماگلوتینین و نورامینیداس تقسیم بندی میشود. تا کنون61 زیرگروه از هماگلوتینین و 9 زیرگروه از نورامینیداس شناسایی شده است. تشخیص زودهنگام و دقیق زیرگروه ویروس امری حیاتی است. کارهای معدودی در حوزه داده کاوی در این راستا، انجام شده است که غالبا روی ناحیه محدودی از دیتاست و تنها برای چند زیرگروه رایج بوده است؛ در این پژوهش، دیتاست بزرگی شامل 43533 توالی ثبت شده آنفولانزا نوعA در کتابخانهNCBI از سال 1900 تا کنون در قالب 4 گروه استفاده شده است: توالی های DNA و پروتئینی آنتی ژن هماگلوتینین، توالیهایDNA و پروتئینی آنتی ژن نورامینیداس. پس از پیش پردازش های متعدد، با استفاده از طبقه بندی جنگل تصادفی، جنگلی از طبقه-بندهای مستقل از هم، مدل دقیقی برای تشخیص زیرگروه ویروس، بدست آمد. این مدل قادر به تشخیص ویروس از تمام زیرگروه-ها، بر اساس توالی هر کدام از آنتی ژن های هماگلوتینین و نورامینیداس با تشخیص و حساسیت 99% میباشد.

۰ نظر

شریف پژوه

پیاده سازی مقاله: ارائه یک الگوریتم جهت بهبود الگوریتم k-means

پیاده سازی مقاله: ارائه یک الگوریتم جهت بهبود الگوریتم k-means

چکیده:

؛k-means یکی ازمحبوب ترین روش های خوشه بندی می باشد، به این دلیل که سادگی، و سرعت آن در طبقه بندی داده های عظیم بسیار خوب است. با این حال خروجی الگوریتم k-means به انتخاب مراکز خوشه های اولیه بستگی دارد، چون به صورت تصادفی انتخاب می شود. محدودیت دیگر آن تعداد مورد نیاز خوشه ورودی است، که این نیاز به نوعی دانش شهودی در مورد مقدار مناسب k دارد. در این مقاله یک الگوریتم پیشنهاد شده بر اساس k-means که تعیین تعداد خوشه k به عنوان ورودی را نیاز ندارد پیچیدگی زمانی و کیفیت خوشه های تولید شده توسط الگوریتم پیشنهادی با الگوریتم k-means اصلی با استفاده از دو مجموعه داده مختلف، مقایسه شده است.

۰ نظر

شریف پژوه

پیاده سازی مقاله: پیش بینی قیمت سهام بانک صادرات با استفاده از شبکه عصبی مصنوعی

پیاده سازی مقاله: پیش بینی قیمت سهام بانک صادرات با استفاده از شبکه عصبی مصنوعی

چکیده:

امروزه سرمایه گذاری در بورس، بخش مهمی از اقتصاد جامعه را تشکیل می دهد. تغییرات قیمت سهام یکی از مهم ترین موضوعات مورد توجه هر سرمایه گذار است. به همین دلیل پیش بینی قیمت سهام برای سهامداران از اهمیت بالایی برخوردار است تا بتوانند از سرمایه گذاری خود، سود بیشتری کسب کنند. در این نوشتار سعی بر این است که به پیش بینی قیمت سهام روز بعد بانک صادرات در بورس اوراق بهادار تهران با استفاده از مدل پرسپترون چند لایه از شبکه های عصبی مصنوعی بپردازیم و سعی میکنیم مدلی را انتخاب کنیم که میانگین مجموع مربعات خطای آن (MSE) کمتر باشد. متغیرهای زیادی بر قیمت سهام تاثیرگذار هستند، اما از بین آن ها تاثیر شاخص های اقتصادی را می توان بیشتر دانست. از جمله : نرخ ارز، قیمت طلا و قیمت نفت. این شاخص ها به عنوان متغیرهای مستقل برای پیش بینی قیمت سهام درنظر گرفته می شوند. نتایج حاصل نشان می دهد شبکه با ترکیب 20-80 و معماری 1-14-4 به بهترین پاسخ همگرا می شود.

