به وبلاگ ما خوش آمدید - لطفا صفحه را تا پایان مشاهده کنید
ترجمه مقاله ی داده کاوی جهانی: مطالعه تجربی از روند فعلی پیش بینی آینده و انتشار


ترجمه مقاله داده کاوی جهانی: مطالعه تجربی از روند فعلی پیش بینی آینده و انتشار فناوری ؛ مقاله ایدر مورد رشته مدیریت است که با کمک رشته فناوری اطلاعات تهیه شده و در 15 صفحه برای دانلود شما، ترجمه شده است.     ترجمه مقاله داده کاوی جهانی: مطالعه تجربی از روند فعلی پیش بینی آینده و انتشار فناوری ؛ مقاله ایدر مورد رشته مدیریت است که با کمک رشته فناوری اطلاعات تهیه شده و در 15 صفحه برای دانلود شما، ترجمه شده است.   چکیده: یک الگوریتم تکاملی واقعی کد شده برای سنتز یک مسیر چهارخطی معر ...

ادامه مطلب
برچسب ها : ,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,
| لینک ثابت | نسخه قابل چاپ | امتیاز :
rss نوشته شده در تاریخ 1395/8/30 و در ساعت : 18:06 - نویسنده : dlfreejozve
ترجمه مقاله داده کاوی جهانی: مطالعه تجربی از روند فعلی پیش بینی آینده و انتشار ف


ترجمه مقاله داده کاوی جهانی: مطالعه تجربی از روند فعلی پیش بینی آینده و انتشار فناوری ؛ مقاله ایدر مورد رشته مدیریت است که با کمک رشته فناوری اطلاعات تهیه شده و در 15 صفحه برای دانلود شما، ترجمه شده است.     ترجمه مقاله داده کاوی جهانی: مطالعه تجربی از روند فعلی پیش بینی آینده و انتشار فناوری ؛ مقاله ایدر مورد رشته مدیریت است که با کمک رشته فناوری اطلاعات تهیه شده و در 15 صفحه برای دانلود شما، ترجمه شده است.   چکیده: یک الگوریتم تکاملی واقعی کد شده برای سنتز یک مسیر چهارخطی معر ...
ادامه مطلب
برچسب ها : ,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,
| لینک ثابت | نسخه قابل چاپ | امتیاز :
rss نوشته شده در تاریخ 1395/3/13 و در ساعت : 18:09 - نویسنده : dlfreejozve
دانلود پایان نامه روش بهینه سازی پرتفوی سهام اکتشافی بر اساس تکنیک های داده کاوی

دانلود پایان نامه روش بهینه سازی پرتفوی سهام اکتشافی بر اساس تکنیک های داده کاوی



رشته ::: فناوری اطلاعات !!!!! فرمت فایل doc حجم فایل 14172 کیلو بایت تعداد صفحات فایل 120

روش بهینه سازی پرتفوی سهام اکتشافی بر اساس تکنیک های داده کاوی

 

 

فهرست مطالب

 

موضوع

صفحه

1.مقدمه

 

1.1 تعریف مشکل

 

1.2 انگیزه

 

1.3 مشارکت (کمک)

 

1.4 سازمان پایان نامه

 

فصل دوم: زمینه و آثار مرتبط

 

2.1 نظریه مالی مربوط

 

2.2 روش اکتشافی مبنی بر علوم کامپیوتر مرتبط

 

2.3 ابزارهای مشابه در SMPOpt

 

2.4 روش مورد استفاده در SMPOpt

 

1.مقدمه

 

1.1 تعریف مشکل

 

1.2 انگیزه

 

1.3 مشارکت (کمک)

 

1.4 سازمان پایان نامه

 

فصل دوم: زمینه و آثار مرتبط

 

2.1 نظریه مالی مربوط

 

2.2 روش اکتشافی مبنی بر علوم کامپیوتر مرتبط

 

2.3 ابزارهای مشابه در SMPOpt

 

2.4 روش مورد استفاده در SMPOpt

 

1.مقدمه

 

1.1 تعریف مشکل

 

1.2 انگیزه

 

1.3 مشارکت (کمک)

 

1.4 سازمان پایان نامه

 

فصل دوم: زمینه و آثار مرتبط

 

2.1 نظریه مالی مربوط

 

2.2 روش اکتشافی مبنی بر علوم کامپیوتر مرتبط

 

2.3 ابزارهای مشابه در SMPOpt

 

