• عنوان لاتین مقاله: Mining fuzzy association rules from low-quality data
• عنوان فارسی مقاله: ا ستخراج قوانین انجمن فازی از اطلاعات با کیفیت پایین
• دسته: فناوری اطلاعات - کامپیوتر - داده کاوی
• تعداد صفحات فایل ترجمه شده: 30
• جهت دانلود رایگان نسخه انگلیسی این مقاله اینجا کلیک نمایید
• نسخه فارسی مقاله برای خرید آماده است.

خلاصه

چکیده – استخراج اطلاعات معمولاً در تلاش برای القای قوانین انجمن از پایگاه داده استفاده می شود که می تواند به راحتی به تصمیم گیرنده انالیز اطلاعات کمک کند و تصمیمات خوبی با در نظر گیری حوزه های مربوط بگیرد. مطالعات مختلف روش هایی برای قوانین انجمن استخراج از پایگاه داده با ارزش های سطحی پیشنهاد می کند. با این وجود، اطلاعات در بسیاری از برنامه های کاربردی جهان واقعی یک درجه قطعی نارست است. در این مقاله ما این مشکلات را پیدا کرده ایم و یک الگو ریتم استخراج – داده برای خروج دانش جالب از پایگاه داده به همراه اطلاعات نادرست ارائه نموده ایم. این الگو ریتم پیشنهادی محتوای داده نادرست و الگوریتم استخراج استقرایی فازی جهت یافتن انجمن استخراج در پایگاه داده شده، جدا می کند. تجربیات تشخصیص نارسایی در درون کودکی اخیر به وجود امده است تا عملکرد الگوریتم پیشنهادی را بازبینی کند.

کلمات کلیدی: داده کاوی، قوانین انجمن فازی، اطلاعات با کیفیت پایین

مقدمه

داده کاوی (DM) پروسه ای برای کشف اتوماتیکی دانش سطح بالا از جهان واقعی، مجموعه داده پیچیده و بزرگ می باشد. استفاده DM برای تسهیل تصمیم گیری است که می تواند بهبود عملکرد در تصمیم گیری حادث می شود و قادر به غلط گیری انواع مسائلی است که قبلاً آدرس دهی نشده اند (Mladeninetal 2002)

کشف قوانین انجمن یکی از تکنیک داده کاوی است که در این گزارش توضیح داده شده است.

• فرمت: zip
• حجم: 0.98 مگابایت
• شماره ثبت: 411

• عنوان لاتین مقاله: Web Log Clustering Approaches – A Survey
• عنوان فارسی مقاله: روش های خوشه بندی لاگ های وب سرور (وب لاگ) یک بررسی.
• دسته: فناوری اطلاعات و کامپیوتر
• تعداد صفحات فایل ترجمه شده: 8
• جهت دانلود رایگان نسخه انگلیسی این مقاله اینجا کلیک نمایید
• نسخه فارسی مقاله برای خرید آماده است.

خلاصه

با توجه به سازمان دهی هرچه بیشتر اینترنت و شبکه گسترده جهانی برای انجام تجارت و کسب و کار، لازم است که برنامه ریزی های استراتژیک و تکنیک های راهبردی جهت جهت تجزیه و تحلیل در این زمینه مورد بررسی قرار گیرند. به همین منظور، ما یک بررسی و مطالعه اجمالی از تحقیقات و کارهای علمی اخیر در زمینه وب کاوی را با تمرکز بر روی سه روش و دیدگاه در رابطه با خوشه بندی وب ارائه می دهیم. تجزیه و تحلیل خوشه بندی، یک الگوریتم داده کاوی با کاربرد وسیع می باشد که در واقع فرآیند تقسیم بندی یکسری از داده ها به شماری از خوشه هاست که هر داده ای، شباهت بالایی با داده های دیگر در همان خوشه دارد اما از دیگر داده ها در خوشه های دیگر متفاوت است.

در این تحقیق علمی، ما سه روش متفاوت را پیرامون وب کاوی بررسی کرده و سپس مزایا و معایب آن ها را آنالیز و تجزیه و تحلیل می کنیم و در پایان بر مبنای موثر ترین الگوریتم بدست آمده و همچنین نتایج حاصل از آزمایشات انجام شده بر روی فایل های وبلاگی گوناگون، به یک نتیجه گیری کلی دست پیدا می کنیم.

لغات کلیدی: وب کاوی-web usage mining (یکی از انواع وب کاوی) -لاگ های وب سرور (وب لاگ ها) -خوشه بندی مقدمه

وب کاوی که با عنوان وب لاگ کاوی نیز شناخته می شود، فرآیند استخراج الگوها و طرح های قابل توجه از جستجو در فهرست قابل دسترسی به وب می باشد. وب کاوی در واقع کاربرد تکنیک های داده کاوی به منظور کشف الگوهایی از وب می باشد. کاوش استفادۀ وب، روش پیداکردن کاربرانی است که در اینترنت به دنبال اهداف خاصی می گردند. بعضی از کاربران ممکن است به دنبال داده های متنی باشند در حالی که بعضی دیگر ممکن است بخواهند داده های سمعی و بصری را از اینترنت دریافت نمایند.

کاوش استفادۀ وب به ما کمک می کند تا الگو هایی از گروه های مشخصی از افراد را که به مناطق مشخصی تعلق دارند پیدا کنیم. هر زمان که درخواست هایی جهت تخصیص منابع دریافت شود، سازمان های سرویس دهندۀ شبکه، به محاسبه داده های جمع آوری شده دربارۀ کاربران می پردازند. لاگ های وب سرور یک منبع مهم برای انجام وب کاوی محسوب می شوند چرا که به طور دقیق، رفتار مرورگری تمام مشاهده کنندگان سایت را ثبت می کنند.

• فرمت: zip
• حجم: 0.27 مگابایت
• شماره ثبت: 411

مقدمه

در دنیای بشدت رقابتی امروز، اطلاعات بعنوان یکی از فاکتورهای تولیدی مهم پدیدار شده است. در نتیجه تلاش برای استخراج اطلاعات از داده ها توجه بسیاری از افراد دخیل در صنعت اطلاعات و حوزه های وابسته را به خود جلب نموده است. حجم بالای داده های دائما در حال رشد در همه حوزه ها و نیز تنوع آنها به شکل داده متنی، اعداد، گرافیکها، نقشه ها، عکسها، تصاویر ماهواره ای و عکسهای گرفته شده با اشعه ایکس نمایانگر پیچیدگی کار تبدیل داده ها به اطلاعات است. علاوه بر این، تفاوت وسیع در فرآیندهای تولید داده مثل روش آنالوگ مبتنی بر کاغذ و روش دیجیتالی مبتنی بر کامپیوتر، مزید بر علت شده است. استراتژیها و فنون متعددی برای گردآوری، ذخیره، سازماندهی و مدیریتکارآمد داده های موجود و رسیدن به نتایج معنی دار بکار گرفته شده اند. بعلاوه، عملکرد مناسب ابرداده[1] که داده ای درباره داده است در عمل عالی بنظر می رسد. پیشرفتهای حاصله در علم اطلاع رسانی و تکنولوژی اطلاعات، فنون و ابزارهای جدیدی برای غلبه بر رشد مستمر و تنوع بانکهای اطلاعاتی تامین می کنند. این پیشرفتها هم در بعد سخت افزاری و هم نرم افزاری حاصل شده اند. ریزپردازنده های سریع، ابزارهای ذخیره داده های انبوه پیوسته و غیر پیوسته، اسکنرها، چاپگرها و دیگر ابزارهای جانبی نمایانگر پیشرفتهای حوزه سخت افزار هستند. پیشرفتهای حاصل در نظامهای مدیریت بانک اطلاعات در طی چهار دهه گذشته نمایانگر تلاشهای بخش نرم افزاری است. این تلاشها در بخش نرم افزار را میتوان بعنوان یک حرکت پیشرونده از ایجاد یک بانک اطلاعات ساده تا شبکه ها و بانکهای اطلاعاتی رابطه ای و سلسله مراتبی برای پاسخگویی به نیاز روزافزون سازماندهی و بازیابی اطلاعات ملاحظه نمود. بدین منظور در هر دوره، نظامهای مدیریت بانک اطلاعاتی[2] مناسب سازگار با نرم افزار سیستم عامل و سخت افزار رایج گسترش یافته اند. در این رابطه میتوان از محصولاتی مانند، Dbase-IV, Unify, Sybase, Oracle و غیره نام برد.

داده کاوی یکی از پیشرفتهای اخیر در راستای فن آوریهای مدیریت داده هاست. داده کاوی مجموعه ای از فنون است که به شخص امکان میدهد تا ورای داده پردازی معمولی حرکت کند و به استخراج اطلاعاتی که در انبوه داده ها مخفی و یا پنهان است کمک می کند. انگیزه برای گسترش داده کاوی بطور عمده از دنیای تجارت در دهه 1990 پدید آمد. مثلا داده کاوی در حوزه بازاریابی، بدلیل پیوستگی غیرقابل انتظاری که بین پروفایل یک مشتری و الگوی خرید او ایجاد میکند اهمیتی خاص دارد (Barry and Linoff, 1997).

تحلیل رکوردهای حجیم نگهداری سخت افزار های صنعتی، داده های هواشناسی و دیدن کانالهای تلوزیونی از دیگر کاربردهای آن است. در حوزه مدیریت کتابخانه کاربرد داده کاوی بعنوان فرایند ماخذ کاوی[3] نامگذاری شده است. این مقاله به کاربردهای داده کاوی در مدیریت کتابخانه ها و موسسات آموزشی می پردازد. در ابتدا به چند سیستم سازماندهی داده ها که ارتباط نزدیکی به داده کاوی دارند می پردازد؛ سپس عناصر داده ای توصیف می شوند و درپایان چگونگی بکارگیری داده کاوی در کتابخانه ها و موسسات آموزشی مورد بحث قرار گرفته و مسائل عملی مرتبط در نظر گرفته می شوند.

دسته: کامپیوتر

حجم فایل: 1286 کیلوبایت

تعداد صفحه: 66

درخت تصمیم گیری decision tree

داده کاوی: Data mining

کمپانی های زیادی از ابزارهای داده کاوی بهره گرفته اند تا بتوانند داده های حجیم و گسترده را مورد تجزیه و تحلیل قراد داده و روندهای موجود را بیابند. به عنوان نمونه فروشگاه بزرگ وال-مارت یکی از بزرگترین فروشگاههای زنجیره ای اقدام به ایجاد پایگاه عظیمی از داده ها به حجم 24ترابایت (ترلیون بایت) نموده است. با استفاده از این پایگاه وال _مارت قادر است تا بطور همزمان اقدام به گردآوری و تحلیل روند فروش کالا در2900شعبه فروش نماید. شاید جالب توجه باشد که بکمک ابزار هوشمندداده کاوی یا اکتشاف روند داده ها، فروشگاه فوق می تواند اطلاعات کلیه خریدها در سطوح هر بخش از فروشگاه، موجودی کالا درهر قفسه، موجودی انبار، پیش بینی فروش، کاهش یا افزایش قیمت ها، کالاهای مرجوعی توسط مشتریان و... را گردآوری نموده ودر اختیار مدیران فروشگاه، توزیع کنندگان و مشتریان خود قرار می دهد. این فناوری نرم افزاری قدرت مانور بی نظیری برای وال _ مارت ایجاد کرده است تا بتواند کالاهای مناسب را در کوتاهترین زمان به هر یک از فروشگاههای متقاضی برساند.

درخت تصمیم گیری

درخت تصمیم گیری یكی از ابزارهای قوی و متداول برای دسته بندی و پیش بینی می باشد. درخت تصمیم گیری برخلاف شبكه های عصبی به تولید قانون می پردازد. یعنی درخت تصمیم گیریپیش بینی خود را در قالب یكسری قوانین توضیح می دهد در حالیكه در شبكه های عصبی تنها پیش بینی بیان می شود و چگونگی آن در خود شبكه پنهان باقی می ماند. همچنین در درخت تصمیم گیری بر خلاف شبكه های عصبی لزومی ندارد كه داده ها لزوما بصورت عددی باشند.

