۱۱ مطلب با کلمه‌ی کلیدی «پیاده سازی مقاله» ثبت شده است

پیاده سازی مقاله: روش جدید تشخیص فیشینگ مبتنی بر ترکیب الگوریتم پنگوئن و داده کاوی

پیاده سازی مقاله: روش جدید تشخیص فیشینگ مبتنی بر ترکیب الگوریتم پنگوئن و داده کاوی

چکیده:

با دسترسی آسان به اینترنت، بسیاری از کسب و کارها فعالیت های خود را در شبکه های وابسته به اینترنت انجام می دهند. اما هموره مخاطرات امنیتی از جمله حملات فیشینگ این کسب و کارها را تهدید می کنند. تعدد ویژگی های صفحات وب، منجر به استفاده از روش های انتخاب ویژگی و ترکیب آنها با روش های یادیگیر به منظور تشخیص فیشینگ شده است. عملکرد مناسب الگوریتم فرا ابتکاری پنگوئن در یافتن پاسخ بهینه، ایده اصلی این مقاله جهت بررسی نحوه عملکرد این الگوریتم در مسئله تشخیص فیشینگ بوده است. بنابراین از تریکب الگوریتم پنگوئن در فاز انتخاب ویژگی با شبکه عصبی مصنوعی در فاز تشخیص فیشینگ استفاده شده است. برای آموزش و ارزیایی روش پینشهادی از یک مجموعه داده با 11055 نمونه وبسایت های فیشینگ و عادی استفاده شده است. نتایج پیاده سازی در محیط متلب نشان می دهد با افزایش اندازه جمعیت و تعداد تکرار در الگوریتم بهینه سازی پنگوئن، مقدار متوسط تابع انتخاب ویژگی 69.57%، و شاخص RMSE حدود 24.56% کاهش یافته است. همچنین روش پیشنهادی در مقایسه با شبکه عصبی مصنوعی چند لایه حدود 29.16% خطای کمتر در تشخیص فیشینگ را نشان می دهد.

  • شریف پژوه

پیاده سازی مقاله: استفاده از تکنیک های متن کاوی در تجزیه و تحلیل احساسات کاربران ایرانی LinkedIn

پیاده سازی مقاله: استفاده از تکنیک های متن کاوی در تجزیه و تحلیل احساسات کاربران ایرانی LinkedIn

چکیده:

امروزه با استفاده روزافزون از شبکه های اجتماعی شاهد حجم انبوهی ازنظرات کاربران درارتباط با موضوعات مختلف هستیمکه مطالعه و تحلیل نظرات در حجم انبوه با مشکلات زیادی روبرو بوده و کاربرد تکنیک های علمی نوین ضرورتی اجتناب ناپذیرمی باشد. در این پژوهش با کاربرد تکنیک متن کاوی و تحلیل محتوا پدیده های اقتصادی سال 1398 را در شبکه اجتماعی LinkedIn مورد مطالعه و بررسی قرار داده و تمام پست های انتشار یافته شامل؛ 2800 پست را در چهار گروه؛ تورم و افزایش هزینه های زندگی و افزایش قیمت کالا ها، افزایش دستمزد کارگران و کارمندان، افزایش نرخ بیکاری، تغییر نرخ ارز رده بندی و همبستگی بین رده ها را با ویژگی کاربران توصیف نموده است. پست های کاربران به کمک نرم افزار rapidmainer و الگوریتم های متن کاوی مورد تحلیل قرار گرفت و در پایان به این نتیجه رسیدیم که احساسات و فعالیت های کاربران در شبکه های اجتماعی ارتباط مستقیم با ویژگی های شخصی آنها دارد.

  • شریف پژوه

پیاده سازی مقاله: روشی برای تحلیل احساسات توییت براساس ترکیب روش های یادگیری ماشین و شباهت معنایی

پیاده سازی مقاله: ارائه روشی کارا برای تجزیه و تحلیل احساسات توییت براساس ترکیب روش های یادگیری ماشین و شباهت معنایی

چکیده:

با ظهور شبکه های اجتماعی حجم اطلاعات تولید شده رشدی صعودی داشته است. توییتر از جمله شبکه های اجتماعیاست که کاربران آن پیام هایی با طول کمتر از 140 کاراکتر (توییت) ارسال می کنند. تشخیص احساسات کاربران درزمان حال بیشترین کاربرد را در سایت های عرضه انواع کالا (مجازی یا حقیقی) دارد. با این حال مشکل عمده طبقهبندی توییت ها، ابعاد بالای فضای ویژگی است. در حال حاضر روش های بسیاری برای مقابله با انتخاب ویژگی هایتوییت وجود دارد. به منظور بهبود عملکرد طبقه بندی توییت ها، ما یکی دیگر از روش انتخاب ویژگی را ارئه می کنیم.مطالعه ما بر اساس الگوریتم ژنتیک است، ما یک الگوریتم ژنتیک جدید به منظور کاهش ابعاد بالا فضای ویژگی طراحیمیکنیم. پارامترهای الگوریتم ژنتیک جدید بر اساس میزان برازندگی و شباهت ویژگی ها تعیین می شود. نتایج حاصلاز آزمایش ها نشان می دهد که روش پیشنهادی میزان دقت و صحت را در انتخاب مجموعه ویژگی و پیش بینی احساسات توییت بهبود بخشیده است.

  • شریف پژوه

پیاده سازی مقاله: ارائه یک سیستم نظرکاوی برای تحلیل نظرات کابران در مورد فیلم‌های سینمایی

پیاده سازی مقاله: ارائه یک سیستم نظرکاوی برای تحلیل نظرات کابران در مورد فیلم‌های سینمایی

 
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.

  • شریف پژوه

پیاده سازی مقاله: سیستم خبره تشخیص بیماری های تیروییدی

پیاده سازی مقاله: سیستم خبره تشخیص بیماری های تیروییدی

 
چکیده:
 سیستم های خبره یا مبتنی بر دانش، رایج ترین نوع سیستمهای هوش مصنوعی در علم پزشکی در کاربرد ها و استفاده های کلینیکی هستند. آنها شامل دانش پزشکی هستند که این دانش معمولا در محدوده وظیفه و عملیاتی است که به صورت مخصوص برای او تعریف شده است. سیستم های خبره می توانند با استفاده از داده های مربوط به هر بیمار، نتیجه گیری منطقی و معقولی را به دست آورند. با وجود تغییرات فراوان و تفاوت های موجود، دانش درون سیستم خبره، بسته به نوع آن، در قالب مجموعه ای از قوانین، نمایش داده می شود.دراین مقاله، برای تشخیص اختلال های تیرویید را با استفاده از یک سیستم خبره مبتنی بر آنتولوژی و روش فازی عصبی پیشنهاد می دهدOBESTDD مخفف عبارت . سیستم خبره مبتنی بر آنتولوژی برای تشخیص اختلال تیرویید است. در این تشخیص، از آنتولوژی برای مدل سازی محتوا و مفاهیم دانش حوزه ای، و همچنین استنتاج تشخیص مرتبط با بیماری بر اساس قوانین، استفاده می شود.فایده آنتولوژی این است که دانش ارایه شده، هم برای کامپیوتر و هم برای انسان، به اندازه کافی خوانایی دارد. استفاده از آنتولوژی در حوزه پزشکی و مراقبت های بهداشتی، باعث شده است که افراد متخصص و یا غیر متخصص در این حوزه بتوانند به راحتی دانش خود را ارایه دهند. همچنین ما با استفاده از روش فازی عصبی، توانستیم قوانین فازی را به دست آورده و آنها را در سیستم سیستم خبره تشخیص اختلال تیروییدESTDDجایگذاری کنیم. به این صورت، این سیستم توانست اختلال تیرویید را با دقت 95.33 % تشخیص دهد. علاوه بر این، می توان از این سیستم برای آموزش دانشجویان رشته پزشکی نیز استفاده کرد.