2.4 روش مورد استفاده در SMPOpt

 

فصل سوم: بهینه سازی پرتفوی سهام (تعریف مسئله)

 

3.1 شناسایی عوامل موثر در بهینه سازی پرتفوی سهام

 

3.2 تعریف بهینه سازی پرتفوی سهام

 

فصل چهارم : راه حل اول در SMPOpt  : بهینه ساز پرتفوی نیمه خودکار

 

4.1 مروری بر پیشنهادی فرآیند نیمه خودکار

 

4.2 چهار مرحله روش بهینه سازی پرتفوی

 

4.2.1 ساخت شبکه های اجتماعی سهام

 

4.2.1.1 دیگر مقیاس عملکرد سهام

 

4.2.1.2 همبستگی سری زمانی

 

4.2.2 خوشه بندی سهام

 

4.2.2.1 نگاشت تمایل برای ریسک تعداد خوشه

 

4.2.2.2 الگوریتم های خوشه بندی

 

4.2.3 رتبه بندی سهام

 

4.2.3.1 فرمولاسیون مشکل رتبه بندی سهام

 

4.2.3.2 رتبه بندی سهام با استفاده از SVMRank

 

4.2.3.3 سری زمانی SVMRank

 

 

4.2.4 ساختار پرتفوی

 

4.3 پردازش اولیه داده های مالی

 

4.3.1 انتخاب ویژگی سهام

 

فصل5: راه حل دوم در SMPOpt : توصیه های پرتفوی مدیریت شده

 

5.1 استخراج ویژگی سرمایه‌گذاری سرمایه‌گذاران

 

5.2 ساختار شبکه اجتماعی

 

5.3  سیستم توسعه سرمایه‌گذاری

 

5.3.1  خوشه‌بندی متخصصان

 

5.3.2  طبقه‌بندی سرمایه‌گذاران غیر متخصص

 

5.3.3  یافتن متخصص نماینده در جامعه

 

فصل 6: ارزیابی SMPOpt از طریق مطالعات تجربی

 

6.1 سنجشهای عملکردی

 

6.1.1  نسبت شارپ

 

6.1.2 بازده آینده

 

6.1.3  NDCG  

 

6.2  معیارها

 

6.2.1  همه پرتفویهای بازار (تنوع بیشینه)

 

6.2.20 تک معیار رتبه بندی سهام

 

6.2.3  تنوع ایستا

 

6.2.4  پرتفوی مدیریت شده

 

6.3  آماده سازی و نتایج تجربی

 

6.3.1  آزمایش 1

 

6.3.2 آزمایش دو

 

6.3.3  آزمایش 3

 

6.3.4  آزمایش 4

 

6.3.5  آزمایش 5

 

6.3.6  آزمایش 6

 

6.3.7  آزمایش 7

 

6.3.8  آزمایش 8

 

6.4  تهدیدات روایی

 

فصل 7: اجرای SMPOpt

 

7.1  معیار SMPOpt

 

6.3.6  آزمایش 6

 

6.3.7  آزمایش 7

 

6.3.8  آزمایش 8

 

6.4  تهدیدات روایی

 

فصل 7: اجرای SMPOpt

 

7.1  معیار SMPOpt

 

7.2 روند پیشنهادی در SMPOpt

 

فصل 8: خلاصه، نتیجه‌گیری و تحقیقات آتی

 

8.1  خلاصه و نتیجه‌گیری

 

8.2  جهات آتی

 

 

فصل اول: مقدمه

عرصه بازار سهام همواره به علت پتانسیل مفید آن برای افراد جذاب است. پیدا کردن مجموعه ای مناسب سهام برای سرمایه گذاری برای حصول بازده بیشتر و مواجه با خطر کمتر ، در مقایسه با دیگر گزینه ها، افراد زیادی را، اعم از کارشناسان حوزه جذب می کند. در بازار سهام، شرکت ها از بخش های مختلف اقتصادی (از جمله انرژی، مواد، صنایع، مصرفی، مصرف کننده کالاهای اساسی، بهداشت و درمان، مالی، فناوری اطلاعات، خدمات مخابراتی و نرم افزار) بخشی از سهام موسسات خود را به فروش می رسانند. افراد می توانند یک نمای کلی جامع از تمام سهام موجود برای خرید داشته باشد، و در نتیجه، می تواند تصمیم گیری قابل اعتماد در مقدار پول برای سرمایه گذاری در سهام داشته باشد. سود بالقوه بازار سهام افراد بیشتری برای سرمایه گذاری جذب می کند.