بعضی موارد وجود دارد كه تنها درستی دسته بندی و پیش بینی مهم است و لزوما توضیحی برای پیش بینی انجام شده لازم نمی باشد. بعنوان مثال می توان یك شركت مخابراتی را در نظر گرفت كه می خواهد ببیند كدامیك از مشتریانش به خدمت جدیدی كه ارائه می شود پاسخ مثبت می دهند. برای این شركت درستی پیش بینی مهم است و شاید علت و توضیحی در مورد پیش بینی نیاز نداشته باشد. در حالیكه یك شركت كه قصد بازاریابی و كسب یكسری مشتری جدید دارد علاقه مند است كه بداند كه ویژگیهای مشتریانی كه احتمالا به محصول این شركت پاسخ می دهند چیست. در واقع با اطلاع ازاین ویژگیها این شركت می تواند سراغ افرادی برود كه با احتمال بیشتری به محصول این شركت پاسخ مثبت می دهند. بعبارت دیگر این شركت نیاز به یكسری قانون برای انجام بهتر فعالیت بازاریابی خود دارد. یكی از این قانونها می تواند بصورت زیر باشد

قیمت: 7,000 تومان

مقدمه

مفاهیم پایه در داده کاوی

تعریف داده کاوی

کاربردهای داده کاوی

مراحل فرایند کشف دانش از پایگاه داده ها

انبارش داده ها

انتخاب داده ها

تبدیل داده ها

کاوش در داده ها

تفسیر نتیجه

عملیاتهای داده کاوی

معیارهای انتخاب عملیات داده کاوی

عملیاتها و تکنیکهای داده کاوی

تحلیل پیوند

پارامترهای قوانین وابستگی

مدلها و الگوریتمهای داده کاوی

مدلها و الگوریتمهای داده کاوی

درخت های انتخاب

استنتاج قانون

الگوریتمهای ژنتیک

گامهای اصلی داده کاوی جهت کشف دانش

مراحل لازم برای ساخت یک پایگاه داده داده کاوی

آماده سازی داده برای مدل سازی

منابع و مراجع

• عنوان لاتین مقاله: A State Of The Art Opinion Mining And Its Application Domains
• عنوان فارسی مقاله: عقیده کاوی و کاربردهای آن.
• دسته: روانشناسی - مدیریت
• تعداد صفحات فایل ترجمه شده: 10
• جهت دانلود رایگان نسخه انگلیسی این مقاله اینجا کلیک نمایید
• نسخه فارسی مقاله برای خرید آماده است.

خلاصه

شرکت های صنعتی و تولیدی که محصولات جدید تولید می کنند، می خواهند بدانند مشتریانشان چه احساسی نسبت به این محصولات دارند و این اطلاعات را می توان با مطالعۀ عقیده ها در پورتال های نظرسنجی بدست آورد. در عین حال، کاربران یا مشتریان نیز می خواهند بدانند کدام محصول را بخرند پس این نظرات را می خوانند و سعی می کنند تصمیم گیری کنند. دیده شده است که عقیده های آنلاین روز به روز محبوب تر می شوند و این عقاید، غنی بودن اطلاعات را نشان می دهند که می تواند برای صنعت و مشتریان مفید باشد.

با این حال، اینجام این کار به صورت دستی سخت و زمانبر است. به عنوان مثال، سازمان های تولیدی ترجیح می دهند اطلاعات به فرمتی باشد که برای استفاده راحت تر باشد، پس اتوماتیک کردن این فرایند بسیار مفید است. اینجاست که عقیده کاوی به میان می آید. در وب، عقاید را می توان به فرم متن، تصویر، صوت یا دادۀ ویدئویی بیان کرد. این مقاله از متن کاوی فاصله می گیرد چون در این زمینه بسیار کار شده است. عقیده کاوی را می توان یک زیر اصل از زبان شناسی محاسباتی تعریف کرد که با عقیده ای که یک سند بیان می کند در ارتباط است. طبقه بندی احساسات تعیین کنندۀ ذهنیت، قطبیت (مثبت و منفی) و قدرت قطبیت (مثبت ضعیف، مثبت میانه و مثبت قوی) یک متن عقیده است. عبارات مختلفی توسط محققان استفاده می شود تا احساسات را طبقه بندی کنند: عقیده کاوی، تحلیل احساسات، استخراج احساسات یا رتبه بندی کارا. ما در این مقاله برای سادگی از عبارات عقیده کاوی که همۀ این عبارات را دربر می گیرد استفاده می کنیم.

1.زمینه های مرتبط با عقیده کاوی

استخراج اطلاعات (IE) : آیا تبدیل اطلاعات متنی بدون ساختار به فرمت ساخت یافته که عموماً در پایگاه داده ها ذخیره و برای اهداف داده کاوی استفاده می شود، بر اساس یادگیری زبان ماشین است. داده های خاص، استخراج و در قالب موجود قرار می گیرند. این کار دقت اطلاعات بازیافتی را بهبود می بخشد و می تواند به عنوان پایه ای برای گروه بندی داده های استخراج شده استفاده شود.

• فرمت: zip
• حجم: 0.52 مگابایت
• شماره ثبت: 411

چکیده

پیشنهاد محصول، فعالیت کسب و کاری می باشد که برای جذب مشتری مهم می باشد. بنابراین، بهبود کیفیت این پیشنهادات برای تامین نیاز مشتریان در محیط رقابتی شدید دارای اهمیت زیادی می باشد. اگرچه سیستم های پیشنهاد دهنده متفاوتی مطرح شده است، اما تعداد کمی ارزش دوام مشتری را بریا شرکت مد نظر قرار داده اند. معمولا ارزش دوام مشتری ((CLV از نظر متغیرهای تازگی، تکرار و پولی (RFM) مورد ارزیابی قرار گرفته اند. به هر حال اهمیت نسبی در بین آن ها با توجه به مشخصات تولید و صنعت متفاوت می باشد. ما روش جدیدی از پیشنهاد محصول را ایجاد کرده ایم که تکنیک های تصمیم گیری گروهی و پردازش اطلاعاتی را مد نظر قرار می دهد. برنامه ریزی های سلسله مراتبی (AHP) نیز برای تعیین وزن نسبی متغیرهای RFM در ارزیابی ارزش دوام و وفاداری مشتری، مد نظر قرار می گیرد. سپس تکنیک های دسته بندی برای مشتریان طبقه بندی شده بر طبق به ارزش وزنی RFM به کار برده شده است. سرانجام روش بررسی قوانی مربوطه بکار گرفته شد، تا پیشنهاد محصول برای هر یک ار گروه های مشتری ارائه شود. نتایج تجربی نشان داده است که این روش ها پا را فراتر نهاده و از RFM های یکسان و روش های فیلترینگ همکاری استفاده کرده اند.

مقدمه

رقابت بیشتر شرکت ها را وادار می کند تا نوع آوری های خود را در بازار برای تامین نیاز مشتری و بهبود رضایت آن ها توسعه دهند. استفاده از اینترنت و رشد تجارت الکترونیک فعالیت های بازار را گسترش داده و حجم عظیمی از اطلاعات مربوط به مشتریان را برای تجزیه و تحلیل ایجاد کرده است. این گونه از فعالیت های اقتصادی با استفاده از تجزیه و تحلیل اطلاعات مربوط به مشتریان برای تعیین اولویت های آن ها دارای اهمیت زیادی بوده و باعث بهبود فرایند تصمیم گیری در بازار می گردد. ایجاد حمایت مناسب برای تامین نیاز مشتری در افزایش موفقیت فروشگاه های آنلاین اهمیت داشته و به این ترتیب موفقیت وب سایت ها بستگی به افزایش کیفیت خدمات و اطلاعات برای ارائه به مشتریان دارد.

• عنوان لاتین مقاله: Classification Of Violent Web Images using Context Based Analysis
• عنوان فارسی مقاله: طبقه بندی تصاویر نامناسب وب با استفاده از تحلیل مبتنی بر متن.
• دسته: فناوری اطلاعات و کامپیوتر
• تعداد صفحات فایل ترجمه شده: 14
• جهت دانلود رایگان نسخه انگلیسی این مقاله اینجا کلیک نمایید
• نسخه فارسی مقاله برای خرید آماده است.

خلاصه

توسعۀ وب با ازدیاد محتوای نامناسب در صفحات آن همراه بوده است. ما با بررسی تصاویر وب، می خواهیم یک روش جدید برای طبقه بندی آن ها ارائه دهیم. این موضوع از اهمیت بالایی برخوردار است زیرا کاربرد بسیاری در اغلب برنامه ها مثل فیلترینگ سایت های نامناسب وب دارد. بنابراین، ما روی استخراج ویژگی های تصاویر از صفحات وب تمرکز می کنیم. همچنین، مقایسه ای روی تکنیک های مختلف داده کاوی برای طبقه بندی تصاویر نامناسب وب خواهیم داشت. نتایجی که بدست آوردیم نشان می دهند روش ما می تواند به طور کارایی محتوای نامناسب را تشخیص دهد.

مقدمه

اینترنت هر روز برای همگان مهم و مهم تر می شود زیرا یکی از جدیدترین و رو به رشدترین رسانه ها است و مطمئناً رسانۀ آینده نیز خواهد بود. با این حال، همانند هر اختراع جدیدی در علم و تکنولوژی، اینترنت نیز کاستی هایی دارد. وقتی در اینترنت می گردیم، دسترسی به سایت هایی با محتوای متنازع مثل محتوای خشن و نامناسب آسان است. در واقع، اینترنت بعد کاملاً جدیدی به مسئلۀ خشونت رسانه اضافه کرده است. نوجوانان با خشونت در اینترنت مواجه هستند از سایت های بی رحم و کم عمق گرفته تا نمایش های مزاحم برای آزار و اذیت افراد. امروزه کودکان و نوجوانان می توانند غزل های موسیقی نامناسب (شامل سروده هایی که از آهنگ ها گرفته شده و در دست فروشی ها فروخته می شود) را از اینترنت دانلود کنند و به تصاویر و ویدئو کلیپ های نامناسب تنها با یک کلیک ماوس دسترسی پیدا کنند.

پیدایش محتوای خشن در سطح وب، ضرورت ساخت سیستم های فیلترینگ که برای امن سازی دسترسی به اینترنت به کار می رفت را آشکار کرد. در این مقاله، ما روی این مسئله تحقیق می کنیم و روش جدیدی برای طبقه بندی تصاویر نامناسب وب ارائه می دهیم. ما کارمان را روی استفاده از ویژگی های تصاویری که به طور خودکار از صفحۀ وب گرفته شده منعطف می کنیم تا متوجه شویم کدام تصویر مربوط به طبقۀ تصاویر نامناسب است. یک مقایسۀ کوتاه نیز روی روش های مختلف داده کاوی خواهیم داشت.

• فرمت: zip
• حجم: 0.75 مگابایت
• شماره ثبت: 411

عنوان انگلیسی مقاله: Data mining to improve personnel selection and enhance human capital: A case study in high-technology industry
عنوان فارسی مقاله: استفاده از داده کاوی برای کارمند گزینی و بهبود سرمایه انسانی: بررسی موردی در صنعت مدرن
دسته: مدیریت و اقتصاد
فرمت فایل ترجمه شده: فایل Word ورد 2007 یا 2003 (Docx یا Doc) قابل ویرایش
تعداد صفحات فایل ترجمه شده: 18

چکیده
کیفیت سرمایه انسانی برای شرکت های مدرن برای دستیابی به عرصه اقتصاد ی دانش بسیار حیاتی است. با این حال، شرکت های مدرن که درگیر هزینه های بالا هستند اغلب از استخدام افراد با استعداد سرباز می زنند. به علاوه طبق روش های مدیریتی منابع انسانی، نیاز ضروری به توسعه مؤثر مکانیزم کارمند گزینی برای یافتن استعدادهایی که مناسب ترین برای سازمان هستند وجود دارد. این تحقیق این خلأ را با ارائه چارچوب داده کاوی بر اساس درخت تصمیم و قانون های وابستگی پر می کند تا قانون های مفیدی برای کارمند گزینی تولید کند. نتایج می توانند قوانین تصمیم گیری را بر اساس اطلاعات پرسنلی با استفاده از کار روی عملکرد و نگه داری تولید کنند. مطالعه تجربی در یک شرکت نیمه رسانا انجام شد تا اطلاعات استخدام کارگران باواسطه شامل مهندسین و مدیران با کارهای عملیاتی مختلف را جمع آوری کند. نتایج، اهمیت تجربی این پژوهش را اثبات کرد. به علاوه، بر اساس بحث های داده کاوان و متخصصان، روش های خاص استخدام و کارگزینی نیز از این نتایج گرفته شده است.

