ترجمه مقاله روش موازی موثر برای داده کاوی ژنتیکی - فازی

عنوان انگلیسی مقاله: An effective parallel approach for genetic-fuzzy data mining

عنوان فارسی مقاله: روش موازی اثربخش برای داده کاوی ژنتیکی - فازی

دسته: فناوری اطلاعات IT - داده کاوی

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

تعداد صفحات فایل ترجمه شده: 23

جهت دانلود رایگان نسخه انگلیسی این مقاله اینجا کلیک نمایید

ترجمه سلیس و روان مقاله آماده خرید می باشد.

_______________________________________

چکیده

مهم ترین کاربرد داده کاوی در تلاش هایی است که برای استنتاج قواعد وابستگی از داده های تراکنشی صورت می گیرد. در گذشته، از مفاهیم منطق فازی و الگوریتم های ژنتیکی برای کشف قواعد وابستگی فازی سودمند و توابع عضویت مناسب از مقادیر کمی استفاده می کردیم. با وجود این، ارزیابی مقادیر برازش نسبتاً زمان بر بود. به دلیل افزایش های شگرف در قدرت محاسباتی قابل دسترسی و کاهش همزمان در هزینه های محاسباتی در طول یک دهه گذشته، یادگیری یا داده کاوی با به کارگیری تکنیک های پردازشی موازی به عنوان روشی امکان پذیر برای غلبه بر مسئله یادگیری کند شناخته شده است. بنابراین، در این مقاله الگوریتم داده کاوی موازی فازی – ژنتیکی را بر اساس معماری ارباب - برده  ارائه کرده ایم تا قواعد وابستگی و توابع عضویت را از تراکنش های کمی استخراج کنیم. پردازنده master مانند الگوریتم ژنتیک از جمعیت یگانه ای استفاده می کند، و وظایف ارزیابی برازش را بین پردازنده های slave توزیع می کند. اجرای الگوریتم پیشنهاد شده  در معماری ارباب – برده بسیار طبیعی و کارآمد است. پیچیدگی های زمانی برای الگوریتم های 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 نسل ها زیاد باشد، افزایش سرعت الگوریتم ممکن است نسبتاً خطی باشد. نتایج تجربی تیز این نکته را تأیید می کنند. 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.

 

ترجمه مقاله استخراج قوانین وابستگی برای بهبود کیفیت فرایند تولید

عنوان انگلیسی مقاله: Mining association rules for the quality improvement of the production process

عنوان فارسی مقاله: استخراج قوانین وابستگی برای بهبود کیفیت فرایند تولید.

دسته: مدیریت - اقتصاد

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

تعداد صفحات فایل ترجمه شده: 25

جهت دانلود رایگان نسخه انگلیسی این مقاله اینجا کلیک نمایید

ترجمه سلیس و روان مقاله آماده خرید می باشد.

_______________________________________

چکیده

افراد تحصیل کرده و شاغل معمولاً علاقه دارند توسعه روش ها و برنامه های کامپیوتری را که با کارهای مهندسی و دانش سر و کار دارند دنبال کنند. مدیریت اشتباه عملیات و زمان های تولید از دست رفته، مشکلات و مسائل بزرگی هستند که بهره وری و کیفیت سیستم های صنعتی و هزینه تولید را تحت تأثیر قرار می دهد. استخراج قوانین وابستگی، یک تکنیک داده کاوی است که برای پیدا کردن اطلاعات مفید و ارزشمند از پایگاه های داده بزرگ استفاده می شود. این مقاله، پایه مفهومی بهتری را برای توسعه برنامه های استخراج قوانین وابستگی ارائه می دهد تا دانش را از عملیات و مدیریت اطلاعات به راحتی استخراج کند. تأکید این مقاله روی بهبود فرایندهای عملیاتی است. یک مثال کاربردی، تجربه صنعتی که استخراج قوانین وابستگی در آن برای تحلیل فرایند تولید استفاده می شود را شرح می دهد. این مقاله برخی نتایج جدید و جالب در رابطه با تکنیک های داده کاوی و کشف دانش که روی فرایند تولید نقش دارد را گزارش می دهد. نتایج تجربی روی داده هایی که در زندگی واقعی نقش دارند نشان می دهد که روش پیشنهادی برای یافتن دانش مرتبط با عملیات نادرست مفید واقع می شود.  

پایان نامه کاربرد داده کاوی در تجارت الکترونیک

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

جهت مشاهده فهرست این پایان نامه اینجا کلیک نمایید

________________________________________________________

مقدمه

از هنگامی که رایانه در تحلیل و ذخیره سازی داده ها بکار 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. 