1.1 تعریف مشکل

انواع ابزار سرمایه گذاری در سراسر جهان فرایند تصمیم گیری سرمایه گذاری را بسیار پیچیده و چالش برانگیز کرده است که در آن عوامل مختلف باید در نظر گرفته شود. به عبارت دیگر، تصمیم گیری های سرمایه گذاری در ابزار های مختلف موجود مشکل تصمیم گیری چند وجهی و در نتیجه یک کار چالش برانگیز است. به عنوان یک راه حل، اتوماسیون بیشتر در این فرآیند برای جایگزینی تحقیقات دستی خسته کننده مورد نیاز است. در میان ابزار سرمایه گذاری های مختلف از جمله اوراق قرضه شرکت، سهام و مشتقات، این پایان نامه به تجزیه و تحلیل سهام بازار محدود شده است.

در امور مالی، مجموعه ای از دارایی های توسط یک سرمایه گذار نگهداری می شود که پرتفوی نامیده می شود. بهینه سازی پرتفوی فرآیند تصمیم گیری های سرمایه گذاری در نگهداری مجموعه ای از دارایی های مالی مطابق با معیارهای مختلف است. به عبارت دیگر، بهینه سازی پرتفوی فرایند تصمیم گیری انتخاب دارایی ها و سبک سنگین کردن آن است، به طوری که مجموعه ای از دارایی ها اهداف سرمایه گذار را ارضا کند. فرآیند بهینه سازی پرتفوی شامل پیش بینی عملکرد و نوسانات سهام و همچنین به عنوان مدل برای استفاده از این پیش بینی ها در جهت به دست آوردن یک مجموعه است که مناسب مشخصات ترجیحات سرمایه گذار باشد.

دانلود 
پایان نامه ارشد: روش بهینه سازی پرتفوی سهام اکتشافی بر اساس تکنیک های 
داده کاوی

ادامه مطلب
برچسب ها : ,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,
| لینک ثابت | نسخه قابل چاپ | امتیاز :
rss نوشته شده در تاریخ 1394/3/4 و در ساعت : 08:48 - نویسنده : dlfreejozve
مقاله داده کاوی جهانی: مطالعه تجربی از روند فعلی پیش بینی آینده و انتشار فناوری
مقاله داده کاوی جهانی: مطالعه تجربی از روند فعلی پیش بینی آینده و انتشار فناوری

دسته بندی موضوعی : فناوری اطلاعات و کامپیوتر
عنوان انگلیسی 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
فرمت فایل ترجمه شده: WORD (قابل ویرایش)
تعداد صفحات فایل ترجمه شده: 28
ترجمه ی سلیس و روان مقاله آماده ی خرید می باشد.
_______________________________________
چکیده ترجمه:
با استفاده از روش داده کاوی این مطالعه و تجلیل روند تحقیقات و پیش بینی داده کاوی را از سال 1989 تا سال 2009 را با عنوان داده کاوی در پایگاه SSCI انجام داده است روش کتاب سنجی تحلیل روشی بررسی موضوع در این بازه زمانی است. ما با برداشت از 1881 مقاله به بررسی این موضوع پرداخته ایم در این مقاله پیاده سازی و طبقه بندی مقالات داده کاوی با استفاده از سال نشر، استناد، کشور نشر، نوع سند، نام موسسه، زبان، عنوان منبع و موضوع منطقه برای وضعیت های مختلف به منظور کشف تفاوت ها و اطلاعات چگونگی فناوری و توسعه یافتگی آن در این دوره با گرایش های فناوری پرداخته ایم و پیش بینی نتایج را از این مقالات انجام داده ایم همچنین این مقاله انجام آزمون K-S را برای بررسی اینکه آیا تجزیه و تحلیل براساس قانون لوکتا است یا نه انجام دادند. علاوه براین تجزیه و تحلیل بررسی متون تاریخی جهت نفوذ فناوری داده کاوی انجام شده است. این مقاله یک نقشه راه برای تحقیقات آینده، و روندهای تکنولوژی و پیش بینی و تسهیل انباشت دانش را در دستور خود دارد به طوری که محققان داده کاوی بتواند با صرف هزینه کم بر روی موضوع مشخص خود متمرکز شوند. 
این بدان معنی است که پدیده موفقیت در نشریات با کیفیت بالاتر شایع تر است 
کلیده واژه ها: داده کاوی، روند تحقیقات و پیش بینی، نفوذ فناوری و روش کتاب سنجی 
1- مقدمه:
داده کاوی زمینه بین رشته ای است که ترکیبی مصنوعی از هوش، مدیریت پایگاه داده، تجسم داده ها، دستگاه یادگیری، الگوریتم های ریاضی و آمار را به وجود آورده است. داده کاوی نیز به عنوان کشف پایگاه داده ها شناخته شده است. دچن، هان ویو 1996 ، پیاتتکسی و اسمیت 1996 که به سرعت در حال ظهور می باشند. این فناوریها روش های مختلفی را برای تصمیم گیری حل مسئاله، تجزیه و تحلیل، برنامه ریزی، تشخیص، یکپارچه سازی، پیشگیری آموزش و نوآوری را به ارمغان می آورد که نیاز به تکنیک های جدید برای کمک به تجزیه و تحلیل، درک و حتی تجسم مقدار بسیار عظیمی از داده های ذخیره شده را در برنامه های علمی و کاربردی را جمع آوری می کند. کشف دانش این فرآیند جالب توجه است.
ادامه مطلب
برچسب ها : ,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,
| لینک ثابت | نسخه قابل چاپ | امتیاز :
rss نوشته شده در تاریخ 1393/10/11 و در ساعت : 22:48 - نویسنده : dlfreejozve
استخراج قوانین انجمن فازی از اطلاعات با کیفیت پایین : داده کاوی