مقدمه
سرمایه انسانی، یکی از صلاحیت های شرکت های مدرن است تا بتوانند به شایستگی های خود در زمینه اقتصاد ی دانش برسند. استخدام پرسنل و انتخاب باواسطه روی کیفیت کارمندان تأثیرگذار است. بنابراین، مطالعات مختلف روی رزومه، مصاحبه ها، سنجش عملکرد، تست های دانش شغلی، تست های کاری نمونه، تست های ادراکی و تست های شخصیتی در مدیریت منابع انسانی صورت گرفته است که به سازمان ها کمک می کند تا بهتر بتوانند در مورد انتخاب پرسنل تصمیم بگیرند. در واقع، روش های انتخاب موجود روی کار و شغلی تمرکز می کنند که از طریق وظایف و کارهایی مطابق با خصوصیات ثابت آن ها تعریف می شوند. با این حال، به علت ذات در حال تغییر دانش در صنعت تکنولوژی، شغل ها را نمی توان به راحتی توصیف کرد مخصوصاً شغل های سطوح مدیریتی. با پیشرفت تکنولوژی و جهانی شدن آن، کارهای میان کارکردی نیز افزایش یافته اند در حالی که شغل های جدیدی نیز در حال ایجاد است.

چکیده

در این مقاله، روش طبقه بندی تصاویر خشونت آمیز وب را ارائه می کنیم. این موضوع بسیار مهم است زیرا کاربرد بسیاری در زمینه های مختلف مثل فیلتر کردن وب سایت های خشونت آمیز دارد. ما پیشنهاد ترکیب تکنیک های تحلیل تصویر و داده کاوی را می دهیم تا خصوصیات سطح پایینی که از رنگ های تصاویر استخراج شده را به خصوصیات خشن بالاتر موجود در تصویر مرتبط کنیم. مقایسه ای نیز روی تکنیک های مختلف داده کاوی خواهیم داشت تا بتوانیم تصاویر خشن وب را دسته بندی کنیم. همچنین، توضیح می دهیم که ترکیب روش های یادگیری چگونه روی دقت کار تأثیر می گذارد. نتایج ما نشان می دهد که این روش می تواند محتوای خشن را به طور کارایی تشخیص دهد.

مقدمه

شبکه گسترده جهانی (WWW) روی همه جنبه های جامعه شامل تجارت، علوم، سیاست و دولت، روابط فردی و سلامتی تأثیر زیادی داشته است. با این حال، وب روند نزولی داشته است. در حین گشت و گذار در اینترنت دسترسی به محتوای نزاعی مثل محتواهای خشونت آمیز آسان است. در واقع، کودکان در معرض شدید خشونت در اینترنت هستند؛ از سایت های کم عمق با حالت های بیرحمانه گرفته تا نمایش های مزاحمت آمیز شکنجه و آزار. امروزه کودکان و نوجوانان می توانند موزیک های خشن و ویدئو کلیپ ها و تصاویر خشن را با یک کلیک ماوس از اینترنت دانلود کنند. افراد جوان نیز از وب برای سیاحت استفاده می کنند و خلاقیت خود را به روش های مختلفی با ساختن فیلم ها، موزیک، وب سایت و بلاگ ها یا خاطرات آنلاین نشان می دهند. کار اولیه ما یک سیستم فیلتر و شناسایی محتوای خشن وب به نام WebAngels filter را پیشنهاد می دهد که از تحلیل های ساختاری و زمینه ای استفاده می کند. ابزار ارزیابی ما کارایی روش را برای شناسایی و فیلتر صفحات خشن وب نشان می دهد. با این وجود WebAngels filter با مشکلاتی در طبقه بندی سایت های خشن که فقط دارای محتوای خشن گرافیکی هستند مواجه است. در این مقاله، این مسئله را بررسی کرده و یک روش جدید طبقه بندی تصاویر خشن پیشنهاد می دهیم. ما روی استفاده از توصیف کننده های رنگ و ترکیب طبقه بندها تمرکز می کنیم تا دقت طبقه بندی تصاویر خشن وب را بهبود بخشیم. ادامه مقاله به این ترتیب سازماندهی شده است: در بخش 2 مروری روی کارهای انجام شده داریم. روش پیشنهادی برای طبقه بندی تصاویر خشن وب در بخش 3 ارائه می شود. نتایج ارزیابی و مقایسه ها در بخش 4 بحث می شود.

• عنوان لاتین مقاله: an algorithm for fast and efficient text mining used to automatically generate a database containing kinetic information of enzymes
• عنوان فارسی مقاله: الگوریتمی برای داده کاوی سریع و کارآمد متن به منظور ایجاد اتوماتیک پایگاه داده حاوی اطلاعات سینتیک آنزیم ها
• دسته: کامپیوتر و فناوری اطلاعات
• تعداد صفحات فایل ترجمه شده: 20
• لینک دریافت رایگان نسخه انگلیسی مقاله: دانلود
• نسخه فارسی مقاله برای خرید آماده است.

خلاصه

پیش زمینه: مقدار اطلاعات بیولوژیکی در دسترس به سرعت رو به افزایش بوده و تمرکز تحقیقات بیولوژیکی از بخش های مجزا به سمت شبکه ها و حتی پروژه های بزرگتر کشانده شده که هدف آن ها تجزیه و تحلیل، مدلسازی و شبیه سازی شبکه های بیولوژیکی و همچنین مقایسه در سطح بالای ویژگی های سلولی می باشد. بنابراین ضروری است تا اطلاعات بیولوژیکی به آسانی در دسترس باشد. به هر حال، بیشتر اطلاعات در تحقیقات انجام شده به صورت غیرساختاری بوده و به این خاطر روش هایی برای استخراج نظامند اطلاعات، مستقیما از تحقیقات اولیه می بایست توسعه یابد.

شرح مطلب: در اینجا ما الگوریتم داده کاوی را برای استخراج اطلاعات سینتیک همانند و غیره و همچنین اطلاعات مربوطه همانند نام آنزیم ها، تعداد EC، لیگاندها، ارگانیسم ها، مناطق، PH و دما نشان می دهیم. با استفاده از این قوانین و رویکرد بر پایه واژه نامه، این امکان وجود دارد تا به اندازه 514394 پارامتر سینتیک 13 دسته (فعالیت های خاص،) از حدود 17 میلیون مطالب نتتشر شده، استخراج کرده و آن ها را با داده های دیگر خلاصه مطالب دیگر ترکیب کنیم.

تایید دستی تقریبا 1000 نتایج انتخاب شده تصادفی، موارد فراخوانی شده بین 51% و 84% و محدوده دقیق 55% تا 96% را نشان داده که بستگی به فهرست های جستجو شده دارد.

نتایج در پایگاه داده ذخیره شده و توسط KID' یا پایگاه داده سینتیک' از طریق اینترنت در دسترس می باشد.

نتیجه گیری: الگوریتم نشان داده شده، اطلاعات مهمی را ارائه می دهد و کمکی به شتاب بخشیدن تحقیقات و تجزیه و تحلیل مورد نیاز برای روش های بیولوژی سیستم های امروزی می باشد. پایگاه های داده حاصل شده از تجزیه و تحلیل چکیده مقاله های منتشر شده می تواند کمک ارزشمندی در حوزه جنبش های بیولوژیکی و شیمیایی باشد. این فرایند کاملا بر مبنای داده کاوی و همچنین تکمیل پایگاه داده ایجاد شده می باشد.

این پایگاه داده از سایت http: //kid. tu-bs. de در دسترس است. کد مبدا الگوریتم تحت مجوز مجوز دولتی GNU ایجاد شده و بنا به درخواست محققان در دسترس قرار می گیرد.

• فرمت: zip
• حجم: 1.26 مگابایت
• شماره ثبت: 411

دسته: برق

حجم فایل: 1451 کیلوبایت

تعداد صفحه: 12

یک مدل داده‌کاوی برای حفاظت خط انتقال مبتنی بر ادوات FACTS+ نسخه انگلیسی

A Data-Mining Model for Protection of FACTS-Based Transmission Line

چکیده- این مقاله یک مدل داده‌کاوی برای شناسائی ناحیه خطای یک خط انتقال مبتنی بر سیستم‌های انتقال ac انعطاف‌پذیر (FACTS) ارائه می‌کند که شامل جبرانساز سری کنترل‌شده با تریستور (TCSC) و کنترلر یکپارچه عبور توان (UPFC) است، و از مجموعه درختان تصمیم استفاده می‌کند. با تصادفی بودن مجموعه درختان تصمیم در مدل جنگل‌های تصادفی، تصمیم موثر برای شناسائی ناحیه خطا حاصل می‌شود. نمونه‌های جریان و ولتاژ نیم سیکل پس از لحظه وقوع خطا به عنوان بردار ورودی در برابر خروجی هدف '1' برای خطای پس از TCSC/UPFC و '1-' برای خطای قبل از TCSC/UPFC، برای شناسائی ناحیه خطا به کار می‌رود. این الگوریتم روی داده‌‌های خطای شبیه‌سازی شده با تغییرات وسیع در پارامترهای عملکردی شبکه قدرت منجمله شرایط نویزی تست شده است و معیار قابلیت اطمینان 99% با پاسخ زمانی سریع بدست آمده است (سه چهارم سیکل پس از لحظه خطا). نتایج روش ارائه شده به کمک مدل جنگل‌های تصادفی نشان دهنده تخیص قابل اعتماد ناحیه خطا در خطوط انتقال مبنی بر FACTS است.

عبارات کلیدی- رله دیستانس، تشخیص ناحیه خطا، جنگل‌های تصادفی (RF ها) ، ماشین بردار پایه (SVM) ، جبرانسازی سری کنترل‌شده با تریستور (TCSC) ، کنترلر یکپارچه عبور توان (UPFC).

قیمت: 15,000 تومان

• پایان نامه جهت اخذ درجه کارشناسی
• عنوان کامل: داده کاوی در بانکداری الکترونیکی
• دسته: مهندسی کامپیوتر
• فرمت فایل: WORD (قابل ویرایش)
• تعداد صفحات: 95
• فهرست مطالب: جهت مشاهده فهرست مطالب این پایان نامه اینجا کلیک نمایید

مقدمه

بسیاری از شرکت ها و موسسات دارای حجم انبوهی از اطلاعات هستند. با گسترش سیستمهای پایگاهی و حجم بالای داده های ذخیره شده در این سیستم ها، به ابزاری نیازاست تا بتوان این داده ها راپردازش کرد و اطلاعات حاصل از آن را در اختیار کاربران قرار داد. معمولا کاربران پس از طرح فرضیه ای بر اساس گزارشات مشاهده شده به اثبات یا رد آن می پردازند، در حالی که امروزه به روشهایی نیازداریم که به اصطلاح به کشف دانش بپردازند یعنی روشهائی که با کمترین دخالت کاربر و به صورت خودکار الگوها و رابطه های منطقی را بیان نمایند. یکی از روشهای بسیار مهمی که با آن می توان الگوهای مفیدی را در میان داده ها تشخیص داد، داده کاوی است، این روش که با حداقل دخالت کاربران همراه است اطلاعاتی را در اختیار آنها وتحلیل گران قرار میدهد تا براساس آنها تصمیمات مهم و حیاتی در سازمانشان اتخاذ نمایند. باید توجه داشت که اصطلاح داده کاوی زمانی به کار برده می شود که با حجم بزرگی از داده ها، در حد مگا یا ترابایت، مواجه باشیم. در تمامی منابع داده کاوی بر این مطلب تاکید شده است. هر چه حجم داده ها بیشتر و روابط میان آنها پیچیده تر باشد دسترسی به اطلاعات نهفته در میان داده ها مشکل تر می شود و نقش داده کاوی به عنوان یکی از روشهای کشف دانش، آشکارتر می گردد.

1.2.تعریف مسائله و بیان سوال های اصلی تحقیق

یکی از مباحث مهم در بانکداری الکترونیکی بحث مدیریت ارتباط با مشتری می باشد. به عبارتی کامل تر مدیریت ارتباط با مشتری یک روش، یک نظام و از همه مهم تر یک راهبرد در کسب و کار است که هدف آن طبقه بندی مشتریان و مدیریت آن ها به منظور بهینه سازی ارزش مشتری در دراز مدت، و بهرگیری سازمان از آن است. مدیریت ارتباط با مشتری، در واقع در فرایند های پیدا کردن مشتری، نزدیک شدن به آن، مدیریت و ایجاد رضایت در مشتریان و نگهداری آن ها است] 1 [. ادلیستن این فرایند را تحت عنوان چرخه حیات مشتری این گونه بیان می کند: بدست آوردن مشتری، افزایش ارزش مشتریان و نگهداری مشتریان خوب.

