پیاده سازی مقاله: کاربرد محاسبات گرید در منابع بازار با کاربرد منطق فازی

چکیده:

پیاده سازی مقاله: افزایش کارایی در گرید با استفاده از الگوریتم pso

چکیده:

پیاده سازی مقاله: یک رویکرد هوشمند برای مساله زمانبندی کار در گرید محاسباتی

چکیده:

پیاده سازی مقاله: تاثیر انتخاب اپراتور برNSGA_III در بهینه سازی بیش هدفه- چند هدفه و تک هدفه

چکیده:

پیاده سازی مقاله: الگوریتم ژنتیک گروهی مبتنی بر الگوریتم پرندگان

چکیده:

پیاده سازی مقاله: الگوریتم های زمانبندی کارها در محیط گرید

چکیده:

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

چکیده:

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

چکیده:

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

چکیده:

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.

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

چکیده:

دریافت مقاله:

 لینک مقاله

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

چکیده:

دریافت مقاله:

 لینک مقاله

پیاده سازی مقاله: الگوریتم جستجوی گرانشی فازی، رهیافتی برای داده کاوی

چکیده:

پیاده سازی مقاله: روشی جهت تشخیص بدافزار با استفاده از الگوریتم های داده کاوی و هوش مصنوعی

چکیده:

بدافزار به هرگونه برنامه کامپیوتری اطلاق می شود که دارای اهداف مخرب باشد. این برنامه ها مهمترین تهدید برای سیستم هایکامپیوتری به حساب می آیند. تنوع این بدافزارها باعث محدود شدن راه کارهای مقابله با آنها شده است، به گونه ای که روزانه میلیون ها سیستمکامپیوتری بر اثر آسیب های ناشی از انواع ویروس ها، تروجان ها و کرم های اینترنتی و غیره آلوده می شوند. در سال های اخیر یکی از مهمترینچالش های امنیت اطلاعات و شبکه های ارتباطی، افزایش روز افزون انواع بدافزارها و به دنبال آن یافتن راه های مناسب جهت حفاظت سیستم ها درمقابل آنهاست که از مهمترین دغدغه های برنامه نویسان و متخصصین امنیت اطلاعات، شناخت به موقع و یافتن راه های مقابله با اثرات مخرباینگونه بدافزارها می باشد. در این راستا طی سالهای اخیر استفاده از الگوریتم های داده کاوی و هوش مصنوعی بعنوان یکی از روشهای نوظهور وامیدوار کننده توانسته است کاربرد بسیاری جهت شناسایی و تشخیص انواع بدافزارها داشته باشد. لذا در این تحقیق سعی کردیم با استفاده ازشبکه عصبی مصنوعی و الگوریتم ازدحام ذرات، فایل های آلوده به بدافزار را تشخیص دهیم. پیاده سازی روش پیشنهادی نشان میدهد که توانستهاست فایل های آلوده به بدافزار را با استفاده از مجموعه داده مربوط به فایل های سالم و آلوده به بدافزار با دقت 0.91 درصد تشخیص دهد که نشان ازعملکرد بالای آن دارد.

پیاده سازی مقاله: بکارگیری تکنیک های داده کاوی در تشخیص و پیش بینی کلاهبرداری بانکی

چکیده:

با گسترش روز افزون استفاده از سامانه های نوین بانکی و افزایش تعداد عملیات بانکی، سوء استفاده های مالی و تقلب در این عملیات بیشاز پیش گسترش پیدا کرده است. اینگونه سوء استفاده ها علاوه بر اتلاف منابع مالی، باعث کاهش اعتماد مشتریان به استفاده از سامانه های نوینبانکی و در نتیجه کاهش اثر بخشی این سامانه ها در مدیریت بهینه ی سرمایه و تراکنش های مالی می شود. در این پژوهش جهت کشف تقلببانکی بر روی مجموعه داده های بانکی ، از ترکیب الگوریتم های داده کاوی استفاده شده است. برای انجام کار در ابتدا، خوشه بندی رکوردهای دادهای موجود در مجموعه داده ها صورت گرفته است و به دنبال آن، تشخیص تراکنش های بانکی شبهه دار، در زمان انجام تراکنش تشخیص داده میشود. نتایج حاصل نشان می دهد که روش پیشنهادی دارای میزان دقت بالاتری نسبت به الگوریتم های داده کاوی دیگر همچون درخت تصمیم J48و جنگلهای تصادفی دارد.

پیاده سازی مقاله: تشخیص نفوذ در شبکه های کامپیوتری مبتنی بر سیستم های فازی و الگوریتم جستجوی ممنوعه

چکیده:

 با توجه به گسترش و توسعه سریع شبکه های کامپیوتری، نفوذ و حملات به آن ها افزایش یافته و به طرق و شیوه های مختلف انجام می شود. هدف از تشخیص نفوذ برای شناسایی استفاده غیرمجاز، سوء استفاده، و آسیب پذیری های ایجاد شده توسط کاربران داخلی و مهاجمان خارجی است. در این مقاله قصد داریم که سیستم تشخیص نفوذ از نوع سوء استفاده مبتنی بر سیستم فازی و الگوریتم جستجوی ممنوعه را ارائه کنیم. در ابتدا دانش موردنیاز خود را از سیستم فازی که مجموعه ای از قوانین if-then است، را کسب کرده و سپس الگوریتم جستجوی ممنوعه برای بهینه کردن مجموعه قوانین به دست آمده را بر روی مجموعه داده NSL-KDD پیاده و اجرا نمودیم. نتایج به دست آمده در مقایسه با نتایج موجود حاکی از آن است که روش پیشنهادی از صحت و کارایی مناسبی برخوردار است.