استخراج قوانین انجمن فازی از اطلاعات با کیفیت پایین : داده کاوی


دسته بندی موضوعی : فناوری اطلاعات - کامپیوتر - داده کاوی
عنوان انگلیسی : Mining fuzzy association rules from low-quality data
عنوان فارسی : استخراج قوانین انجمن فازی از اطلاعات با کیفیت پایین
فرمت فایل ترجمه شده: WORD (قابل ویرایش)
تعداد صفحات فایل ترجمه شده: 30
ترجمه ی سلیس و روان مقاله آماده ی خرید می باشد.
_______________________________________
چکیده ترجمه:
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.
کلید واژه : داده کاوی ، قوانین انجمن فازی ، اطلاعات با کیفیت پایین
1- 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.
ادامه مطلب
برچسب ها : ,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,
| لینک ثابت | نسخه قابل چاپ | امتیاز :
rss نوشته شده در تاریخ 1393/10/4 و در ساعت : 20:40 - نویسنده : dlfreejozve
مقاله تجزیه و تحلیل اثر تکنیک های داده کاوی در پایگاه داده
مقاله تجزیه و تحلیل اثر تکنیک های داده کاوی در پایگاه داده

دسته بندی موضوعی : فناوری اطلاعات و کامپیوتر
عنوان انگلیسی : Analysis the effect of data mining techniques on database
عنوان فارسی : تحلیل تاثیر تکنیک های استخراج داده بر پایگاه داده ها
فرمت فایل ترجمه شده: WORD (قابل ویرایش)
تعداد صفحات فایل ترجمه شده: 17
ترجمه ی سلیس و روان مقاله آماده ی خرید می باشد.
_______________________________________
چکیده ترجمه:
در جامعه ی 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.
1-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 بسیار ی 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 حیطه ی 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. 
ادامه مطلب
برچسب ها : ,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,
| لینک ثابت | نسخه قابل چاپ | امتیاز :
rss نوشته شده در تاریخ 1393/10/4 و در ساعت : 11:12 - نویسنده : dlfreejozve
دانلود مقاله روش موازی موثر برای داده کاوی ژنتیکی - فازی
دانلود مقاله روش موازی موثر برای داده کاوی ژنتیکی - فازی

