چکیده: یکی از چالشهای تشخیص تقلب در حوزه سیستم های پرداخت الکترونیکی، تنوع و تغییر مداوم شیوههای تقلب است لذا نیاز به روش های تشخیص تقلب با کارایی و دقت باال به روشنی قابل درک است. در این پژوهش روش داده کاوی رگرسیون لجستیک، شبکه عصبی BP و شبکه عصبی GMDH برای ساخت مدلهایی جهت شناسایی تقلب در تراکنشهای مالی دستکاه خودپرداز یک بانک پیاده سازی شدند. در ادامه، این روشها برروی دادههای واقعی آزمایش و کارایی هر روش سنجیده شد. روش شبکه عصبی GMDH با دقت 19.37 درصد در شناسایی تقلب یا غیرتقلب بودن تراکنشهای مالی بهترین کارایی را در مقایسه با دو روش رگرسیون لجستیک با دقت کلی 98.63 و شبکه عصبی BP با دقت کلی 0..34داشت. باتوجه به نتایج بدست آمده روش پیشنهادی در تشخیص تقلب نسبت به دو روش دیگر با دقت بیشتری عمل کرده است.

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.

سفارش انجام پروژه

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.

 
چکیده: با استفاده از دانش عقیده کاوی می‌توان دانش بسیار خوبی از عموم جامعه در شبکه‌های اجتماعی درباره موضوعات مختلف به دست آورد. با استفاده از عقیده کاوی می‌توانیم کشف کنیم که افراد چه عقایدی درباره موضوعات مختلف دارند و چه نظراتی داده‌اند که با تحلیل این نظرات نتایج جالبی می‌توانیم به دست آوریم، دانش نظر کاوی زیر مجموعه علم داده کاوی می‌باشد. با تحلیل احساسات و نظرات می‌توانیم دلیل شکست یا موفقیت موضوعات مختلف در جامعه را از دید کاربران به دست آوریم. در این پژوهش ما یک روش جدید برای عقیده کاوی در شبکه‌های اجتماعی درباره فیلم‌های سینمایی ارائه کرده‌ایم. نتیجه این تحقیق نشان می‌دهد که علت موفقیت یا شکست یک فیلم از دید کاربران چه بوده است، در روش پیشنهادی نظرات کاربران ابتدا بر اساس کلمات کلیدی و هشتگ های مهم برچسب گذاری می‌شود که نظر مثبت می‌باشد یا منفی و در ادامه بعد از برچسب گذاری تحلیلی برای نظرات انجام می‌شود که تعداد لایک هر نظر تأثیر بالایی در تحلیل دارد، نتایج شبیه سازی و مقایسه روش پیشنهادی نشان می‌دهد که روش پیشنهادی از دقت بالایی برخوردار می‌باشد و می‌توان از روش پیشنهادی در دیتاست های مختلف فارسی مورد استفاده قرار داد.

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.