ترجمه مقاله استفاده از داده کاوی برای کارمند گزینی و بهبود سرمایه انسانی

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 - اقتصاد

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

تعداد صفحات فایل ترجمه شده: 18

جهت دانلود رایگان نسخه انگلیسی این مقاله اینجا کلیک نمایید

ترجمه سلیس و روان مقاله آماده خرید می باشد.

_______________________________________

چکیده

کیفیت سرمایه انسانی برای شرکت های مدرن برای دستیابی به عرصه اقتصادی 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. 

پایان نامه داده کاوی در بانکداری الکترونیکی

فرمت فایل: WORD (قابل ویرایش )

چکیده :

امروزه دادها قلب تپنده فرایند تجاری بیشتر شرکت ها تلقی می شوند،آن ها فارغ از خرد و کلان بودن نوع صنعت در تمامی صنایع نظیر ارتباطات ، تولید ،بیمه ،کارت اعتباری و بانکداری از طریق تعاملات در سیستم های عملیاتی شکل می گیرند.لذا نیازی به ابزاری است که بتوان داده های ذخیره شده را پردازش کرده و اطلاعات حاصل از آن را در اختیار کاربران قرار دهد.در این راستا سازمان های بسیاری در حال استفاده از داده کاوی برای کمک به مدیریت تمام فازهای ارتباط با مشتری هستند.این سازمان ها می تواند با برسی ویژگی ها و علت استفاده برخی از مشتریان از کالا ها و یا خدمات خود یا برسی علل عدم استقبال برخی از مشتریان از برخی کالاها نقاط قوت و ضعف خود را بیابند و در راستای بهبود کیفیت گام بردارند.امروزه به دلیل وجود بانکداری الکترنیکی ثبت اطلاعات تراکنشی راحت تر صورت می گیرد و همین امر موجب شده است روش های کمی جایگزین روش های کیفی شود.در این تحقیق به منظور شناسایی مشتریان بانک و تدوین استراتژی مناسب برای برخورد با آنها از داده کاوی و ابزار استفاده می شود. وهمچنین تقلبهای صورتهای مالی به شکل چشمگیری توجه عموم جامعه ،رسانه ها،سرماگذاران را به خود جلب کرده است و موسسات مالی و پولی به شدت به دنبال تسریع و سرعت عمل در شناخت فعالیت کلاهبرداران و متقلبان می باشند.لذا بکارگیری تکنیکهای شناسایی تقلب به منظور جلوگیری از اقدامات متقلبانه درسیستم های بانکداری الکتزونیک لازم است،عموما روش های شناسایی تقلب به دو دسته اصلی تشخیص ناهنجاری و تشخیص سوء استفاده تقسیم می شوند.در روش تشخیص ناهنجاری ،تاریخچه رفتار مشتری به عنوان یک ناهنجاری یا تقلب ثبت شود.روش سوء استفاده بر رفتارهای خاص مشتری تمرکز دارد و دقیقا رفتارهای شناخته شده را تقلب فرض می کند.در این تحقیق علاوه بر مقایسه روش های فوق و تشریح چگونگی عملکرد سازوکارهای مبتنی بر آن ،انواع تکنیکهای تشخیص تقلب در بانکداری الکترونیک ارائه و روشهای داده کاوی مورد استفاده در کشف تقلب مزایا و معایب هریک به تفصیل شرح داده خواهد شد.

فهرست مطالب :

• فصل اول: مقدمه

• مقدمه

• تعریف مسائله و بیان سوال های اصلی تحقیق

• سابقه و ضرورت انجام تحقیق

• هدف

• کاربرد

• فصل دوم : مفاهیم واصطلاحات

• مقدمه

• تاریخچه ی داده کاوی

• تعریف داده کاوی

• روش های داده کاوی

• خوشه بندی

• روش تقسیم بندی

• روش سلسه مراتبی

• روش مبتنی بر چگالی

• کشف قواعد وابستگی

• طبقه بندی

• مراحل داده کاوی

• اندازه گیری نتایج

• آمار و داده کاوی

• بانکداری الکترونیک

• تاریخچه بانکداری الکترونیک در ایران

• سیستم های بانکداری الکترونیکی

• شاخه های بانکداری الکترونیک برحسب نیازهای بازار بانکداری الکترونیک

• مزایای بانکداری الکترونیک

• پول الکترونیکی

• انواع پول الکترونیکی

• پول الکترونیکی شناسایی شده

• پول الکترونیکی غیرقابل شناسایی (بی‌نام و نشان)