دسته بندی موضوعی : فناوری اطلاعات IT و داده کاوی !
عنوان انگلیسی مقاله: An effective parallel approach for genetic-fuzzy data mining
عنوان فارسی مقاله: روش موازی اثربخش برای داده کاوی ژنتیکی - فازی
فرمت فایل ترجمه شده: WORD (قابل ویرایش)
تعداد صفحات فایل ترجمه شده: 23
ترجمه ی سلیس و روان مقاله آماده ی خرید می باشد.
_______________________________________
چکیده ترجمه:
مهم‌ترین کاربرد داده کاوی در تلاش‌هایی است که برای استنتاج قواعد وابستگی از داده‌های تراکنشی صورت می‌گیرد. در گذشته، از مفاهیم منطق فازی و الگوریتم‌های ژنتیکی برای کشف قواعد وابستگی فازی سودمند و توابع عضویت مناسب از مقادیر کمی استفاده می‌کردیم. با وجود این، ارزیابی مقادیر برازش نسبتاً زمان بر بود. به دلیل افزایش‌های شگرف در قدرت محاسباتی قابل دسترسی و کاهش همزمان در هزینه‌های محاسباتی در طول یک دهه‌ی گذشته، یادگیری یا داده کاوی با به کارگیری تکنیک‌های پردازشی موازی به عنوان روشی امکان پذیر برای غلبه بر مسئله‌ی یادگیری کند شناخته شده است. بنابراین، در این مقاله الگوریتم داده‌ کاوی موازی فازی – ژنتیکی را بر اساس معماری ارباب - برده  ارائه کرده‌ایم تا قواعد وابستگی و توابع عضویت را از تراکنش‌های کمی استخراج کنیم. پردازنده‌ی master مانند الگوریتم ژنتیک از جمعیت یگانه‌ای استفاده می‌کند، و وظایف ارزیابی برازش را بین پردازنده‌های slave توزیع می‌کند. اجرای الگوریتم پیشنهاد شده  در معماری ارباب – برده بسیار طبیعی و کارآمد است. پیچیدگی‌های زمانی برای الگوریتم‌های داده کاوی ژنتیکی – فازی موازی نیز مورد تحلیل قرار گرفته است. نتایج این تحلیل تأثیر قابل توجه الگوریتم پیشنهاد شده را نشان داده است. هنگامی که تعداد نسل‌ها زیاد باشد، افزایش سرعت الگوریتم ممکن است نسبتاً خطی باشد. نتایج تجربی تیز این نکته را تأیید می‌کنند. لذا به کارگیری معماری ارباب – برده برای افزایش سرعت الگوریتم داده‌ کاوی ژنتیکی – فازی   روشی امکان پذیر برای غلبه بر مشکل ارزیابی برازش کم سرعت الگوریتم‌ اصلی است.
کلمات کلیدی: داده کاوی، مجموعه های فازی، الگوریتم ژنتیک، پردازش موازی، قاعده اتحادیه
1- مقدمه
با پیشرفت روزافزون فن آوری اطلاعات (IT)، قابلیت ذخیره سازی و مدیریت داده‌ها در پایگاه‌های داده‌ اهمیت بیشتری پیدا می‌کند. به رغم اینکه گسترش IT پردازش داده‌ها را تسهیل و تقاضا برای رسانه‌های ذخیره سازی را برآورده می‌سازد، استخراج اطلاعات تلویحی قابل دسترسی به منظور کمک به تصمیم گیری مسئله‌ای جدید و چالش برانگیز است. از این رو، تلاش‌های زیادی معوف به طراحی مکانیسم‌های کارآمد برای کاوش اطلاعات و دانش از پایگاه داده‌های بزرگ شده است. در نتیجه، داده کاوی، که نخستین بار توسط آگراول، ایمیلنسکی و سوامی (1993) ارائه شد، به زمینه‌ی مطالعاتی مهمی در مباحث پایگاه داده‌ای و هوش مصنوعی مبدل شده است.
ادامه مطلب
برچسب ها : ,,,,,,,,,,,,
| لینک ثابت | نسخه قابل چاپ | امتیاز :
rss نوشته شده در تاریخ 1393/9/26 و در ساعت : 12:34 - نویسنده : dlfreejozve
مقاله عقیده کاوی از اسناد متنی

