شریف پژوه

سفارش انجام پروژه داده کاوی تشخیص نفوذ در شبکه های کامپیوتری به کمک روش های شبکه ی عصبی و الگوریتم بهینه سازی ازدحام ذرات:

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 بهینه سازی ازدحام ذرات (particle swarm optimization 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 ورشکستگی به کمک روش های شبکه ی عصبی و الگوریتم ژنتیک:

پیش بینی ورشکستگی یکی از مهم ترین عنوان های کاربرد داده کاوی در حوزه های مالی است. در این راستا، عوامل، شرایط و اقداماتی که نهایتا به مشکلات مالی منجر می شود، شناسایی خواهند شد. در طول سال های اخیر، تحقیقات مالی و حسابداری گسترده ای در این زمینه انجام شده است. اهمیت این مسئله به حدی است که بسیاری از سرمایه گذاری ها و همکاری های مالی قبل از حصول اطمینان از عدم امکان ورشکستگی انجام نمی شود. برای مطالعه جزییات بیشتر در مورد پیش بینی ورشکستگی 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 پیش بینی ورشکستگی 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 ماشین بردار پشتیبان و الگوریتم کلونی زنبور عسل:

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 ماشین بردار پشتیبان (support vector machine) و الگوریتم کلونی زنبور عسل (Artificial bee colony 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.

سفارش انجام پروژه داده کاوی تشخیص سرطان به کمک روش های ماشین بردار پشتیبان و الگوریتم کلونی زنبور عسل:

سرطان نامی است که به مجموعهٔ بیماری‌هایی اطلاق می‌شود که از تکثیر مهارنشده سلول‌ها پدید می‌آیند. سلول‌های سرطانی از سازوکارهای عادی تقسیم و رشد سلول‌ها جدا می‌افتند. علت دقیق این پدیده همچنان نامشخص است ولی احتمال دارد عوامل ژنتیکی یا مواردی که موجب اختلال در فعالیت سلول‌ها می‌شوند در هسته سلول اشکال وارد کنند. از جملهٔ این موارد می‌توان از مواد رادیو اکتیو، مواد شیمیایی و سمی یا تابش بیش از حد اشعه‌هایی مانند نور آفتاب نام برد. در یک جاندار سالم، همیشه بین میزان تقسیم سلول، مرگ طبیعی سلولی و تمایز، تعادلی وجود دارد. برای مطالعه جزییات بیشتر در مورد بیماری سرطان کلیک کنید.

در این پروژه، با استفاده از تلفیق روش های ماشین بردار پشتیبان (support vector machine) و الگوریتم کلونی زنبور عسل (Artificial bee colony algorithm)، مجموعه داده های مربوط به سرطان 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.

پیاده سازی پایان نامه: پیش بینی لغو هتل ها با استفاده از یادگیری ماشینی

لغو اتاق یک چالش بزرگ برای صنعت هتلداری است زیرا تعداد مهمانان بر کل تنظیمات عملیاتی تأثیر می گذارد. هدف از این تحقیق پیش بینی لغو هتل ها با استفاده از یادگیری ماشین و تجزیه و تحلیل عواملی است که بیشترین تأثیر را دارند. در این تحقیق راهکاری مبتنی بر تکنیک های داده کاوی و یادگیری ماشین برای حل این مسئله ارائه می شود.

پیاده سازی پایان نامه: تشخیص تقلب صورت های مالی با استفاده از تکنیک های داده کاوی

بررسی تقلب مالی در واقع یکی از موضوعات چالش برانگیز است با توجه به این که پیامدهای اقتصادی و اجتماعی ناشی از تقلب می تواند گسترده باشد. به این ترتیب تقلب مالی در حال تبدیل شدن به یک مشکل جدی است و در نتیجه، شناسایی موثر تقلب حسابداری همیشه یک کار مهم اما نسبتاً پیچیده برای متخصصان حسابداری بوده است. در این تحقیق راهکاری مبتنی بر تکنیک های داده کاوی برای حل این مسئله ارائه می شود.

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.