برای هر مشتری، سازمان باید قادر باشد به سوالاتی نظیر زیر پاشخگو باشد؟

1-آیا مشتری سود ده است؟

2-چرا مشتری این کسب و کار را با سازمان انجام می دهد؟

3-مشتری چه چیزی را دوباره سازمان دوست دارد؟

4-آیا مشتری این کسب و کار را با رقبای سازمان هم انجام می دهد؟

• فرمت: zip
• حجم: 0.93 مگابایت
• شماره ثبت: 806

پیش زمینه: مقدار اطلاعات بیولوژیکی در دسترس به سرعت رو به افزایش بوده و تمرکز تحقیقات بیولوژیکی از بخش های مجزا به سمت شبکه ها و حتی پروژه های بزرگتر کشانده شده که هدف آن ها تجزیه و تحلیل، مدلسازی و شبیه سازی شبکه های بیولوژیکی و همچنین مقایسه در سطح بالای ویژگی های سلولی می باشد. بنابراین ضروری است تا اطلاعات بیولوژیکی به آسانی در دسترس باشد. به هر حال، بیشتر اطلاعات در تحقیقات انجام شده به صورت غیرساختاری بوده و به این خاطر روش هایی برای استخراج نظامند اطلاعات، مستقیما از تحقیقات اولیه می بایست توسعه یابد. شرح مطلب: در اینجا ما الگوریتم داده کاوی را برای استخراج اطلاعات سینتیک همانند و غیره و همچنین اطلاعات مربوطه همانند نام آنزیم ها، تعداد EC، لیگاندها، ارگانیسم ها، مناطق، PH و دما نشان می دهیم. با استفاده از این قوانین و رویکرد بر پایه واژه نامه، این امکان وجود دارد تا به اندازه 514394 پارامتر سینتیک 13 دسته (فعالیت های خاص) از حدود 17 میلیون مطالب نتتشر شده، استخراج کرده و آن ها را با داده های دیگر خلاصه مطالب دیگر ترکیب کنیم. تایید دستی تقریبا 1000 نتایج انتخاب شده تصادفی، موارد فراخوانی شده بین 51% و 84% و محدوده دقیق 55% تا 96% را نشان داده که بستگی به فهرست های جستجو شده دارد. نتایج در پایگاه داده ذخیره شده و توسط KID «یا پایگاه داده سینتیک» از طریق اینترنت در دسترس می باشد.

نتیجه گیری: الگوریتم نشان داده شده، اطلاعات مهمی را ارائه می دهد و کمکی به شتاب بخشیدن تحقیقات و تجزیه و تحلیل مورد نیاز برای روش های بیولوژی سیستم های امروزی می باشد. پایگاه های داده حاصل شده از تجزیه و تحلیل چکیده مقاله های منتشر شده می تواند کمک ارزشمندی در حوزه جنبش های بیولوژیکی و شیمی ایی باشد. این فرایند کاملا بر مبنای داده کاوی و همچنین تکمیل پایگاه داده ایجاد شده می باشد. این پایگاه داده از سایت http: //kid. tu-bs. de در دسترس است. کد مبدا الگوریتم تحت مجوز دولتی GNU ایجاد شده و بنا به درخواست محققان در دسترس قرار می گیرد.

دسته: پزشکی

حجم فایل: 1207 کیلوبایت

تعداد صفحه: 32

ایجاد سیستم خبره ارجاع بیمارستان همراه با الگوریتم سیستم پشتیبانی تصمیم گیری مبتنی بر بهینه سازی و پیش بینی

چكیده

تحقیق كنونی برای ایجاد یك سیستم خبره با استفاده از مسئله ارجاع بیمارستانی به عنوان نمونه، شیوه جدیدی را ارائه می دهد. عوامل زیادی نظیر خصیصه های سازمانی، ریسك های بیمار، پیمودن مسافت و فرصت های ادامه حیات و عوارض، می بایست در تصمیم گیری انتخاب بیمارستان گنجانده شوند. مطلوب این است كه هر بیمار به طور جداگانه به وسیله فرایند تصمیم نه تنها با در نظر گرفتن وضعیت شان بلكه باورهای آن ها در مورد ارزیابی مقایسه ای میان خصیصه های بیمارستانی مطلوب، درمان شود. یك سیستم خبره می تواند به این تصمیم گیری پیچیده كمك نماید. بالأخص زمانی كه عوامل زیادی باید در نظر گرفته شوند، ما روشی را پیشنهاد داده ایم كه الگوریتم سیستم پشتیبانی تصمیم گیری مبتنی بر بهینه سازی و پیش بینی (PODSS) خوانده می شود كه بدون یك پایه دانش مشخص، سیستم خبره ای را به وجود می آورد. این الگوریتم دانش را خودش با ایجاد طبقه سازی های یادگیری ماشینی از طریق مجموعه ای از نمونه های برچسب زده شده، كسب می كند. در پاسخ به یك سؤال، ‌الگوریتم با استفاده از یك مرحله بهینه سازی، پیشنهاد سفارشی می دهد تا به بیمار كمك می كند که احتمال دستیابی به یك نتیجه مطلوب را به حد اكثر برساند. در این حالت، بیمارستان پیشنهادی، راه حل بهینه ای است كه احتمال نتیجه مطلوب را به حداکثر می كند. این سیستم خبره با طرح ریزی درست می تواند عوامل زیادی را تركیب كند تا اینكه پشتیبانی تصمصم گیری انتخاب بیمارستان را در سطح فردی ارائه نماید.

کلیدواژه: سیستم های پشتیبانی تصمیم گیری؛ سیستم های خبره؛ داده کاوی؛ یادگیری ماشینی؛ ماشین های بردار پشتیبانی؛ بهینه سازی؛ هوش مصنوعی؛ ارجاع بیمارستان؛ كیفیت بیمارستان

قیمت: 17,000 تومان

چکیده

شرکت های صنعتی و تولیدی که محصولات جدید تولید می کنند، می خواهند بدانند مشتریانشان چه احساسی نسبت به این محصولات دارند و این اطلاعات را می توان با مطالعه عقیده ها در پورتال های نظرسنجی بدست آورد. در عین حال، کاربران یا مشتریان نیز می خواهند بدانند کدام محصول را بخرند پس این نظرات را می خوانند و سعی می کنند تصمیم گیری کنند. دیده شده است که عقیده های آنلاین روز به روز محبوب تر می شوند و این عقاید، غنی بودن اطلاعات را نشان می دهند که می تواند برای صنعت و مشتریان مفید باشد. با این حال، اینجام این کار به صورت دستی سخت و زمانبر است. به عنوان مثال، سازمان های تولیدی ترجیح می دهند اطلاعات به فرمتی باشد که برای استفاده راحت تر باشد، پس اتوماتیک کردن این فرایند بسیار مفید است. اینجاست که عقیده کاوی به میان می آید. در وب، عقاید را می توان به فرم متن، تصویر، صوت یا داده ویدئویی بیان کرد. این مقاله از متن کاوی فاصله می گیرد چون در این زمینه بسیار کار شده است. عقیده کاوی را می توان یک زیر اصل از زبان شناسی محاسباتی تعریف کرد که با عقیده ای که یک سند بیان می کند در ارتباط است. طبقه بندی احساسات تعیین کننده ذهنیت، قطبیت (مثبت و منفی) و قدرت قطبیت (مثبت ضعیف، مثبت میانه و مثبت قوی) یک متن عقیده است. عبارات مختلفی توسط محققان استفاده می شود تا احساسات را طبقه بندی کنند: عقیده کاوی، تحلیل احساسات، استخراج احساسات یا رتبه بندی کارا. ما در این مقاله برای سادگی از عبارات عقیده کاوی که همه این عبارات را دربر می گیرد استفاده می کنیم.

زمینه های مرتبط با عقیده کاوی

استخراج اطلاعات (IE) : آیا تبدیل اطلاعات متنی بدون ساختار به فرمت ساخت یافته که عموماً در پایگاه داده ها ذخیره و برای اهداف داده کاوی استفاده می شود، بر اساس یادگیری زبان ماشین است. داده های خاص، استخراج و در قالب موجود قرار می گیرند. این کار دقت اطلاعات بازیافتی را بهبود می بخشد و می تواند به عنوان پایه ای برای گروه بندی داده های استخراج شده استفاده شود.

فرمت فایل: پاورپوینت (PPT یا PPTX) قابل ویرایش با نرم افزار Microsoft PowerPoint

فهرست
مقدمه
مفاهیم پایه در داده کاوی
تعریف داده کاوی
کاربردهای داده کاوی
مراحل فرایند کشف دانش از پایگاه داده ها
انبارش داده ها
انتخاب داده ها
تبدیل داده ها
کاوش در داده ها
تفسیر نتیجه
عملیاتهای داده کاوی
معیارهای انتخاب عملیات داده کاوی
عملیاتها و تکنیکهای داده کاوی
تحلیل پیوند
پارامترهای قوانین وابستگی
مدلها و الگوریتمهای داده کاوی
مدلها و الگوریتمهای داده کاوی
درخت های انتخاب
استنتاج قانون
الگوریتمهای ژنتیک
گامهای اصلی داده کاوی جهت کشف دانش
مراحل لازم برای ساخت یک پایگاه داده داده کاوی
آماده سازی داده برای مدل سازی
منابع و مراجع

چکیده

ما سیستم کشف اطلاعات مبتنی بر آمیب یا سیستم داده کاوی را مطرح می کنیم که با استفاده از ارگانیسم آمیبی شکل و سیستم کنترل مرتبط به آنبه اجر در می آید. سیستم امیب به عنوان یکی از الگوهای محاسباتی غیرسنتی جدید مد نظر قرار گرفته، که می تواند محاسبات موازی انبوه و پیچیده ای را انجام داده که ازفعالیت های پیچیده امیب اسنفاده می کند. سیستم مورد نظر ما ترکیبی از واحدهای سنتی مبتنی بر اطلاعات بوده که بر روی کامپیوترهای معمولی و واحد جستجوی مبتنی بر امیب با رابط واحد کنترل امیب به اجرا در می آید. راه حل ها در سیستم ما دارای مسیردهی یک به یک نسبت به راه حل های شناخته شده دیگر همانند شبکه های عصبی و الگوریتم های ژنتیکی می باشد. این قابلیت مسیردهی، چنین امکانی را برای امیب ایجاد می کند تا تکنیک هایی را که در حوزه های دیگر ایجاد شده است بکار گرفته و مورد استفاده قرار دهد. شکل های مختلفی از مراحل کشف اطلاعات معرفی شده اند. همچنین انواع جدیدی از تکنیک کشف اطلاعات به نام «حل مسئله مستقل» مورد بحث قرار می گیرد.

کلیدواژه: محاسبات مبتنی بر امیب؛ کشف اطلاعات؛ داده کاوی؛ الگوی محاسباتی جدید

مقدمه

کشف اطلاعات- یعنی مفهوم کامپیوترهایی که بطور اتوماتیک اطلاعات مفیدی را جستجو می کنند به عنوان یک جنبه جذاب و نوید بخش برنامه های کاربردی به منظور کاربرد عملی آن می باشد. الگوهای محاسباتی جدید- در 40 سال گذشته سخت افزار کامپیوتر تحت سلطه CMOS سنتی یا مدارهای مجتمع مبتنی بر سیلیکون بوده است (که همچنین به نام معماری مبتنی بر سیلیکون می باشد). امروزه، مفاهیم معماری کامپیوتر بر مبنای اصول کلی جدید به غیر از فناوری مبتنی بر سیلیکون توجه زیادی را به سمت خود جلب کرده است. این مقاله طرح کشف اطلاعات را مطرح می کند که از سیستم مبتنی بر امیب، که یکی از الگوهای محاسباتی جدید می باشد، مطرح می کند.

Data Mining (داده کاوی) - کافه دانشجو...

Data Mining (داده کاوی) پروژه پایانی کارشناسی ناپیوسته کامپیوتر - نرم¬افزار دانلود […] — ادامه متن

پاورپوینت آموزشی اصول مهندسی اینترنت به همراه تصاویر آموزشی

دسته: کامپیوتر | حجم فایل: 2382 کیلوبایت | تعداد صفحه: 252 | چکیده: | نام درس: اصول مهندسی اینترنت | نام مؤلف: مهندس احسان ملکیان | ویراستاران: هنگامه رضایی – دکتر شکیبا ضیایی | انتشارات: نص | تعداد واحد: 3 | فصلهای مرجع درس: فصل 1 الی 7 | رشته تحصیلی: مهندسی کامپیوتر (نرم‌افزار) | گروه آموزشی: کامپیوتر | طراح اسلایدهای خلاصه درس: دکتر داود کریم‌زادگان‌مقدم […] — ادامه متن

• عنوان لاتین مقاله: Violent Web images classification based on MPEG7 color descriptors
• عنوان فارسی مقاله: طبقه بندی تصاویر خشونت آمیز وب بر اساس توصیف کننده های رنگ MPEG7.
• دسته: روانشناسی - کامپیوتر و فناوری اطلاعات
• تعداد صفحات فایل ترجمه شده: 15
• جهت دانلود رایگان نسخه انگلیسی این مقاله اینجا کلیک نمایید
• نسخه فارسی مقاله برای خرید آماده است.