مقاله عقیده کاوی از اسناد متنی


عنوان اصلی مقاله: Mining Opinion from Text Documents: A Survey
عنوان فارسی مقاله: عقیده کاوی از اسناد متنی...
دسته:فناوری اطلاعات و کامپیوتر - دیجیتال و فناری
فرمت فایل ترجمه شده: WORD (قابل ویرایش)
تعداد صفحات فایل ترجمه شده: 9
ترجمه ی سلیس و روان مقاله آماده ی خرید می باشد.
_______________________________________
چکیده ترجمه:
عقیده کاوی (OM) یک زمینه‌ی 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 می‌شود. بنابراین OM به تحلیل احساسات نیز معروف است. سازمان‌های تجاری پول زیادی را صرف مشاوران و محققان کرده‌اند 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 انتخاب‌ها علاقه‌مند هستند. این نوع تحقیقات برای جمع‌آوری از میان انجمن‌های وب، بلاگ‌ها، گروه‌های گفتگو و جعبه‌های نظرات در حال حاضر بسیار آسان شده است. عقیده را می‌توان از هر شخص در مورد هر چیزی در جهان را می‌توان از طریق سایت‌های نظرسنجی، بلاگ‌ها و گروه‌های گفتگو و ... به دست آورد. استخراج اطلاعات و کشف دانش یک زمینه‌ی مهم تحقیقاتی است. مسئله‌ی استخراج دانش از شبکه‌ی جهانی، چالش برانگیزتر است زیرا داده‌های ذخیره شده در وب بسیار طبیعت پویایی دارند. داده‌ها به دلیل بروزرسانی‌های دائمی و افزودن اطلاعات جدید در هر لحظه به سرعت در حال تغییر هستند. می‌توان از وبسایت‌ها برای برنامه‌های مختلفی استفاده کرد. یکی از این برنامه‌های مهم وب، جمع‌آوری عقاید و استخراج الگوهای معنادار از آن‌هاست. در حین فرایند تصمیم‌گیری، اکثر ما از دیگران کمک می‌گیریم. این یک پدیده‌ی طبیعی است که یک تصمیم خوب بر اساس عقیده‌ی دیگران به دست می‌آید. قبل از شبکه‌ی جهانی وب، از عقیده‌ها به طور شفاهی یا توسط کلمات به اشتراک گذاشته می‌شد 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 شبکه‌ی جهانی وب، اشتراک‌گذاری دانش و کسب مزیت از تجربیات دیگران، ممکن شد. امروزه بیش از 75000 بلاگ جدید با 1.2 میلیون پست جدید روزانه ساخته می‌شود و 40 درصد مردم در جهان مدرن به نظرات، عقاید و توصیه‌های جمع‌آوری شده از بلاگ‌ها، انجمن‌ها و دیگر سایت‌های مربوطه تکیه می‌کنند. این امر اهمیت نیاز به OM را نشان می‌دهد.

ادامه مطلب
برچسب ها : ,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,
| لینک ثابت | نسخه قابل چاپ | امتیاز :
rss نوشته شده در تاریخ 1393/9/11 و در ساعت : 20:53 - نویسنده : dlfreejozve
مقاله روش های خوشه بندی لاگ های وب سرور

مقاله روش های خوشه بندی لاگ های وب سرور




عنوان 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 ...
فرمت فایل ترجمه شده: WORD (قابل ویرایش)
تعداد صفحات فایل ترجمه شده: 8
ترجمه ی سلیس و روان مقاله آماده ی خرید می باشد.
_______________________________________
چکیده ترجمه:
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 1.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 ی 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 ی 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 ی شبکه ، به محاسبه داده های جمع آوری شده درباره ی 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.
ادامه مطلب
برچسب ها : ,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,
| لینک ثابت | نسخه قابل چاپ | امتیاز :
rss نوشته شده در تاریخ 1393/8/17 و در ساعت : 20:04 - نویسنده : dlfreejozve
پایان نامه داده کاوی در بانکداری الکترونیکی