  • شریف پژوه

پیاده سازی مقاله: طراحی یک سیستم خبره برای تشخیص بیماری قلبی

پیاده سازی مقاله: طراحی یک سیستم خبره برای تشخیص بیماری قلبی

 
چکیده:
 باتوجه به اینکه مردم به تازگی علاقه به وضعیت سلامتیشان دارند، توسعه دامنه کاربرد پزشکی یکی از فعالترین زمینه های تحقیقات را به خود اختصاص داده است. یک مثال از دامنه کاربرد پزشکی کشف روش برای بیماری قلبی بر پایه روش تشخیص به کمک رایانه است، که اطلاعات از منابع دیگر بدست آمده و توسط نرم افزارهای رایانه ای ارزیابی شده است. سیستم های خبر، با هدف عمومی کردن مهارت های افراد متخصص، برای افراد غیرمتخصص طراحی شده اند. در واقع این نرم افزارها، الگوی منطقی ای را که یک متخصص براساس آنها تصمیم گیری می کند، شناسایی می نمایند و سپس بر اساس آن الگوها، مانند انسان ها تصمیم گیری می کنند. تاکنون سیستم های خبره ی مختلفی در زمینه ی علوم پزشکی ارائه شده و در این مورد پیشرفت زیادی داشته است. در حالی که سرعت عمل در تشخیص بیماری قلبی و در بهبود حال بیماران بسیار موثر می باشد، اما گاهی دسترسی به پزشکان متخصص برای بیماران وجود ندارد و ا ز این رو طراحی سیستمی با دانش پزشک متخصص که تشخیص مناسب را به بیماران ارائه نماید، شرایط درمان به موقع بیماران را رفراهم می کند. در این تحقیقی یک نمونه از قواعد نامعلوم سنگین برپایه روش پشتیبانی تصمیم برای تشخیص بیماری قبلی آورده شده است. تصمیم پزشکی پیشنهادی سیستم برای پیش بینی ریسک بیماران قلبی شامل دو فاز است: (1) روش خودکار برای قاعده سنگین نامعلوم (2) توسعه قاعده سنگین براساس پشتیببانی تصیمیم سیستم . سپس سیستم نامعلوم در مطابقت با قاعده سنگین نامعلوم و خواص منتخب ساخته شده است. در پایان عملکرد سیستم با دقت شبکه عصبی، حساسیت و ویژگی مورد استفاده مقایسه می شود.

  • شریف پژوه

پیاده‌سازی مقاله: طراحی یک سیستم استنتاج عصبی - فازی با استفاده از الگوریتم ژنتیک و الگوریتم بهینه سازی ازدحام ذرات در تشخیص بیماری دیابت

پیاده سازی مقاله: طراحی یک سیستم استنتاج عصبی - فازی با استفاده از الگوریتم ژنتیک و الگوریتم بهینه سازی ازدحام ذرات در تشخیص بیماری دیابت

 
چکیده:
 در این مقاله یک سیستم استنتاج عصبی- فازی برای تشخیص افراد مبتلا به بیماری دیابت پیشنهاد میکنیم. ایده این مقاله، استفاده از روشی جدید در آموزش سیستم فازی طراحی شده با استفاده از الگوریتم ژنتیک و الگوریتم بهینه سازیازدحام ذرات است. روش پیشنهادی با استفاده از نرم افزار متلب بر مجموعه داده بیماران دیابتی هندی موجود در مخزن داده یادگیری ماشین پیاده سازی شده است. شاخص های عملکردی این سیستم حساسیت، اختصاصیت و دقت است که در بهترین حالت به ترتیب 63/49و96/11و89/78درصد بدست آمده است.

  • شریف پژوه

پیاده سازی مقاله: بهبود تشخیص بیماری دیابت با استفاده از روش فازی سوگنو و الگوریتم کرم شب تاب

پیاده سازی مقاله: بهبود تشخیص بیماری دیابت با استفاده از ترکیب سیستم استنتاج فازی سوگنو و الگوریتم کرم شب تاب

 
چکیده:
 امروزه درصد بالایی از مردم در معرض خطر ابتلا به بیماری دیابت هستند. این بیماری یکی از خطرناکترین بیماری های عصر حاضر است و تشخیص به موقع این بیماری نقش به سزایی در درمان آن دارد.
روش ها: در این مقاله با استفاده از سیستم استنتاج فازی سوگنو و الگوریتم هوشمند کرم شب تاب، روشی نوین برای تشخیص دیابت ارائه شده است. روش ارائه شده قادر است با استفاده از تعداد کمی قوانین ساده فازی با دقت مطلوبی بیماری دیابت را تشخیص دهد.
یافته ها: کارآیی ترکیب سیستم استنتاج فازی سوگنو و الگوریتم کرم شب تاب 24/87 درصد به دست آمد.
نتیجه گیری: نتایج تجربی نشان می­دهند که این روش روی مجموعه داده استاندارد PID دقت بیشتری نسبتی به الگوریتم­های موجود در این زمینه دارد.