خلاصه

در این مقاله، روش طبقه بندی تصاویر خشونت آمیز وب را ارائه می کنیم. این موضوع بسیار مهم است زیرا کاربرد بسیاری در زمینه های مختلف مثل فیلتر کردن وب سایت های خشونت آمیز دارد. ما پیشنهاد ترکیب تکنیک های تحلیل تصویر و داده کاوی را می دهیم تا خصوصیات سطح پایینی که از رنگ های تصاویر استخراج شده را به خصوصیات خشن بالاتر موجود در تصویر مرتبط کنیم. مقایسه ای نیز روی تکنیک های مختلف داده کاوی خواهیم داشت تا بتوانیم تصاویر خشن وب را دسته بندی کنیم. همچنین، توضیح می دهیم که ترکیب روش های یادگیری چگونه روی دقت کار تأثیر می گذارد. نتایج ما نشان می دهد که این روش می تواند محتوای خشن را به طور کارایی تشخیص دهد.

مقدمه

شبکۀ گستردۀ جهانی (WWW) روی همۀ جنبه های جامعه شامل تجارت، علوم، سیاست و دولت، روابط فردی و سلامتی تأثیر زیادی داشته است. با این حال، وب روند نزولی داشته است. در حین گشت و گذار در اینترنت دسترسی به محتوای نزاعی مثل محتواهای خشونت آمیز آسان است. در واقع، کودکان در معرض شدید خشونت در اینترنت هستند؛ از سایت های کم عمق با حالت های بیرحمانه گرفته تا نمایش های مزاحمت آمیز شکنجه و آزار. امروزه کودکان و نوجوانان می توانند موزیک های خشن و ویدئو کلیپ ها و تصاویر خشن را با یک کلیک ماوس از اینترنت دانلود کنند. افراد جوان نیز از وب برای سیاحت استفاده می کنند و خلاقیت خود را به روش های مختلفی با ساختن فیلم ها، موزیک، وب سایت و بلاگ ها یا خاطرات آنلاین نشان می دهند.

کار اولیۀ ما یک سیستم فیلتر و شناسایی محتوای خشن وب به نام WebAngels filter را پیشنهاد می دهد که از تحلیل های ساختاری و زمینه ای استفاده می کند. ابزار ارزیابی ما کارایی روش را برای شناسایی و فیلتر صفحات خشن وب نشان می دهد. با این وجود WebAngels filter با مشکلاتی در طبقه بندی سایت های خشن که فقط دارای محتوای خشن گرافیکی هستند مواجه است. در این مقاله، این مسئله را بررسی کرده و یک روش جدید طبقه بندی تصاویر خشن پیشنهاد می دهیم. ما روی استفاده از توصیف کننده های رنگ و ترکیب طبقه بندها تمرکز می کنیم تا دقت طبقه بندی تصاویر خشن وب را بهبود بخشیم.

ادامۀ مقاله به این ترتیب سازماندهی شده است: در بخش 2 مروری روی کارهای انجام شده داریم. روش پیشنهادی برای طبقه بندی تصاویر خشن وب در بخش 3 ارائه می شود. نتایج ارزیابی و مقایسه ها در بخش 4 بحث می شود.

• فرمت: zip
• حجم: 0.48 مگابایت
• شماره ثبت: 411

• عنوان لاتین مقاله: Mining Opinion from Text Documents: A Survey
• عنوان فارسی مقاله: عقیده کاوی از اسناد متنی.
• دسته: فناوری اطلاعات و کامپیوتر - دیجیتال و فناری
• تعداد صفحات فایل ترجمه شده: 9
• جهت دانلود رایگان نسخه انگلیسی این مقاله اینجا کلیک نمایید
• نسخه فارسی مقاله برای خرید آماده است.

خلاصه

عقیده کاوی (OM) یک زمینۀ تحقیقاتی جدید و نو ظهور است که با بازیابی اطلاعات و استخراج دانش از متن با استفاده از داده کاوی (DM) و پردازش زبان طبیعی (NLP) سروکار دارد. هدف OM این است که کامپیوتر را قادر سازیم که بتواند احساسات را تشخیص و بیان کند. دید یا رفتاری که بر اساس احساسات باشد به جای منطق، احساس گفته می شود. بنابراین OM به تحلیل احساسات نیز معروف است. سازمان های تجاری پول زیادی را صرف مشاوران و محققان کرده اند تا احساسات و عقاید مشتریان را در مورد محصولاتشان بدانند. به طور مشابه، افراد نیز به عقاید دیگران در مورد محصولات، خدمات، موضوعات و رویدادها برای یافتن بهترین انتخاب ها علاقه مند هستند. این نوع تحقیقات برای جمع آوری از میان انجمن های وب، بلاگ ها، گروه های گفتگو و جعبه های نظرات در حال حاضر بسیار آسان شده است. عقیده را می توان از هر شخص در مورد هر چیزی در جهان را می توان از طریق سایت های نظرسنجی، بلاگ ها و گروه های گفتگو و... به دست آورد. استخراج اطلاعات و کشف دانش یک زمینۀ مهم تحقیقاتی است. مسئلۀ استخراج دانش از شبکۀ جهانی، چالش برانگیزتر است زیرا داده های ذخیره شده در وب بسیار طبیعت پویایی دارند. داده ها به دلیل بروزرسانی های دائمی و افزودن اطلاعات جدید در هر لحظه به سرعت در حال تغییر هستند. می توان از وبسایت ها برای برنامه های مختلفی استفاده کرد. یکی از این برنامه های مهم وب، جمع آوری عقاید و استخراج الگوهای معنادار از آن هاست. در حین فرایند تصمیم گیری، اکثر ما از دیگران کمک می گیریم. این یک پدیدۀ طبیعی است که یک تصمیم خوب بر اساس عقیدۀ دیگران به دست می آید. قبل از شبکۀ جهانی وب، از عقیده ها به طور شفاهی یا توسط کلمات به اشتراک گذاشته می شد و ما مجبور بودیم از دوستان خود در مورد اینکه کدام آیتم از دیگران بهتر است سوال کنیم یا بخواهیم توضیح دهد که کدام ویژگی یک آیتم خوب و کدام بد است. با پیدایش شبکۀ جهانی وب، اشتراک گذاری دانش و کسب مزیت از تجربیات دیگران، ممکن شد. امروزه بیش از 75000 بلاگ جدید با 1.2 میلیون پست جدید روزانه ساخته می شود و 40 درصد مردم در جهان مدرن به نظرات، عقاید و توصیه های جمع آوری شده از بلاگ ها، انجمن ها و دیگر سایت های مربوطه تکیه می کنند. این امر اهمیت نیاز به OM را نشان می دهد.

• فرمت: zip
• حجم: 0.67 مگابایت
• شماره ثبت: 411

• عنوان لاتین مقاله: Analysis the effect of data mining techniques on database
• عنوان فارسی مقاله: تحلیل تاثیر تکنیک های استخراج داده بر پایگاه داده ها
• دسته: فناوری اطلاعات و کامپیوتر
• تعداد صفحات فایل ترجمه شده: 17
• جهت دانلود رایگان نسخه انگلیسی این مقاله اینجا کلیک نمایید
• نسخه فارسی مقاله برای خرید آماده است.

خلاصه

در جامعۀ اطلاعاتی امروز شاهد روند رو به رشد شرکت های الکترونیکی و ذخیره سازی اطلاعات آنها در پایگاه های داده ای بزرگ هستیم. استخراج داده سبب دانش افروزی میشود. استخراج اطلاعات میتواند مفاد بارزشی از پایگاه داده ها آشکار کند که به دانش افروزی و بهبود تجارت هوشمند کمک میکند. در این مقاله به این موضوغات می پردازیم که تکنیک های استخراج داده ای چه تاثیری بر سیستم های پایگاه داده ای دارند، چگونه میتوان با استفاده از آنها به اطلاعات مورد نظر دست یافت، به چه ابزارهایی برای استفاده از آنها نیاز است، طرفداران و منتقدان اصلی آنها چه کسانی هستند. با تمامی این تفاسیر برآنیم تا نشان دهیم چگونه میتوان تکنولوژی استخراج داده ای را در تکنیک های آن گنجاند.

مقدمه

در سال های اخیر استخراج داده به تکنیک بسیار معروفی برای استخراج اطلاعات از پایگاه داده در حوزه های مختلف مبدل شده است که به عوامل گوناگونی من جمله قابلیت دسترسی کاربران به آن و نتایج نشان دهنده آن بستگی دارد. استخراج داده به معنای جستجوی اطلاعات بارزش در حخم وسیع داده ها میباشد. با افزایش دسترسی به پایگاه های داده ای با ساختارهای مشخص، نیاز به تکنیک های استخراج داده که برای این ساختارها طراحی شده اند نیز بیشتر میشود. به جهت کیفیت بهتر نرم افزار، مهندسان نرم افزار الگوریتم های بسیاری را برای وظایف مهندسی نرم افزارهای مختلف بکار میبرند. دستیابی سریع تر و بهتر به پایگاه داده ها، تحلیل و درک نتایج و همچنین ذخیره سازی داده ها که از حیطۀ توانایی افراد خارج است، دانشمندان و محققان را ترغیب نموده است تا در کشف و ابداع فیلدهای خاش اکتساب دانش در پایگاه های داده ای حرکتی صعودی و روزافزون داشته باشند. حجم اطلاعاتی بالا و عدم توانایی برای درک و فهم فرآیندهایی که سبب ایجاد آنها شده اند باعث استفاده از تکنیک های استخراج داده ای میشود که به این طریق میتوان الگوهای ساختاری گوناگون با مطالب مفید را از پایگاه داده ای استخراج نمود. پایگاه های داده ای بسیار بزرگ هستند و استخراج داده از آنها برای مجموعه های بزرگ بسیار مهم و در عین حال جالب توجه میباشد.

• فرمت: zip
• حجم: 0.81 مگابایت
• شماره ثبت: 411

دسته: کامپیوتر

حجم فایل: 459 کیلوبایت

تعداد صفحه: 23

مفاهیم داده کاوی

و

انباره داده ای

دکتر غضنفری

داده كاوی یكی از عناوین پرطرفدار در فن آوری اطلاعات است. امروزه اكثر سازمانها از لحاظ داده ها بسیار غنی می باشند، چرا كه آنها به جمع آوری حجم بسیار روزافزون داده ها مشغولند. عموماً سازمانها از این كوه داده ها برای ارائه اعداد و واقعیتها استفاده می كنند، اما این اعداد و واقعیتها نمایانگر دانش نیستند و حتی می توان اذعان داشت كه امروزه سازمانها با فقر دانش روبرو هستند. تعریف ما از داده كاوی فرآیند استخراج دانش از داده ها می باشد. این امر از طریق كشف الگوها در داده های مربوط به رفتار گذشته فرآیندها امكانپذیر است.

داده كاوی، استخراج اطلاعات پیش گویانه پنهان از پایگاههای داده ای بزرگ، یك تكنولوژی جدید قدرتمند با توان زیاد برای كمك به شركتهاست تا بروی اطلاعات مهم موجود در انبار داده های خود تمركز كنند. ابزارهای داده كاوی رفتارها و روندهای آینده را پیش گوئی می كنند و بدین ترتیب به شركتها اجازه می دهند كه بر پایه دانش و پویش گرایانه تصمیم گیری كنند. ابزارهای داده كاوی سؤالاتی را می توانند جواب دهند كه در گذشته زمان زیادی برای جوابگوئی آنها لازم بود. شكل زیر نشان میدهد كه داده كاوی در واقع تركیبی از چندین تكنولوژی می باشد:

مدیریت داده ها، آمار، یادگیری ماشینی و تجسم سازی (2).