۰ نظر

شریف پژوه

پیاده سازی مقاله: الگوریتم خوشه بندی اسناد بر پایه الگوریتم K-MEANS بهبود یافته

پیاده سازی مقاله: الگوریتم خوشه بندی اسناد بر پایه الگوریتم K-MEANS بهبود یافته

چکیده:

خوشه بندی یکی از مسائل مهم داده کاوی است که هدف آن گروه گروه کردن تعدادی از اشیاء به طوری است که اشیاء درون یک گروه به هم شباهت بیشتری داشته و اشیاء دو گروه مختلف نسبت به هم متفاوت باشند. در این مقاله به مسئله خوشه بندی اسناد پرداخته شده است. الگوریتم خوشه بندی به کاررفته بر اساس الگوریتم K-Means است. اعمال تغییراتی در این الگوریتم از جمله تعیین تعداد تکرار مرحله پالایش برحسب یک مقدار آستانه، اعمال تکنیک N-Gram و تکنیک های دیگر باعث افزایش درصد موفقیت الگوریتم، بیش از 12 درصد در مجموعه فارسی آزمایش شده و حدود 25 درصد در مجموعه انگلیسی آزمایش شده، شده است.

۰ نظر

شریف پژوه

پیاده سازی مقاله: تشخیص امضای آفلاین با استفاده از SVM

پیاده سازی مقاله: تشخیص امضای آفلاین با استفاده از SVM

چکیده:

امروزه در بسیاری از معاملات روزمره به ویژه مالی و استفاده از چک ها و وام های بانکی و اسناد مختلف نیاز به امضا را به عنوان یکی از مهم ترین ابزارهای بیومتریک برای تایید هویت شخصی ضرورت داده است. با توجه به اینکه عوارض جانبی از امضا این است که می توانند به منظور جعل کردن اعتبار اسناد سوء استفاده قرار گیرند به همین منظور پزوهش در راه حل های کارامد برای شناخت امضا به روش آفلاین و تایید ان برای جلوگیری از جعل اسناد رو به افزایش است. سیستم شناسایی امضای آفلاین بر روی تصاویر اسکن شده از امضا کار می کند در این مقاله یک روش برای تشخیص آفلاین امضا با استفاده از طبقه بندی کننده SVM (support vector machine) جهت بازشناسی الگو ارائه شده است که به هنگام آموزش با حفظ فاصله اطمینان با اندازه قابل تنظیم مرز جدا کننده ای فرا می گیرد. برای این کار دو روش پیشنهادی معرفی می گردد. جزئیات و نتایج شبیه سازی در این مقاله مورد بحث قرار گرفته است.

۰ نظر

شریف پژوه

پیاده سازی مقاله: تشخیص افراد ریسکی در صنعت بیمه با استفاده از درخت تصمیم Hoeffding

پیاده سازی مقاله: تشخیص افراد ریسکی در صنعت بیمه با استفاده از درخت تصمیم Hoeffding

چکیده:

با رشد روزافزون کامپیوتر، مقادیر زیادی از داده ها به وسیله ی سیستم های مختلف به وجود می آیند. در حال حاضر مسئله ی پیش روی سازمان ها، دیگر جمع آوری داده ها نیست، بلکه توانایی استخراج اطلاعات مفید از میان آنهاست. همانند دیگر بخش های اقتصادی، شناخت و جذب مشتریان کم ریسک و سودآور برای صنعت بیمه نیز دارای اهمیت است. اگر شرکت ها بیمه به طبقه بندی مشتریان با توجه به ویژگی های قابل مشاهده بپردازند، می توانند نرخ پوشش دهی بیمه و سود خود را افزایش دهند واز سوی دیگر فشاری بر افراد با ریسک کم برای جبران خسارات وارده، به وسیله ی افراد ریسک زیاد به شرکت های بیمه وارد نشود. در این مقاله قصد داریم مروری بر روش های تشخیص افراد ریسک در صنعت بیمه داشته باشیم سپس در مطالعه موردی به شناسایی افراد ریسکی بپردازیم. برای این منظور از درخت تصمیم Hoeffding برای کلاس بندی مشتریان بیمه استفاده شده است.