پیاده سازی مقاله: ارایه یک روش انتخاب ویژگی جدید با بکارگیری الگوریتم رقابت استعماری در راهکار فیلتر

چکیده:

 با پیشرفت تکنولوژی در زمینه داده کاوی، مجموعه های دادهای با ابعاد بالا در حال افزایش است که در آن بسیاری ازویژگیها بی ربط و زاید هستند و منجر به کاهش کارایی الگوریتم های دسته بندی میشود؛ بنابراین، کاهش ابعاد این مجموعه های دادهای تبدیل به یک تلاش ضروری شده است. انتخاب ویژگی یک تکنیک رایج برای غلبه بر این مشکل است که هدف آن، شناسایی زیرمجموعه ای از ویژگیهای مفید از بین مجموعه ویژگیهای اولیه برای بهبود عملکرد طبقه بندی است. در این مقاله، روش جدیدی برای انتخاب ویژگی مبتنی بر راهکار فیلتر به نامSimRelICA ارایه میشود. در روش پیشنهادی با بکارگیری الگوریتم رقابت استعماری چارچوبی ارایه شده که فرآیند انتخاب ویژگی را مستقل از هر طبقه بندی کننده، انجام میدهد. در ابتدا، هر کشور با استفاده از یک شکل جدید، بازنمایی میشود. سپس با توجه به این بازنمایی،روش جدیدی برای تولید جمعیت اولیه پیشنهاد شده است. در طی یک فرآیند تکرارشونده، روش پیشنهادی یک زیرمجموعه ویژگی مناسب را انتخاب میکند که در آن از تابع هزینه جدید برای محاسبه هزینه هر کشور استفاده شده است. این تابع هزینه به شکلی ارایه شده است که مناسب بودن هر ویژگی را ارزیابی میکند. عملکرد روش پیشنهادی با روشهای انتخاب ویژگی شناخته شده، با استفاده از طبقه بندی کنندههای مختلف مقایسه شده است. نتایج آزمایشها نشان از برتری روش پیشنهادیSimRelICA به لحاظ دقت طبقهبندی، بر روشهای انتخاب ویژگی موجود دارد. همچنین نتایج نشان میدهد که با توجه به مستقل بودن روش پیشنهادی از طبقه بندی کننده، عملکرد مناسبی بر روی طبقه بندی کننده های مختلف داشته است.

پیاده سازی مقاله: شناسایی و کشف بیماری آلزایمر با کمک داده کاوی و درخت تصمیم بهینه شده

چکیده:

امروزه بیماری آلزایمر بسیار شیوع پیداکرده است و تشخیص سریع آن یکی از موارد بسیار مهمی می باشد که می تواند در پیشگیری و درمان افرادب سیار موثر واقع شود. از این رو در این تحقیق روشی برای پیش بینی بیماری آلزایمر ارائه شده است. در اینجا با استفاده از الگوریتم ژنتیک ویژگی های موثر شناسایی می شوند تا اینکه تعداد ویژگی ها کاهش یافته و تنها ویژگی های موثرتر شناسایی شوند و در ادامه با استفاده از درخت تصمیم گیری سعی شده است تا راه حلی بیان شود که با استفاده از پارامترهایی که از طریق داده کاوی به دست آمده است بیماری آلزایمر در افراد پیش بینی شود. سیستم ارائه شده در اینجا قادر است تا تصمیماتی را اتخاذ کند که این تصمیمات می تواند در جهت رسیدن به سیستمی توصیه گر خود مختار بسیار سودمند باشد. سربار محاسباتی روش پیشنهادی (O(n و سرابر حافظه (O(mn می باشد که در ان m تعداد ویژگی های دیتاست می باشد.

پیاده سازی مقاله:  ارائه یک سیستم توصیه گر برای استخراج اطلاعات موردنیاز کاربران در زمینه املاک با استفاده از وب کاوی

چکیده:

با رشد تکنولوژی در عصر امروزی و اهمیت و صرفه جویی در وقت و هزینه،تجارت الکترونیکی یکی از ضرورت های تجاری محسوب می شود.رشد روز افزون بنگاه های تجاری گوناگون بر روی وب،باعث دشوار شدن انتخاب مشتریان گردیده است.با توجه به فضای رقابتی موجود در وب سایت های مختلف و فروشگا های تجاری موجود،لزوم استفاده از ابزاری که سبب جذب بیشتر مشتریان و رضایتمندی آنان گردد و نیز از سردرگمی آنان در میان حجم عظیم اطلاعات جلوگیری کرده و آنان را در دسترسی سریعتر به هدف،یاری نماید،بیش از پیش احساس می شود.یکی از ابزارهای موثر در تجارت الکترونیک،سیتم های توصیه گر می باشند.سیستم های هوشمندی که به ارائه ی پیشنهادات شخصی سازی شده به کاربران،سبب ترغیب آنان به خرید از وب سایت ها یا فروشگاه های آنلاین میشوند.به طور کلی سیستم های توصیه گر یا پیشنهاد دهنده سیتم هایی هستند که با یکسری از روش های داده کاوی و وبکاوی و خصوصیاتی مانند جستجوی کاربران در گذشته یا امتیازاتی که سایر کاربران به اقلام مورد بازدید در گذشته داده اند،می توانند پیشنهاد های مناسبی را به کاربران ارئه دهند.در این تحقیق به ارائه روشی جهت بهبود سیتم های توصیه گر درزمینه املاک پرداخته می شود که طی تحقیقات صورت گرفته این سیستم می تواند تا 90 درصد به درستی نیازهای کاربران در زمینه املاک را به درستی تخیص داده وپیشنهادات مناسبی را به کاربر ارائه دهد کی می تواند مورد علاقه وی باشند.