سفارش انجام پروژه پیش بینی تشخیص تقلب با تلفیق روش های درخت تصمیم و الگوریتم رقابت استعماری:
تقلب در مفهوم عام، عبارت است از تحریف حقایق مهم، توسط فردی که می داند ادعایش حقیقت ندارد و یا ارائه حقایق، بدون توجه نسبت به صحت آنها و به قصد فریب دیگران. 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 درخت تصمیم (decision tree) و الگوریتم رقابت استعماری (Imperialist competitive algorithm)، مجموعه داده های مربوط به پیش بینی تشخیص تقلب مورد بررسی قرار گرفته است. نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.
موارد قابل تحویل:
- فایل های شبیه سازی پروژه با نرم افزارهای متلب (Matlab)، پایتون (Python)، زبان R و ... (بسته به درخواست سفارش دهنده)
- مستندات پروژه، شامل توضیحات مربوط به فعالیت های صورت گرفته
- فایل ارائه ی پاورپوینت
- فیلم آموزشی برای آشنایی دقیق تر با فرآیند انجام پروژه
- مجموعه داده ی مورد استفاده در پروژه
برخی از موارد قابل پیاده سازی:
- بررسی تاثیر استفاده از الگوریتم رقابت استعماری بر روی پارامترهای مختلف درخت تصمیم.
- بررسی تاثیر استفاده از زیرمجموعه ای از داده ها بر روی عملکرد روش تلفیقی درخت تصمیم و الگوریتم رقابت استعماری. انتخاب زیرمجموعه مناسب از داده ها به کمک روش رقابت استعماری انجام می شود.
- بررسی تاثیر استفاده از روش های تجمعی نظیر بگینگ(bagging) و بوستینگ(boosting) بر روش تلفیقی درخت تصمیم و الگوریتم رقابت استعماری.
- امکان ارائه ی ارزیابی به کمک روش های مختلف، نظیر Cross Validation
- مقایسه با سایر الگوریتم ها، نظیر انواع درخت تصمیم(decision tree) نظیر CHAID، CART، C5.0 و ...، ماشین بردار پشتیبان(support vector machine)، شبکه ی عصبی(Neural Net)، جنگل تصادفی(Random Forest)، استخراج قوانین(Rule Induction)
- روش های مختلف پاکسازی (این بخش با نرم افزارهای جانبی نظیر رپیدماینر، وکا و ... انجام می شود.)
- حذف مقادیر گم شده (missing values)،
- حذف داده های پرت،
- حذف نویز،
- گسسته سازی،
- ایجاد ویژگی های جدید،
- نرمال سازی،
- انتخاب زیرمجموعه ای مناسب از ویژگی ها و...
- روش های مختلف تصویر سازی (این بخش با نرم افزارهای جانبی نظیر رپیدماینر، وکا و ... انجام می شود.)
- نمودارهای هیستوگرام(histogram)
- هیستوگرام رنگی
- پراکندگی(Scatter) و...
- موارد و الگوریتم های قید شده، تنها نمونه ای از فعالیت های قابل تحویل است. انواع مختلف روش های داده کاوی و هوش مصنوعی با توجه به درخواست شما، قابل ارائه است.
مشاوره انجام پایان نامه، پروپزال و مقاله:
در صورتی که به مشاوره برای انجام پایان نامه، پروپزال و مقاله، همچنین آموزش انجام پایان نامه، پروپزال و مقاله در زمینه ی بهینه سازی درخت تصمیم با الگوریتم رقابت استعماری برای داده کاوی پیش بینی تشخیص تقلب، نیازمندید، این مورد را هنگام درخواست قید نمایید. با توجه به قوانین موجود، فعالیت شریف پژوه محدود به آموزش و مشاوره در این موارد می باشد.
منحصر به فرد بودن پروژه:
در صورتی که نیاز به یک پروژه اختصاصی و منحصر به خودتان در زمینه بهینه سازی درخت تصمیم با الگوریتم رقابت استعماری برای داده کاوی پیش بینی تشخیص تقلب، داشته باشید، این مورد را هنگام درخواست قید نمایید.