۰ نظر

شریف پژوه

پیاده سازی مقاله: ارایه الگوریتمی جدید برای جستجو در درخت های تصمیم با عمق زیاد

پیاده سازی مقاله: ارایه الگوریتمی جدید برای جستجو در درخت های تصمیم با عمق زیاد

چکیده:

درخت ها به ابزاری اجتناب ناپذیر برای ایده گرفتن و پیاده سازی و انتقال مفهوم در علم هوش مصنوعی و کامپیوتر تبدیل شده است . در پیاده سازی بسیاری از الگوریتم های مهم از درخت ها استفاده شده است و هرگونه بهبودی در استراتژی و الگوریتم های مربوط به درخت ها تاثیر بسیاری در سرعت اجرای برنامه ها خواهد داشت . در نوع خاصی از درخت ها به نام درخت تصمیم از روش جستجوی خصمانه جهت جستجو در درخت ها استفاده می شود. یکی از معایب الگوریتم های جستجوی خصمانه مصرف حافظه و پیچیدگی زمان اجرای آن ها در عمق زیاد است که هدف ما در این مقاله ارایه الگوریتمی جدید به نام Deepimax در جهت حل این مشکل می باشد . نتایج حاصل از پیاده سازی الگوریتم جدید نشان داد که این الگوریتم مصرف حافظه و پیچیدگی زمان اجرای کمتری برای جستجوها در عمق زیاد دارد.

۰ نظر

شریف پژوه

پیاده سازی مقاله: پخش بار بهینه به کمک الگوریتم تکامل تفاضلی

پیاده سازی مقاله: پخش بار بهینه به کمک الگوریتم تکامل تفاضلی

چکیده:

به منظور توزیع مناسب منابع توان رأکتیو در شبکه قدرت روش های زیادی ارائه شده است. اهمیت این موضوع و تأثیر مستقیمی که بر کنترل توان در شبکه دارد، ارائه یک روش مفید، دقیق و ارزان را می طلبد. در این مقاله یک روش مؤثر و کارا برای توزع بهینه توان رآکتیو در شبکه بر اساس الگوریتم تکامل تفاضلی ارائه شده است که به طور هم زمان مسئله پخش بار اقتصادی را هم در شبکه قدرت حل می نماید. تابع هدف در مسئله توزیع توان رآکتیو متشکل از 3 پارامتر اصلی است که بر مقدار توان رأکتیو شبکه قدرت تأثیر مستقیم می گذارند که عبارتند از : تلفات اکتیو، پروفیل ولتاژ و پایداری ولتاژ. تابع هدف مسئله پخ بار اقتصادی هم مینیمم سازی هزینه سوخت است که برای سادگی تابعی درجه 2 از توان تولیدی نیروگاه ها در نظر گرفته شده است. در پایان هم الگوریتم پیشنهادی روی یک شبکه 12 باس پیاده سازی شده و نتایج آن ارائه گردیده است.