پایان نامه داده کاوی در بانکداری الکترونیکی


پایان نامه جهت اخذ درجه کارشناسی
عنوان کامل: داده کاوی در بانکداری الکترونیکی
دسته: مهندسی کامپیوتر
فرمت فایل: WORD (قابل ویرایش)
تعداد صفحات: 95
________________________________________________________
بخشی از مقدمه:
بسیاری از شرکت‌ها و موسسات دارای حجم انبوهی از اطلاعات هستند. با گسترش سيستمهاي پايگاهي و حجم بالاي داده ها ي ذخيره شده در اين سيستم ها ، به ابزاري نيازاست تا بتوان اين داده ها راپردازش کرد و اطلاعات حاصل از آن را در اختيار کاربران قرار داد.معمولا کاربران پس از طرح  فرضيه اي بر  اساس گزارشات مشاهده شده به اثبات يا رد آن مي پردازند ، در حالي که امروزه به روشهايي نيازداريم كه به اصطلاح به کشف دانش  بپردازند يعني روشهائي كه با کمترين دخالت کاربر و به صورت خودکار الگوها و رابطه هاي منطقي را بيان نمايند.يکي از روشهاي بسيار مهمي كه با آن مي توان الگوهاي مفيدي را در ميان داده ها تشخيص داد،داده كاوي است ،اين روش كه با حداقل دخالت كاربران همراه است اطلاعاتي را در اختيار آنها وتحليل گران قرار ميدهد تا براساس آنها تصميمات مهم و حياتي در سازمانشان اتخاذ نمايند .بايد توجه داشت که اصطلاح داده کاوي زماني به کار برده مي شود که با حجم بزرگي از داده ها ، در حد مگا يا ترابايت ، مواجه باشيم . در تمامي منابع داده کاوي بر اين مطلب تاکيد شده است . هر چه حجم داده ها بيشتر و روابط ميان آنها پيچيده تر باشد دسترسي به اطلاعات نهفته در ميان داده ها مشکل تر مي شود و نقش داده کاوي به عنوان يکي از روشهاي کشف دانش ،آشكارتر مي 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 : zipحجم : 0.93مگابایتشماره ثبت : 806
ادامه مطلب
برچسب ها : ,,,,
| لینک ثابت | نسخه قابل چاپ | امتیاز :
rss نوشته شده در تاریخ 1393/3/2 و در ساعت : 00:57 - نویسنده : dlfreejozve
پایان نامه معرفی داده کاوی در پایگاه داده ها
پایان نامه معرفی داده کاوی در پایگاه داده ها
پایان نامه جهت اخذ درجه کارشناسی
عنوان کامل: بررسی و داده کاوی در پایگاه داده ها.
دسته: فناوری اطلاعات وکامپیوتر
فرمت فایل: WORD (قابل ویرایش)
تعداد صفحات پایان نامه:  77
______________________________________________________
بخشی از مقدمه:
در دو دهه‌ي قبل توانايي‌هاي فني بشر براي توليد و جمع آوري داده‌ها به سرعت افزايش يافته است. عواملي نظيراستفاده گسترده از باركد براي توليدات تجاري، به خدمت گرفتن كامپيوتر در كسب و كار، علوم، خدمات دولتي و پيشرفت در وسايل جمع آوري داده، از اسكن كردن متون و تصاوير تا سيستم هاي سنجش از دور ماهواره اي، در اين تغيرات نقش مهمي دارند.
بطور كلي استفاده همگاني از وب و اينترنت به عنوان يك سيستم اطلاع رساني جهاني، ما را مواجه با حجم زيادي از داده و اطلاعات مي كند. اين رشد انفجاري در داده هاي ذخيره شده، نياز مبرم وجود تكنولوژي هاي جديد و ابزارهاي خودكاري را ايجاد كرده كه به صورت هوشمند به انسان ياري می رسانند تا اين حجم زياد داده را به اطلاعات و دانش تبديل كند. داده كاوي بعنوان يك راه حل براي اين مسائل مطرح مي باشد. در يك تعريف غير رسمي، داده كاوي فرآيندي است خودكار براي استخراج الگوهايي كه دانش را بازنمايي مي كنند كه اين دانش به صورت ضمني در پايگاه داده هاي عظيم، انبار داده و ديگر مخازن بزرگ اطلاعات ذخيره شده است. داده كاوي بطور همزمان از چندين رشته علمي بهره مي برد. نظير: تكنولوژي پايگاه داده، هوش مصنوعي، يادگيري ماشين، شبكه هاي عصبي، آمار، شناسايي الگو، سيستم هاي مبتني بر دانش، حصول دانش، بازيابي اطلاعات، محاسبات سرعت بالا و بازنمايي بصري داده. داده كاوي در اواخر دهه ي 1980 پديدار گشته، در دهه ي 1990 گام هاي بلندي در اين شاخه از علم برداشته شده و انتظار مي رود در اين قرن به رشد و پيشرفت خود ادامه دهد.
واژه هاي «داده كاوي» و «كشف دانش در پايگاه داده» اغلب به صورت مترادف يكديگر مورد استفاده قرار مي گيرند.
تکامل تکنولوژی پایگاه داده و استفاده فراوان آن در کاربردهای مختلف، سبب جمع آوری حجم فراوانی از داده ها شده است. این داده های فراوان باعث ایجاد نیاز برای ابزارهای قدرتمند برای تحلیل داده ها گشته زیرا در حال حاضر به لحاظ داده ثروتمند هستیم ولی دچار کمبود اطلاعات می باشیم. ابزارهاي داده كاوي داده ها را آناليز مي كنند و الگوهاي داده اي را كشف مي كنند كه مي توان از آن در كاربردهايي نظير: تعيين استراتژي براي كسب و كار، پايگاه دانش و تحقيقات علمي و پزشكي استفاده كرد. شكاف موجود بين داده ها و اطلاعات سبب ايجاد نياز براي ابزارهاي داده كاوي شده است تا داده هاي بي ارزشي را به دانشي ارزشمند تبديل كنيم.
امروزه نامگذاري داده كاوي بسيار عموميت پيدا كرده است، البته اسامي ديگري نيز براي اين فرآيند پيشنهاد شده كه بعضا بسياري متفاوت با واژه ي داده كاوي است نظير: استخراج دانش از پايگاه داده، آناليز داده/الگو، باستان شناسي داده و لايروبي داده ها. كشف دانش در پايگاه داده فرآيند شناسايي درست، ساده، مفيد و نهايتا الگوها و مدل هاي قابل فهم در داده ها مي باشد. داده كاوي مرحله اي از فرآيند كشف دانش مي باشد و شامل الگوريتم هاي مخصوص داده كاوي است بطوريكه تحت محدوديت هاي مؤثر محاسباتي قابل قبول، الگوها و يا مدل ها را در داده كشف مي كند. به بيان ساده تر، داده كاوي به فرآيند استخراج دانش ناشناخته، درست و بالقوه مفيد از داده اطلاق مي شود. تعريف ديگر اينست كه داده كاوي گونه اي از تكنيكها براي شناسايي اطلاعات و يا دانش تصميم گيري از قطعات داده مي باشد به نحوي كه با استخراج آنها در حوزه هاي تصميم گيري، پيش بيني، پيشگويي و تخمين مورد استفاده قرار مي گيرد. داده ها اغلب حجيم اما بدون ارزش مي باشند، داده به تنهايي قابل استفاده نيست بلكه دانش نهفته در داده ها قابل استفاده مي باشد. به اين دليل اغلب به داده كاوي، تحليل داده اي ثانويه گفته مي شود.
فرمت : zipحجم : 2.12مگابایتشماره ثبت : 806