سیر تكاملی تكنولوژی پایگاه داده

سیر تكاملی تكنولوژی پایگاه داده

داده ها غالبا به عنوان رشته ای از بیتها، اعداد و یا سمبولها معرفی می شوند. اطلاعات داده هاس پردازش شده می باشد و دانش همان اطلاعات مجتمع شامل fact ها و ارتباطات آنها میباشد كه از بخشهای مختلف تصویری، ذهنی و كشف شده بدست میآیند. داده كاوی كشف دانش پنهان از داده های یك سازمان میباشد.

مفاهیم داده کاوی و انباره داده ای

داده كاوی

تعریف ما از داده كاوی فرآیند استخراج دانش از داده ها می باشد. این امر از طریق كشف الگوها در داده های مربوط به رفتار گذشته فرآیندها امكانپذیر است. داده كاوی، استخراج اطلاعات پیش گویانه پنهان از پایگاههای داده ای بزرگ، یك تكنولوژی جدید قدرتمند با توان زیاد برای كمك به شركتهاست تا بروی اطلاعات مهم موجود در انبار داده های خود تمركز كنند. ابزارهای داده كاوی رفتارها و روندهای آینده را پیش گوئی می كنند و بدین ترتیب به شركتها اجازه می دهند كه بر پایه دانش و پویش گرایانه تصمیم گیری كنند. ابزارهای داده كاوی سؤالاتی را می توانند جواب دهند كه در گذشته زمان زیادی برای جوابگوئی آنها لازم بود. شكل زیر نشان میدهد كه داده كاوی در واقع تركیبی از چندین تكنولوژی می باشد: مدیریت داده ها، آمار، یادگیری ماشینی و تجسم سازی (2).

سیر تكاملی تكنولوژی پایگاه داده

داده ها غالبا به عنوان رشته ای از بیتها، اعداد و یا سمبولها معرفی می شوند. اطلاعات داده هاس پردازش شده می باشد و دانش همان اطلاعات مجتمع شامل fact ها و ارتباطات آنها میباشد كه از بخشهای مختلف تصویری، ذهنی و كشف شده بدست میآیند. داده كاوی كشف دانش پنهان از داده های یك سازمان میباشد.

قیمت: 5,000 تومان

Dual Neural Network - Springer

One of state-of-the-art recurrent neural networks (RNNs) is dual neural network (DNN). It can solve QP in real time. The dual neural network is of simple piecewise […] — ادامه متن

سیستم کشف اطلاعات مبتنی بر آمیب (ترجمه)

چکیده | ما سیستم کشف اطلاعات مبتنی بر آمیب یا سیستم داده کاوی را مطرح می کنیم که با استفاده از ارگانیسم آمیبی شکل و سیستم کنترل مرتبط به آنبه اجر در می آید. سیستم امیب به عنوان یکی از الگوهای محاسباتی غیرسنتی جدید مد نظر قرار گرفته، که می تواند محاسبات موازی انبوه و پیچیده ای را انجام داده که ازفعالیت های پیچیده امیب اسنفاده می کند. سیستم مورد نظر ما ترکیبی از واحدهای سنتی مبتنی بر اطلاعات بوده که بر روی کامپیوترهای معمولی و واحد جستجوی مبتنی بر امیب با رابط واحد کنترل امیب به اجرا در می آید. راه حل ها در سیستم ما دارای مسیردهی یک به یک نسبت به راه حل های شناخته شده دیگر همانند شبکه های عصبی و […] — ادامه متن

Neural Network Implementation in Hardware Using …

The goal of this work is to realize the hardware implementation of neural network using FPGAs. […] — ادامه متن

Neural Network Models in Combinatorial Optimization …

This chapter reviews the theory and application of artificial neural network (ANN) models with the intention of solving combinatorial optimization problems (COPs). […] — ادامه متن

Coverage-Based, Prioritized Testing Using Neural Network …

Coverage-Based, Prioritized Testing Using Neural This paper suggests unsupervised neural network clustering of Prioritized Testing Using Neural Network […] — ادامه متن

Artificial Neural Networks - Springer

Book Chapter. Pages 315-332. Neural Networks Solution of Optimal Control Problems with Discrete Time Delays and Time-Dependent Learning of Infinitesimal Dynamic … […] — ادامه متن

الگوریتم بهینه سازی ازدحام ذرات (PSO)

• عنوان لاتین مقاله: An Analysis Of Particle Swarm Optimizers
• عنوان فارسی مقاله: تجزیه و تحلیل الگوریتم بهینه سازی ازدحام ذرات (Pso)
• دسته: مهندسی صنایع
• تعداد صفحات فایل ترجمه شده: 11
• لینک دریافت رایگان نسخه انگلیسی مقاله: دانلود
• نسخه فارسی مقاله برای خرید آماده است.

| خلاصه | بسیاری از مسائل علمی، مهندسی و اقتصادی شامل بهینه سازی مجموعه ای از پارامترها می باشد. این مسائل شامل نمونه هایی همچون به حداقل رسانی اتلاف در شبکه برق با یافتن تنظیمات بهینه بخش ها، یا تقویت شبکه عصبی برای […] — ادامه متن

Discrete time neural networks - Springer

Traditional feedforward neural networks are static structures that simply map input to output. To better reflect the dynamics in the biological system, time […] — ادامه متن

Artificial neural networks in bankruptcy prediction ...

In this paper, we present a general framework for understanding the role of artificial neural networks (ANNs) in bankruptcy prediction. We give a comprehensive […] — ادامه متن

Image processing with neural networks—a review

We review more than 200 applications of neural networks in image processing and discuss the present and possible future role of neural networks, especially feed […] — ادامه متن

Multi-class pattern classification using neural networks

Table 4 lists the neural network systems that gave the best performances: the OAO system that contains 21 binary neural networks with 10 hidden nodes in each; […] — ادامه متن

Artificial neural networks in hardware: A survey of two ...

This article presents a comprehensive overview of the hardware realizations of artificial neural network (ANN) models, known as hardware neural networks (HNN), […] — ادامه متن

Artificial neural networks (the multilayer perceptron…

Artificial neural networks are appearing as useful alternatives to traditional statistical modelling techniques in many scientific disciplines. This paper prese […] — ادامه متن

Industrial application of neural networks — an …

This paper summarises a 2-year industrial investigation into the application of artificial neural networks in the area of process monitoring and control. The in […] — ادامه متن

طرح شناخت فازی (FCMs) با استفاده از شبکه عصبی

• عنوان لاتین مقاله: Design Of Fuzzy Cognitive Maps Using Neural Networks For Predicting Chaotic Time Series
• عنوان فارسی مقاله: طراحی نقشه های شناختی فازی با استفاده از شبکه های عصبی برای پیش بینی سری زمانی پر هرج و مرج
• دسته: مهندسی صنایع
• تعداد صفحات فایل ترجمه شده: 20
• لینک دریافت رایگان نسخه انگلیسی مقاله: دانلود
• نسخه فارسی مقاله برای خرید آماده است.

| خلاصه | به عنوان یک طرح کارامد برای ارائه اطلاعات و مکانیسم شبیه سازی متناسب با بررسی های بیشمار و حوزه های کاربردی، طرح شناخت ف […] — ادامه متن

the Official Journal of the International Neural Network ...

The online version of Neural Networks at ScienceDirect.com, the world's leading platform for high quality peer-reviewed full-text journals. […] — ادامه متن

Neural Network Implementation in Hardware Using …

For the neural network based instrument prototype in real time application, conventional specific VLSI neural chip design suffers the limitation in time and cost. […] — ادامه متن

کنترل برداری بدون سنسورسرعت یک موتور القایی بدون یاتاقان

• عنوان لاتین مقاله: Speed-Sensorless Vector Control Of A Bearingless Induction Motor With Artificial Neural Network Inverse Speed Observer
• عنوان فارسی مقاله: کنترل برداری بدون سنسورسرعت یک موتور القایی بدون یاتاقان با استفاده از ناظر سرعت معکوس شبکه عصبی مصنوعی.
• دسته: برق و الکترونیک
• تعداد صفحات فایل ترجمه شده: 30
• جهت دانلود رایگان نسخه انگلیسی این مقاله اینجا کلیک نمایید
• نسخه فارسی مقاله برای خرید آماده است.

| خلاصه | به منظور جلوگیری از اثر تشخیص سرعت بر پایین آمدن پایداری و […] — ادامه متن

برنامه توسعه تولید و انتقال، با در نظر گرفتن حد بارگذاری

چکیده | در این مقاله برنامه توسعه تولید و انتقال (Tef , Gep) با در نظرر گرفتن حد بارگذاری سیستم قدرت مطالعه شده است. از روش شبکه های عصبی مصنوعی (Ann) برای ارزیابی حد بارگذاری سیستم قدرت _به دلیل ویژگی های حساسیتش_ استفاده شده است. بازسازی سیستم قدرت و جداسازی سازمان های تصمیم گیرنده توسعه تولید و انتقال، هماهنگی میان شرکت های تولید و انتقال را حیاتی تر ساخته است. از دیگر سو، پایداری ولتاژ، یکی از مشخصه های سطح امنیتی سیستم قدرت می باشد. در این مقاله، نخست الگوی بار یک سیستم قدرت 6-شینه توسعه یافته، و سپس با استفاده از مشخصه های حساسیت Ann بهترین شین برای افزایش بار، تعیین می شود. آنگاه، ارتبا […] — ادامه متن

Neural networks and statistical techniques: A review of ...

Abstract. Neural networks are being used in areas of prediction and classification, the areas where statistical methods have traditionally been used. […] — ادامه متن

• عنوان لاتین مقاله: New Avenues in Opinion Mining and Sentiment Analysis
• عنوان فارسی مقاله: روش های جدید در عقیده کاوی و تحلیل احساسات.
• دسته: روانشناسی
• تعداد صفحات فایل ترجمه شده: 8
• جهت دانلود رایگان نسخه انگلیسی این مقاله اینجا کلیک نمایید
• نسخه فارسی مقاله برای خرید آماده است.

خلاصه

عقاید دیگران در موقع تصمیم گیری یا انتخاب یک گزینه از میان چندین گزینه می تواند بسیار حیاتی باشد. وقتی این گزینه ها حاوی منابع ارزشمند باشند (برای مثال صرف زمان و هزینه برای خرید محصولات یا سرویس ها) ، مردم اغلب به تجربیات قبلی خود تکیه می کنند. قبلاً منابع مهم اطلاعاتی، دوستان و مجلات و وبسایت های تخصصی بودند. حالا وب اجتماعی ابزار جدیدی برای ساخت و به اشتراک گذاری ایده ها با افراد متصل به شبکۀ جهانی وب فراهم می کنند. انجمن ها، بلاگ ها، شبکه های اجتماعی و سرویس های اشتراک محتوا به مردم در اشتراک گذاری اطلاعات مفید کمک می کند. این اطلاعات ساختیافته نیستند اما بخاطر اینکه برای مصارف انسانی تولید شده اند، قابل پردازش توسط ماشین نیستند. دریافت عقاید عمومی دربارۀ رویدادهای اجتماعی، فعالیت های بازاریابی و اولویت های محصول، علاقۀ جوامع علمی و جهان تجارت را به خود جلب کرده است. زمینه های ادغام شدۀ حاصل عقیده کاوی و تحلیل احساسات است. با وجود اینکه این دو عبارت معمولاً به جای یکدیگر استفاده می شوند عقیده کاوی و تحلیل احساسات به ترتیب روی تشخیص تمایلات و درک احساسات تمرکز دارند. به دلیل اینکه شناسایی احساسات برای تشخیص تمایلات استفاده می شود با این حال دو زمینه معمولاً زیر یک چتر ترکیب می شوند و حتی به عنوان هم معنی از آن ها یاد می شود. هر دو از تکنیک های داده کاوی و پردازش زبان طبیعی (NLP) برای کشف، بازیابی و استفاده از اطلاعات و عقاید در شبکۀ جهانی وب استفاده می کنند.

احساس و عقیده کاوی از زبان طبیعی، چالش برانگیز است زیرا نیاز به درک عمیقی از قوانین آشکار و ضمنی، منظم و نامنظم و نحوی و معنایی زبان دارد. تحقیقات تحلیل احساسات با مشکلات حل نشدۀ NLP دست و پنجه نرم می کند: وضوح هم ارجاعی، کنترل نفی، وضوح تکرار و وضوح حساس به کلمه. عقیده کاوی یک مسئلۀ بسیار محدود NLP است زیرا سیستم فقط نیاز به درک احساسات مثبت و منفی از هر جمله و موجودیت ها و موضوعات مقصد دارد. بنابراین تحلیل احساسات یک فرصت برای محققان NLP است تا پیشرفت در همۀ زمینه های NLP و تأثیر عملی را ملموس تر کنند.