۰ نظر

شریف پژوه

پیاده سازی مقاله: بهبود سیستم ایمنی مصنوعی با استفاده از منطق فازی

پیاده سازی مقاله: بهبود سیستم ایمنی مصنوعی با استفاده از منطق فازی

چکیده:

سیستم ایمنی مصنوعی یک تکنیک الهام گرفته شده از مکانیزمهای دفاعی سیستم ایمنی طبیعی میباشد که در زیرمجموعه الگوریتمهای مبتنی بر جمعیت و تکاملی قرار میگیرد. در این الگوریتم بهترین آنتیبادیهای به عنوان حافظه نگهداریمیشوند و مجموعه آنتیبادیها با انتخاب همزاد توسط ابرجهش به دنبال بهترین آنتیبادیها (پاسخها) هستند. از مشکلات الگوریتم اولیه سیستم ایمنی مصنوعی، میتوان به افتادن در بهینه محلی و پایین بودن سرعت همگرایی اشاره نمود. بنابراینتغییرات نرخ جهش (ابرجهش) در این الگوریتم به عنوان تنها و مهمترین عملگر تغییر که منجر به تغییرات سرعت همگرایی وخروج از بهینههای محلی میگردد، حائز اهمیت میباشد. در این مقاله با استفاده از منطق فازی، روش جدیدی برای بهبود تغییرات نرخ ابرجهش پیشنهاد شده است. آزمایشات بر روی چندین تابع محک استاندارد اعمال شده و نتایج روش پیشنهادی به همراه روشهای متداول دیگر، حاکی از مطلوبیت روش پیشنهادی است.

۰ نظر

شریف پژوه

صفحه قبل

صفحه بعد
صفحه آخر

شریف پژوه

گروه تحقیق و توسعه شریف پژوه

سفارش پروژه از طریق ایمیل sharifpajuh@gmail.com

۶۲ مطلب با موضوع «مقالات» ثبت شده است

پیاده سازی پایان نامه: تخمین مدت زمان جراحی از طربق تکنیک های داده کاوی

پیاده سازی پایان نامه: پیش بینی مصرف انرژی ساختمان با استفاده از تکنیک های داده کاوی

پیاده سازی مقاله: زمان بندی وظایف در محیط ابری با استفاده از الگوریتم ژنتیک

پیاده سازی مقاله: تحلیل روش های داده کاوی در پیش بینی ریزش مشتریان مخابرات

پیاده سازی مقاله: تجزیه و تحلیل داده های بزرگ تجاری در رایانش ابری مبتنی بر آپاچی اسپارک

پیاده سازی مقاله: بررسی کاربرد چارچوب های تحلیل عظیم داده ها در پیش بینی زلزله

پیاده سازی مقاله: پردازش موازی در داده کاوی

پیاده سازی مقاله: شناسایی کاربران اسپم در شبکه های اجتماعی با استفاده از الگوریتم KNN

پیاده سازی مقاله: تشخیص احساس از روی گفتار فارسی با استفاده از ماشین بردار پشتیبان

پیاده سازی مقاله: مروری بر روش های پیش بینی نقص های نرم افزاری مبتنی بر یادگیری ماشین

پیاده سازی مقاله: پیشبینی بیشینه بار مصرفی در بازار برق با استفاده از سریهای زمانی

پیاده سازی مقاله: طبقه بندی زیرگروه ویروس آنفولانزا با استفاده از تکنیک های داده کاوی

پیاده سازی مقاله: ارائه یک الگوریتم جهت بهبود الگوریتم k-means

پیاده سازی مقاله: پیش بینی قیمت سهام بانک صادرات با استفاده از شبکه عصبی مصنوعی

پیاده سازی مقاله: الگوریتم خوشه بندی اسناد بر پایه الگوریتم K-MEANS بهبود یافته

پیاده سازی مقاله: تشخیص امضای آفلاین با استفاده از SVM

پیاده سازی مقاله: تشخیص افراد ریسکی در صنعت بیمه با استفاده از درخت تصمیم Hoeffding

پیاده سازی مقاله: ارایه الگوریتمی جدید برای جستجو در درخت های تصمیم با عمق زیاد

پیاده سازی مقاله: پخش بار بهینه به کمک الگوریتم تکامل تفاضلی

پیاده سازی مقاله: بهبود سیستم ایمنی مصنوعی با استفاده از منطق فازی