• نتیجه گیری

• فصل سوم : مدیریت ارتباط با مشتری در صنعت بانکداری الکترونیکی

• مقدمه

• مدیریت ارتباط با مشتری CRM

• ارتباط

• هرم ارزش مسشتری

• خوشه بندی مشتریان بانک ملت با استفاده از داده کاوی

• استخراج داده های مربوط به شاخص ها

• بررسی وضعیت داده و آماده سازی آن

• برسی عدم همبستگی فیلدها با استفاده از آنالیز واریانس

• تقسیم بندی مشتریان در گروه به صورت غیر فازی

• تقسیم بندی مشتریان به 5 گروه به صورت فازی

• تحلیل خوشه ها

• استخراج قواعد

• ایجاد نرم افزار های داده کاوی برای مدیریت روابط مشتری

• تقسیم بندی مشتری

• پیش بینی رویگردانی

• پیشنهادات

• نتیجه گیری

• فصل چهارم : روش ها و راهکارهای شناسایی تقلب در بانکداری الکترونیک

• مقدمه

• تقلب

• شناسایی تقلب

• انواع تقلب در بستر بانکداری الکترونیک

• تشخیص سو استفاده

• تشخیص ناهنجاری

• تکنیک تشخیص تقلب

• سیستم خبره

• برون هشته ای

• شبکه عصبی

• استدلال بر پایه مدل

  رویکرد میتنی بر قواعد

• تجزیه و تحلیل حالت گذار

• تکنیک ها

• داده کاوی

• وظایف داده کاوی

• طبقه بندی

• خوشه بندی

• پیش بینی

• کشف نقاط پرت

• رگرسیون

• تصویرسازی

• روشهای داده کاوی در مورد استفاده در تحقیقات کشف تقلبهای مالی

• مدل رگرسیون

• شبکه های عصبی مصنوعی

• شبکه استنباط بیزین

• درختان تصمیم

• یک چارچوب کلی برای الگورتیم های داده کاوی

• راه آینده چالشهای پیش رو

• نتیجه گیری

  منابع و مراجع

  واژه نامه فارسی به انگلیسی

  واژه نامه انگلیسی به فارسی

جهت دانلود محصول اینجا کلیک نمایید

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

تعداد صفحات پایان نامه:  77

فهرست: جهت مشاهده فهرست این پایان نامه اینجا کلیک نمایید

______________________________________________________

مقدمه

در دو دهه قبل توانایی های فنی بشر برای تولید و جمع آوری داده ها به سرعت افزایش یافته است. عواملی نظیراستفاده گسترده از بارکد برای تولیدات تجاری، به خدمت گرفتن کامپیوتر در کسب و کار، علوم، خدمات دولتی و پیشرفت در وسایل جمع آوری داده، از اسکن کردن متون و تصاویر تا سیستم های سنجش از دور ماهواره ای، در این تغیرات نقش مهمی دارند.

بطور کلی استفاده همگانی از وب و اینترنت به عنوان یک سیستم اطلاع رسانی جهانی، ما را مواجه با حجم زیادی از داده و اطلاعات می کند. این رشد انفجاری در داده های ذخیره شده، نیاز مبرم وجود تکنولوژی های جدید و ابزارهای خودکاری را ایجاد کرده که به صورت هوشمند به انسان یاری می رسانند تا این حجم زیاد داده را به اطلاعات و دانش تبدیل کند. داده کاوی بعنوان یک راه حل برای این مسائل مطرح می باشد. در یک تعریف غیر رسمی، داده کاوی فرآیندی است خودکار برای استخراج الگوهایی که دانش را بازنمایی می کنند که این دانش به صورت ضمنی در پایگاه داده های عظیم، انبار داده و دیگر مخازن بزرگ اطلاعات ذخیره شده است. داده کاوی بطور همزمان از چندین رشته علمی بهره می برد. نظیر: تکنولوژی پایگاه داده، هوش مصنوعی، یادگیری ماشین، شبکه های عصبی، آمار، شناسایی الگو، سیستم های مبتنی بر دانش، حصول دانش، بازیابی اطلاعات، محاسبات سرعت بالا و بازنمایی بصری داده. داده کاوی در اواخر دهه 1980 پدیدار گشته، در دهه 1990 گام های بلندی در این شاخه از علم برداشته شده و انتظار می رود در این قرن به رشد و پیشرفت خود ادامه دهد.