  • شریف پژوه

پیاده‌سازی مقاله: طراحی و پیاده‌سازی یک سیستم عصبی-فازی (ANFIS) برای تشخیص بیماری MS

پیاده سازی مقاله: طراحی و پیاده‌سازی یک سیستم عصبی-فازی (ANFIS) برای تشخیص بیماری MS

 
چکیده: 
تشخیص پزشکی اغلب با تخصص و تجربه کادر پزشکی انجام می‌شود ولی بعضی مواقع ممکن است منجر به تشخیص نادرست شود. اسکلروز چندگانه (MS) بیماری دستگاه عصبی مرکزی است. در این بیماری بدن پادتنهایی را تولید می‌کند که به میلین حمله کرده و آسیب می‌زنند. در MS غلاف میلین (که پوششی عایقی برای رشته های عصبی است) دچار مشکل می‌شود و صدمه‌ی وارده به میلین در سیستم‌های عصبی مرکزی، ارتباط بین مغز و اسپینال کورد و دیگر اعضای بدن را قطع می‌کند. مشکل عمده‌ای که وجود دارد ضعف در تشخیص آن است. به منظور بهبود تشخیص، از شبکه عصبی فازی (ANFIS) استفاده می‌شود. ایده اصلی این گونه شبکه‌ها از شیوه کارکرد سیستم عصبی زیستی برای پردازش داده‌ها و اطلاعات به منظور یادگیری و ایجاد دانش الهام گرفته شده است. این سیستم از شمار زیادی عناصر پردازشی فوقالعاده بهم پیوسته به نام نورون تشکیل شده است که برای حل یک مساله با هم هماهنگ عمل می‌کنند. در این سیستم قسمت شبکه عصبی برای یادگیری و طبقه‌بندی توانایی‌ها و نیز پیوند و اصلاح الگو به کار می‌رود. قسمت شبکه عصبی به طور خودکار، قواعد منطق فازی و توابع عضویت را در طول دوره تناوب یادگیری ایجاد می‌کند. چند روش برای آموزش شبکه‌های عصبی وجود دارد که در این تحقیق از روش ترکیبی استفاده می‌شود. شبکه‌ی عصبی-فازی توانایی ترکیب قدرت زبانی یک سیستم فازی با قدرت عددی یک شبکه عصبی را دارد. در این شبکه برای بهینهسازی داده‌های ورودی خروجی از تکنیک K-fold cross validation استفاده می‌شود. پیاده‌سازی این سیستم در محیط متلب با فایلی حاوی600 داده که دارای6 ستون، که 5 ستون آن ورودی و 1 ستون خروجی می‌باشد انجام شد و دارای دقت تقریباً 96% می‌باشد.

  • شریف پژوه

پیاده سازی مقاله تشخیص تقلب در سیستم های پرداخت الکترونیکی بانک ها با استفاده از داده کاوی

پیاده سازی مقاله تشخیص تقلب در سیستم های پرداخت الکترونیکی بانک ها با استفاده از داده کاوی: 

 
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.

  • شریف پژوه

پیاده سازی مقاله بهبود تشخیص نفوذ براساس کاهش ویژگی و با استفاده از داده کاوی

پیاده سازی مقاله بهبود تشخیص نفوذ براساس کاهش ویژگی و با استفاده از داده کاوی: 

 
چکیده: 

در سیستمهای تشخیص نفوذ، با داده های حجیم برای تحلیل مواجه هستند. بررسی مجموعه داده سیستمهای تشخیص نفوذ نشان می دهد که بسیاری از ویژگیها، ویژگیهای غیرمفید، بی تاثیر در سناریوهای حمله و یا ویژگیهای نامربوط هستند. بنابراین حذف ویژگیهای نامناسب از مجموعه ویژگی، به عنوان یک راهکار مناسب برای کاهش مجموعه داده سیستمهای تشخیص نفوذ معرفی می شود. نیازمندی دیگری که در سیستمهای تشخیص نفوذ مطرح می باشد، دانستن مجموعه ویژگی بهینه برای هر نوع حمله است. چرا که در اینصورت، سیستم تشخیص نفوذ قادر خواهد بود برای تشخیص هر نوع حمله، تنها از مجموعه ویژگی متناسب با آن حمله استفاده کند. در این تحقیق، روشی ارایه می شود که قادر است تمام نیازمندیهای فوق را پاسخگو باشد، علاوه بر این، این روش نحوه ارتباط بین ویژگیها را برای تحلیل بهتر آنها نشان می دهد. روش پیشنهادی از مفاهیم داده کاوی و تحلیل شبکه های اجتماعی استفاده می نماید.

 

  • شریف پژوه
موضوعات
آخرین مطالب