روش مناسب براي پيش بيني قيمت طلا توسط تكنيكهاي داده كاوي

روش مناسب براي پيش بيني قيمت طلا توسط تكنيكهاي داده كاوي

دسته: رشته فناوري اطلاعات (IT)
بازديد: 6 بار
فرمت فايل: doc
حجم فايل: 722 كيلوبايت
تعداد صفحات فايل: 58

هدف از اين پژوهش و سمينار ارائه روش مناسب براي پيش بيني قيمت طلا توسط تكنيك‌هاي داده كاوي مي باشد

قيمت فايل فقط 35,000 تومان



دانلود سمينار پايان‌نامه كارشناسي ارشد مهندسي فناوري اطلاعات 

روش مناسب براي پيش بيني قيمت طلا توسط تكنيك‌هاي داده كاوي

چكيده

      در اين تحقيق روش مناسب براي پيش بيني قيمت طلا توسط تكنيك‌هاي داده كاوي معرفي خواهد شد كه در پي افزايش ميزان دقت پيش بيني قيمت طلا  و در نتيجه افزايش سودآوري براي افراد و ساير صرافي ها و طلافروشي ها  است، سپس به منظور ارزيابي روش پيشنهادي، عوامل موثر  پيشين بر پيش بيني قيمت طلا با عوامل موثر بررسي شده در پژوهش  توسط فنون متداول داده كاوي سنجيده خواهد شد.

معرفي روش پيشنهادي

   در اين قسمت،ما ابتدا، عوامل موثر سياسي و اقتصادي واجتماعي و فرهنگي موثر بر پيش بيني قيمت طلا را بررسي ميكنيم كه در پژوهش‌هاي پيشين فقط به پاره اي از عوامل اقتصادي بسنده شده بود وسپس در قسمت بعدي، ضريب همبستگي بين عوامل موثر و قيمت طلا بررسي مي‌شود و در نهايت هر دو مدل پيش بيني قيمت طلا با بررسي عوامل موثر پيشين و عوامل موثر بررسي شده در پژوهش مورد ارزيابي با نرم افزارهاي داده كاوي مورد تجزيه و تحليل قرار گرفته و در صد پيش بيني صحيح و مقدار خطاهاي آنها مورد بررسي قرار گرفته و نتايج با هم مورد مقايسه قرار مي‌گيرند تا بهبود دقت پيش بيني ها با بررسي و افزايش تعداد عوامل موثر مورد بحث قرار گيرد.

واژگان كليدي:

داده كاوي

دقت پيش بيني

سري‌هاي زماني

شبكه‌هاي عصبي

روش‌هاي رگرسيون

عوامل موثربرپيش بيني

مقدمه:

طلا همواره به عنوان رقيبي براي پول‌هاي رايج و جايگزيني براي آن‌ها در ايفاي نقش ذخيره ارزش، موقعيت خود را در بحران‌هاي سياسي و اقتصادي حفظ كرده است. طلا همچنان كالايي امن، براي سرمايه‌گذاري در شرايط نامطمئن اقتصادي است.مارتين هنكه، تحليلگر اقتصادي در اين باره مي‌گويد:" با وجود تمام اين بي ثباتي‌هاي اقتصادي موجود، سرمايه‌گذاران به دليل ترس از دست دادن دارايي‌هاي خود و به منظور رويايي با افزايش تورم، به طلا به عنوان كالايي امن روي آورده‌اند." تداوم سرمايه گذاري در بازار طلا و نقره موجب تداوم روند صعودي قيمت اين فلزات گرانبها در بازارهاي جهاني و ثبت ركوردهاي جديد شده است.قاعدتاً پول رايج هر كشور بايد علاوه بر وظيفه مبادله پرداخت، به عنوان وسيلة ذخيرة ارزش نيز مورد استفاده قرار گيرد. در زمان جنگ، انقلاب و تورم شديد، پول رايج يك كشور نمي‌تواند نقش خود را به عنوان ذخيره ارزش به خوبي ايفا نمايد؛ چرا كه دولتها براي تأمين هزينه‌‌هاي جنگ ناگزير پولهاي بدون پشتوانه توليد چاپ مي كنند.