• فرمت: zip
• حجم: 0.61 مگابایت
• شماره ثبت: 411

پایان نامه جهت اخذ درجه کارشناسی
عنوان کامل: کاربرد داده کاوی در تجارت الکترونیک
دسته: فناوری اطلاعات
فرمت فایل: فایل Word ورد 2007 یا 2003 (Docx یا Doc) قابل ویرایش
تعداد صفحات: 151

مقدمه
از هنگامی که رایانه در تحلیل و ذخیره سازی داده ها به کار رفت (1950) پس از حدود 20 سال، حجم داده ها در پایگاه داده ها دو برابر شد. ولی پس از گذشت دو دهه و همزمان با پیشرفت فن آوری اطلاعات (IT) هر دو سال یکبار حجم داده ها، دو برابر شده و همچنین تعداد پایگاه داده ها با سرعت بیشتری رشد نمود. این در حالی است که تعداد متخصصین تحلیل داده ها با این سرعت رشد نکرد. حتی اگر چنین امری اتفاق می افتاد، بسیاری از پایگاه داده ها چنان گسترش یافته اند که شامل چندصد میلیون یا چندصد میلیارد رکورد ثبت شده هستند. امکان تحلیل و استخراج اطلاعات با روش های معمول آماری از دل انبوه داده ها مستلزم چند روز کار با رایانه های موجود است. [3]حال با وجود سیستم های یکپارچه اطلاعاتی، سیستم های یکپارچه بانکی و تجارت الکترونیک ، لحظه به لحظه به حجم داده ها در پایگاه داده های مربوط اضافه شده و باعث به وجود آمدن حانبارهای عظیمی از داده ها شده است. این واقعیت، ضرورت کشف و استخراج سریع و دقیق دانش از این پایگاه داده ها را بیش از پیش نمایان کرده است، چنان که در عصر حاضر گفته می شود اطلاعات طلاست. هم اکنون در هر کشور، سازمان، شرکت و غیره برای امور بازرگانی ، پرسنلی، آموزشی، آماری و غیره پایگاه داده ها ایجاد یا خریداری شده است. به طوری که این پایگاه داده ها برای مدیران، برنامه ریزان، پژوهشگران جهت، تصمیم گیری های راهبردی، تهیه گزارش های مختلف، توصیف وضعیت جاری خود و سایر اهداف می تواند مفید باشد. بسیاری از این داده ها از نرم افزار های تجاری، مثل کاربردهای مالی، ERPها، CRMها و web log ها، می آیند. نتیجه این جمع آوری داده ها این می شود که در سازمانها، داده ها غنی ولی دانش ضعیف، است. جمع آوری داده ها، بسیار انبوه می شود و بسرعت اندازه آن افزایش می یابد و استفاده عملی از داده ها را محدود می سازد. [2]داده کاوی استخراج و تحلیل مقدار زیادی داده بمنظور کشف قوانین و الگوهای معنی دار در آنهاست. هدف اصلی داده کاوی، استخراج الگوهایی از داده ها، افزایش ارزش اصلی آنها و انتقال داده ها به صورت دانش است.

داده کاوی، به همراه OLAP، گزارشگری تشکیلات اقتصاد ی (Enterprise reporting) و ETL، یک عضو کلیدی در خانواده محصول Business Intelligence (BI)، است. [2Error! Reference source not found.]
حوزه های مختلفی وجود دارد که در آنها حجم بسیاری از داده در پایگاه داده های متمرکز یا توزیع شده ذخیره می شود. برخی از آنها به قرار زیر هستند: [6Error! Reference source not found.]
کتابخانه دیجیتال: یک مجموعه سازماندهی شده از اطلاعات دیجیتال که به صورت متن در پایگاه داده های بزرگی ذخیره می شوند.
آرشیو تصویر: شامل پایگاه داده بزرگی از تصاویر به شکل خام یا فشرده.
اطلاعات زیستی: بدن هر انسانی از 50 تا 100 هزار نوع ژن یا پروتئین مختلف ساخته شده است. اطلاعات زیستی شامل تحلیل و تفسیر این حجم عظیم داده ذخیره شده در پایگاه داده بزرگی از ژنهاست.

جریان داده

.بسیاری از برنامه های کاربردی نوع داده جدیدی به نام جریان داده را تولید و تحلیل می کنند که در آن داده ها به صورت پویا به یک بستر (یا پنجره) وارد و یا از آن خارج می شوند.

.خواص جریان داده:

.حجم زیاد و گاه نامحدود

.تغییرپویا

.جریان به درون و خارج با یک ترتیب مشخص

.پیمایش یکبار یا تعدا د محدود

.نیازمند زمان پاسخ سریع (اغلب بلادرنگ)

.ممکن است دارای چندین منبع باشند.

چکیده

عقاید دیگران در موقع تصمیم گیری یا انتخاب یک گزینه از میان چندین گزینه می تواند بسیار حیاتی باشد. وقتی این گزینه ها حاوی منابع ارزشمند باشند (برای مثال صرف زمان و هزینه برای خرید محصولات یا سرویس ها) ، مردم اغلب به تجربیات قبلی خود تکیه می کنند. قبلاً منابع مهم اطلاعاتی، دوستان و مجلات و وبسایت های تخصصی بودند. حالا وب اجتماعی ابزار جدیدی برای ساخت و به اشتراک گذاری ایده ها با افراد متصل به شبکه جهانی وب فراهم می کنند. انجمن ها، بلاگ ها، شبکه های اجتماعی و سرویس های اشتراک محتوا به مردم در اشتراک گذاری اطلاعات مفید کمک می کند. این اطلاعات ساختیافته نیستند اما بخاطر اینکه برای مصارف انسانی تولید شده اند، قابل پردازش توسط ماشین نیستند. دریافت عقاید عمومی درباره رویدادهای اجتماعی، فعالیت های بازاریابی و اولویت های محصول، علاقه جوامع علمی و جهان تجارت را به خود جلب کرده است. زمینه های ادغام شده حاصل عقیده کاوی و تحلیل احساسات است. با وجود اینکه این دو عبارت معمولاً به جای یکدیگر استفاده می شوند عقیده کاوی و تحلیل احساسات به ترتیب روی تشخیص تمایلات و درک احساسات تمرکز دارند. به دلیل اینکه شناسایی احساسات برای تشخیص تمایلات استفاده می شود با این حال دو زمینه معمولاً زیر یک چتر ترکیب می شوند و حتی به عنوان هم معنی از آن ها یاد می شود. هر دو از تکنیک های داده کاوی و پردازش زبان طبیعی (NLP) برای کشف، بازیابی و استفاده از اطلاعات و عقاید در شبکه جهانی وب استفاده می کنند. احساس و عقیده کاوی از زبان طبیعی، چالش برانگیز است زیرا نیاز به درک عمیقی از قوانین آشکار و ضمنی، منظم و نامنظم و نحوی و معنایی زبان دارد. تحقیقات تحلیل احساسات با مشکلات حل نشده NLP دست و پنجه نرم می کند: وضوح هم ارجاعی، کنترل نفی، وضوح تکرار و وضوح حساس به کلمه. عقیده کاوی یک مسئله بسیار محدود NLP است زیرا سیستم فقط نیاز به درک احساسات مثبت و منفی از هر جمله و موجودیت ها و موضوعات مقصد دارد. بنابراین تحلیل احساسات یک فرصت برای محققان NLP است تا پیشرفت در همه زمینه های NLP و تأثیر عملی را ملموس تر کنند.

• عنوان لاتین مقاله: Amoeba-Based Knowledge Discovery
• عنوان فارسی مقاله: سیستم کشف اطلاعات مبتنی بر آمیب
• دسته: کامپیوتر و فناوری اطلاعات
• تعداد صفحات فایل ترجمه شده: 8
• لینک دریافت رایگان نسخه انگلیسی مقاله: دانلود
• نسخه فارسی مقاله برای خرید آماده است.

خلاصه

ما سیستم کشف اطلاعات مبتنی بر آمیب یا سیستم داده کاوی را مطرح می کنیم که با استفاده از ارگانیسم آمیبی شکل و سیستم کنترل مرتبط به آنبه اجر در می آید. سیستم امیب به عنوان یکی از الگوهای محاسباتی غیرسنتی جدید مد نظر قرار گرفته، که می تواند محاسبات موازی انبوه و پیچیده ای را انجام داده که ازفعالیت های پیچیده امیب اسنفاده می کند. سیستم مورد نظر ما ترکیبی از واحدهای سنتی مبتنی بر اطلاعات بوده که بر روی کامپیوترهای معمولی و واحد جستجوی مبتنی بر امیب با رابط واحد کنترل امیب به اجرا در می آید. راه حل ها در سیستم ما دارای مسیردهی یک به یک نسبت به راه حل های شناخته شده دیگر همانند شبکه های عصبی و الگوریتم های ژنتیکی می باشد. این قابلیت مسیردهی، چنین امکانی را برای امیب ایجاد می کند تا تکنیک هایی را که در حوزه های دیگر ایجاد شده است بکار گرفته و مورد استفاده قرار دهد. شکل های مختلفی از مراحل کشف اطلاعات معرفی شده اند. همچنین انواع جدیدی از تکنیک کشف اطلاعات به نام ' حل مسئله مستقل' مورد بحث قرار می گیرد.

کلمات کلیدی: محاسبات مبتنی بر امیب؛ کشف اطلاعات؛ داده کاوی؛ الگوی محاسباتی جدید

مقدمه

کشف اطلاعات- یعنی مفهوم کامپیوترهایی که بطور اتوماتیک اطلاعات مفیدی را جستجو می کنند به عنوان یک جنبه جذاب و نوید بخش برنامه های کاربردی به منظور کاربرد عملی آن می باشد.

الگوهای محاسباتی جدید- در 40 سال گذشته سخت افزار کامپیوتر تحت سلطه CMOS سنتی یا مدارهای مجتمع مبتنی بر سیلیکون بوده است (که همچنین به نام معماری مبتنی بر سیلیکون می باشد). امروزه، مفاهیم معماری کامپیوتر بر مبنای اصول کلی جدید به غیر از فناوری مبتنی بر سیلیکون توجه زیادی را به سمت خود جلب کرده است. این مقاله طرح کشف اطلاعات را مطرح می کند که از سیستم مبتنی بر امیب، که یکی از الگوهای محاسباتی جدید می باشد، مطرح می کند.

• فرمت: zip
• حجم: 1.35 مگابایت
• شماره ثبت: 411

دسته: کامپیوتر

حجم فایل: 191 کیلوبایت

تعداد صفحه: 22

مقدمه

نظریه مجموعه های راف توسط آقای پاولاك و همكارانش در سال 1982 مطرح گردید. این نظریه بیشتر با آنالیز دسته بندی داده های موجود در پایگاه داده كه از طریق اندازه گیری یا پرسش از فرد خبره جمع آوری شده اند، سرو كار دارد. رویكرد تئوری راف برای كسب دانش و استنتاج در مورد دانش، بیشتروقتی با مفاهیمی همچون عدم قطعیت و داده های نادقیق مواجه هستیم مطرح می شود.

در ادامه ابتدا به بررسی مفاهیم پایه ای نظریه مجموعه های راف و سپس به كاربرد آن در داده كاوی می پردازیم.

مجموعه

گروهی از اشیاء متمایز مشروط بر آنكه شرط خاصی را داشته باشند تشكیل یك مجموعه می دهند و اگر a عضوی از مجموعه باشد آنرا با نشان می دهند.

مجموعه مرجع

در هر مبحثی عالم سخن یعنی اشیاء اولیه مورد بحث آن مبحث را مجموعه مرجع آن مبحث می گویند و آنرا با U نمایش می دهند.

خانواده مجموعه

فرض كنید (لاندا) یك مجموعه بوده و برای هر عضو مانند مجموعه را داشته باشیم. در این صورت خانواده تمام مجموعه های نظیر را خانواده مجموعه های اندیس دار گویند و آنرا با نماد نشان می دهند.