ادامه مطلب
برچسب ها : ,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,
| لینک ثابت | نسخه قابل چاپ | امتیاز :
rss نوشته شده در تاریخ 1393/3/2 و در ساعت : 00:48 - نویسنده : dlfreejozve
آخرین مطالب نوشته شده
  • ذکر روز سه شنبه: یا ارحم الراحمین
  • طرح مدیریت کلید کارا برای شبکه‌ های حسگر بیسیم ذخیره‎ ساز داده‎ گرا
  • مدلی پیشرفته برای پیش بینی کارآمد حجم کار در ابر
  • آموزش قالب صحیفه نسخه 5.5.1
  • آموزش AHPبه صورت مرحله ای
  • مقاله تفاوت شبکه های حسگر بیسیم و موردی
  • بررسی شبکه های تعریف شده با نرم افزار (SDN)
  • مدل های پیش بینی تجربی برای تامین تطبیقی منابع در ابر
  • آموزش تصویریی اجرای شبکه عصبی وفازی در نرم افزار متلب
  • تکامل بازیابی ، به صورت مفهومی
  • مقاله ی تفاوت شبکه های حسگر بیسیم و موردی
  • آموزش اجرای شبکه عصبی و فازی در نرم افزار متلب
  • ترجمه مقاله پیشرفت های اخیر در زمینه خوشه بندی اسناد
  • ترجمه مقاله تحلیل تاثیر تکنیک های استخراج داده بر پایگاه داده ها
  • ترجمه مقاله مدیریت اطلاعات مالی برای دانشگاه ها با استفاده از نرم افزار open-sou
  • ترجمه مقاله بررسی تکنیکهای Document Clustering و مقایسه LDA و moVMF
  • گزارش کاراموزی رشته کامپیوتر پیرامون شبکه
  • ترجمه مقاله مقایسه و بررسی روش های خوشه بندی اسناد (داکیومنت)
  • ترجمه مقاله طراحی و پیاده سازی Document clustering توزيع شده بر پايه MapReduce
  • ترجمه مقاله الگوریتم های تکاملی برای بهینه سازی چند موردی
  • Copyright © 2010 by http://dlfreejozve.samenblog.com