مثال) یك خانواده از بازه های بسته در است اگر داشته باشیم:

افراز یك مجموعه

فرض كنید U یك مجموعه غیر خالی باشد. یك افراز از مجموعهU مجموعه ائی از زیر مجموعه های غیر خالی آن است بطوری كه دو به دو جدا از هم باشند و اجتماع آنها برابرU باشد:

حاصلضرب دكارتی

اگر A، B دو مجموعه باشند حاصلضرب دكارتی آنها را با نشان داده و چنین تعریف می كنند:

قیمت: 3,000 تومان

پایان نامه جهت اخذ درجه کارشناسی

عنوان کامل: پروژه برنامه نویسی جهت سیستم انبارداری با ویژوال بیسیک

طبقه بندی: فناوری اطلاعات و کامپیوتر

فرمت فایل: فایل Word ورد 2007 یا 2003 (Docx یا Doc) قابل ویرایش

تعداد صفحات پروژه: 95

مقدمه

در دنیای بشدت رقابتی امروز، اطلاعات بعنوان یکی از فاکتورهای تولیدی مهم پدیدار شده است. در نتیجه تلاش برای استخراج اطلاعات از داده ها توجه بسیاری از افراد دخیل در صنعت اطلاعات و حوزه های وابسته را به خود جلب نموده است. حجم بالای داده های دائما در حال رشد در همه حوزه ها و نیز تنوع آنها به شکل داده متنی، اعداد، گرافیکها، نقشه ها، عکسها، تصاویر ماهواره ای و عکسهای گرفته شده با اشعه ایکس نمایانگر پیچیدگی کار تبدیل داده ها به اطلاعات است. علاوه بر این، تفاوت وسیع در فرآیندهای تولید داده مثل روش آنالوگ مبتنی بر کاغذ و روش دیجیتالی مبتنی بر کامپیوتر، مزید بر علت شده است. استراتژیها و فنون متعددی برای گردآوری، ذخیره، سازماندهی و مدیریت کارآمد داده های موجود و رسیدن به نتایج معنی دار بکار گرفته شده اند. بعلاوه، عملکرد مناسب ابرداده[1] که داده ای درباره داده است در عمل عالی بنظر می رسد.

پیشرفتهای حاصله در علم اطلاع رسانی و تکنولوژی اطلاعات، فنون و ابزارهای جدیدی برای غلبه بر رشد مستمر و تنوع بانکهای اطلاعاتی تامین می کنند. این پیشرفتها هم در بعد سخت افزاری و هم نرم افزاری حاصل شده اند. ریزپردازنده های سریع، ابزارهای ذخیره داده های انبوه پیوسته و غیر پیوسته، اسکنرها، چاپگرها و دیگر ابزارهای جانبی نمایانگر پیشرفتهای حوزه سخت افزار هستند. پیشرفتهای حاصل در نظامهای مدیریت بانک اطلاعات در طی چهار دهه گذشته نمایانگر تلاشهای بخش نرم افزاری است. این تلاشها در بخش نرم افزار را میتوان بعنوان یک حرکت پیشرونده از ایجاد یک بانک اطلاعات ساده تا شبکه ها و بانکهای اطلاعاتی رابطه ای و سلسله مراتبی برای پاسخگویی به نیاز روزافزون سازماندهی و بازیابی اطلاعات ملاحظه نمود. بدین منظور در هر دوره، نظامهای مدیریت بانک اطلاعاتی[2] مناسب سازگار با نرم افزار سیستم عامل و سخت افزار رایج گسترش یافته اند. در این رابطه میتوان از محصولاتی مانند، Dbase-IV, Unify, Sybase, Oracle و غیره نام برد.

داده کاوی یکی از پیشرفتهای اخیر در راستای فن آوریهای مدیریت داده هاست. داده کاوی مجموعه ای از فنون است که به شخص امکان میدهد تا ورای داده پردازی معمولی حرکت کند و به استخراج اطلاعاتی که در انبوه داده ها مخفی و یا پنهان است کمک می کند. انگیزه برای گسترش داده کاوی بطور عمده از دنیای تجارت در دهه 1990 پدید آمد. مثلا داده کاوی در حوزه بازاریابی، بدلیل پیوستگی غیرقابل انتظاری که بین پروفایل یک مشتری و الگوی خرید او ایجاد میکند اهمیتی خاص دارد (Barry and Linoff, 1997).

تحلیل رکوردهای حجیم نگهداری سخت افزارهای صنعتی، داده های هواشناسی و دیدن کانالهای تلوزیونی از دیگر کاربردهای آن است. در حوزه مدیریت کتابخانه کاربرد داده کاوی بعنوان فرایند ماخذ کاوی[3] نامگذاری شده است. این مقاله به کاربردهای داده کاوی در مدیریت کتابخانه ها و موسسات آموزشی می پردازد. در ابتدا به چند سیستم سازماندهی داده ها که ارتباط نزدیکی به داده کاوی دارند می پردازد؛ سپس عناصر داده ای توصیف می شوند و درپایان چگونگی بکارگیری داده کاوی در کتابخانه ها و موسسات آموزشی مورد بحث قرار گرفته و مسائل عملی مرتبط در نظر گرفته می شوند.

چکیده

پیشنهاد محصول، فعالیت کسب و کاری می باشد که برای جذب مشتری مهم می باشد. بنابراین، بهبود کیفیت این پیشنهادات برای تامین نیاز مشتریان در محیط رقابتی شدید دارای اهمیت زیادی می باشد. اگرچه سیستم های پیشنهاد دهنده متفاوتی مطرح شده است، اما تعداد کمی ارزش دوام مشتری را بریا شرکت مد نظر قرار داده اند. معمولا ارزش دوام مشتری ((CLV از نظر متغیرهای تازگی، تکرار و پولی (RFM) مورد ارزیابی قرار گرفته اند. به هر حال اهمیت نسبی در بین آن ها با توجه به مشخصات تولید و صنعت متفاوت می باشد. ما روش جدیدی از پیشنهاد محصول را ایجاد کرده ایم که تکنیک های تصمیم گیری گروهی و پردازش اطلاعاتی را مد نظر قرار می دهد. برنامه ریزی های سلسله مراتبی (AHP) نیز برای تعیین وزن نسبی متغیرهای RFM در ارزیابی ارزش دوام و وفاداری مشتری، مد نظر قرار می گیرد. سپس تکنیک های دسته بندی برای مشتریان طبقه بندی شده بر طبق به ارزش وزنی RFM به کار برده شده است. سرانجام روش بررسی قوانی مربوطه بکار گرفته شد، تا پیشنهاد محصول برای هر یک ار گروه های مشتری ارائه شود. نتایج تجربی نشان داده است که این روش ها پا را فراتر نهاده و از RFM های یکسان و روش های فیلترینگ همکاری استفاده کرده اند.

مقدمه

رقابت بیشتر شرکت ها را وادار می کند تا نوع آوری های خود را در بازار برای تامین نیاز مشتری و بهبود رضایت آن ها توسعه دهند. استفاده از اینترنت و رشد تجارت الکترونیک فعالیت های بازار را گسترش داده و حجم عظیمی از اطلاعات مربوط به مشتریان را برای تجزیه و تحلیل ایجاد کرده است. این گونه از فعالیت های اقتصادی با استفاده از تجزیه و تحلیل اطلاعات مربوط به مشتریان برای تعیین اولویت های آن ها دارای اهمیت زیادی بوده و باعث بهبود فرایند تصمیم گیری در بازار می گردد. ایجاد حمایت مناسب برای تامین نیاز مشتری در افزایش موفقیت فروشگاه های آنلاین اهمیت داشته و به این ترتیب موفقیت وب سایت ها بستگی به افزایش کیفیت خدمات و اطلاعات برای ارائه به مشتریان دارد.

Data Mining (داده کاوی) - کافه دانشجو...

Data Mining (داده کاوی) پروژه پایانی کارشناسی ناپیوسته کامپیوتر - نرم¬افزار دانلود […] — ادامه متن

آموزش کامل OPNET

دسته: شبکه های کامپیوتری | حجم فایل: 3726 کیلوبایت | تعداد صفحه: 2000 | آموزش کامل Opnet | چکیده: | هدف اصلی این پایان­نامه این است که تمرین­های آزمایشگاهی را برای استفاده در رشته­های متعدد و مختلف دردانشگاه­ها گسترش دهد و یک بینش در مورد اینکه چگونه یک شبکه واقعی و پروتکل­ها رفتار می کنند، ارائه دهد. تمام لابراتوارها در محیط شبیه سازی Opnet Modeler 9. 0 که یک شبیه‌­ساز شبکه است، توسعه یافته اند و ابزارهایی برای مدل، طراحی، شبیه سازی و Data Mining و تجزیه و تحلیل ارائه می­کند. مجوز بسته نرم افزاری توسط Opnet Technologies Inc[1] داده شده است. | وسایل آموزشی شامل مجموعه­ای از فعالیت­های آزمایشگا […] — ادامه متن

داده کاوی جهانی: مطالعه تجربی از روند فعلی پیش بینی آینده و انتشار فناوری

• عنوان لاتین مقاله: Global Data Mining: An Empirical Study Of Current Trends, Future Forecasts And Technology Diffusions
• عنوان فارسی مقاله: داده کاوی جهانی: مطالعه تجربی از روند فعلی پیش بینی آینده و انتشار فناوری
• دسته: فناوری اطلاعات و کامپیوتر
• تعداد صفحات فایل ترجمه شده: 28
• جهت دانلود رایگان نسخه انگلیسی این مقاله اینجا کلیک نمایید
• نسخه فارسی مقاله برای خرید آماده است.

| خلاصه | با استفاده از روش داده کاوی این مطالعه و تجلیل روند تحقیقات و پیش بینی داده کاوی را از سال 1989 ت […] — ادامه متن

Data mining for rapid prediction of facility fit and ...

Highlights • A data mining decisional tool was created for prediction of facility fit issues. • Monte Carlo simulation was used to mimic USP and DSP batch-to […] — ادامه متن

آرشیوداده کاوی

داده کاوی، فرایند مرتب سازی و طبقه بندی داده های حجیم و آشکارسازی اطلاعات مرتبط باهم می باشد. […] — ادامه متن

چکیده

با توجه به سازمان دهی هرچه بیشتر اینترنت و شبکه گسترده جهانی برای انجام تجارت و کسب و کار، لازم است که برنامه ریزی های استراتژیک و تکنیک های راهبردی جهت جهت تجزیه و تحلیل در این زمینه مورد بررسی قرار گیرند. به همین منظور، ما یک بررسی و مطالعه اجمالی از تحقیقات و کارهای علمی اخیر در زمینه وب کاوی را با تمرکز بر روی سه روش و دیدگاه در رابطه با خوشه بندی وب ارائه می دهیم. تجزیه و تحلیل خوشه بندی، یک الگوریتم داده کاوی با کاربرد وسیع می باشد که در واقع فرآیند تقسیم بندی یکسری از داده ها به شماری از خوشه هاست که هر داده ای، شباهت بالایی با داده های دیگر در همان خوشه دارد اما از دیگر داده ها در خوشه های دیگر متفاوت است. در این تحقیق علمی، ما سه روش متفاوت را پیرامون وب کاوی بررسی کرده و سپس مزایا و معایب آن ها را آنالیز و تجزیه و تحلیل می کنیم و در پایان بر مبنای موثر ترین الگوریتم بدست آمده و همچنین نتایج حاصل از آزمایشات انجام شده بر روی فایل های وبلاگی گوناگون، به یک نتیجه گیری کلی دست پیدا می کنیم.

لغات کلیدی: وب کاوی، web usage mining، لاگ های وب سرور (وب لاگ ها) ، خوشه بندی

مقدمه

وب کاوی که با عنوان وب لاگ کاوی نیز شناخته می شود، فرآیند استخراج الگوها و طرح های قابل توجه از جستجو در فهرست قابل دسترسی به وب می باشد. وب کاوی در واقع کاربرد تکنیک های داده کاوی به منظور کشف الگوهایی از وب می باشد. کاوش استفاده وب، روش پیداکردن کاربرانی است که در اینترنت به دنبال اهداف خاصی می گردند. بعضی از کاربران ممکن است به دنبال داده های متنی باشند در حالی که بعضی دیگر ممکن است بخواهند داده های سمعی و بصری را از اینترنت دریافت نمایند. کاوش استفاده وب به ما کمک می کند تا الگو هایی از گروه های مشخصی از افراد را که به مناطق مشخصی تعلق دارند پیدا کنیم. هر زمان که درخواست هایی جهت تخصیص منابع دریافت شود، سازمان های سرویس دهنده شبکه، به محاسبه داده های جمع آوری شده درباره کاربران می پردازند. لاگ های وب سرور یک منبع مهم برای انجام وب کاوی محسوب می شوند چرا که به طور دقیق، رفتار مرورگری تمام مشاهده کنندگان سایت را ثبت می کنند.