 افزايش حجم پول در گردش و كاهش توليد و انحراف منابع كشور از توليدات رفاهي به توليدات و تجهيزات جنگي، موجب تورم مي شود و ارزش پول را كاهش مي دهد در اين زمان مردم براي حفظ ارزش دارايي خود به طلا روي مي آورند كه ارزش آن با تورم افزايش مي يابد و به دارنده خود در مقابل تورم منفعت مي رساند؛ بنابراين، طلا از ديرباز، به عنوان پول يا شبه پول، به دليل قدرت نقدشوندگي بالا در سطح جهاني يك دارايي مهم و مقبول بوده است.    قيمت طلا در سطح جهان،با توجه به مقدار عرضه و تقاضا براي آن تعيين مي گردد. توليدكنندگان طلا (معادن)، بانكهاي مركزي و فروشندگان طلاي قراضه از بزرگترين عرضه كنندگان طلا به بازارهاي جهاني هستند؛ همچنين جواهرسازان، صنعتگران، محتكران شمش طلا و سرمايه گذاران از متقاضيان اصلي طلا در بازار به شمار مي‌روند.   اهميت طلا به عنوان يك منبع ثروت و همچنين نقش كنترلي آن در سيستم پولي جهان كه به عنوان نيروي محركه اصلي در اكتشاف، استخراج و توليد طلا مطرح مي‌باشند.اگرچه روابط متقابل پول و طلا بسيار پيچيده است و روابطي كه در قطعي بودن آن اتفاق نظر وجود داشته باشد نادر است، ولي حداقل در اين خصوص كه اين دو به يكديگر مرتبط هستند اتفاق نظر وجود دارد. اين ارتباط در قالب‌هاي مختلفي بيان شده است.گفتارهاي زير همه به نحوي دلالت براين ارتباط اساسي بين پول و طلا دارند:

1- جدا از اينكه يك معدن داراي چه نوع ماده معدني است،معدنكاري آن براي دستيابي به طلاست.

2- قيمت طلا نه فقط از طريق ميزان عرضه و تقاضاي آن تعيين مي‌شود، بلكه از طريق ميزان عرضه و تقاضا براي سرمايه و اعتبار(پول) به منظور رهايي از ركورد اقتصادي نيز كنترل مي‌شود.

3- اگر بخواهيم در اصلاح پايداري قيمت‌ها و اعتماد به پول رايج خاصي موفق باشيم بايد ارتباط آن را با طلا تقويت كنيم.

4-  تحت شرايط ثابت از نرخ مبادلات پولي، حتي با رشد اقتصادي بسيار سريع، موازنه مالي جهان وقتي قابل حصول است كه افزايش كل ذخاير پولي بين المللي منطبق بر افزايش توليد طلا باشد نه منطبق بر افزايش يك نوع ذخيره پولي خاص مانند دلار.

به رغم مشكلات موجود در تخمين حوادث سياسي كوتاه مدت در جهان و اثرات آن در قيمت و توليد طلا در بازار آزاد، مي‌توان طلا را به عنوان يك شاخص حساس نسبت به شرايط ملي و بين‌المللي معين از قبيل تورم و يا جنگ معرفي كرد.

با توجه به تئوري‌‌هاي سنّتي اقتصاد، يكي از ويژگي‌هاي يك رژيم تغيير پذير مثل نظام پولي طلاي كلاسيكي  كه حدود سال 1880 تا وقوع جنگ جهاني اول حاكم بود، وجود مجموعه اي از نيروهاي بازاري خود به خود تنظيم شونده اي است كه باعث ثبات بلند مدت سطح قيمت ها مي‌شوند. سازوكاري كه اين نيروها توسط آن فعاليّت مي‌كنند معمولاً توسط تئوري كلاسيكي كالايي پول توصيف مي‌شود (بوردو  1984). با توجه به تئوري مذكور، تغييرات توليد طلا در نهايت هر حركت تورمي يا ضد تورمي سطح قيمت را خنثي خواهد كرد. به هر حال مسئله اين است كه شوك‌هاي غير منتظره عرضه يا تقاضاي طلا مي‌توانند اثرات كوتاه مدت قابل توجهي بر سطح قيمت و محصول واقعي در مواجهه با انعطاف ناپذيري‌هاي اسمي داشته باشند. 

در يك رژيم بين المللي تغيير پذير، تثبيت ارزش پول رايج كشورها به قيمت ثابت طلا، تكيه گاه اسمي پايداري براي سيستم پولي بين المللي فراهم مي‌كند. گذشته از اين، تبعيت از رژيم بين المللي تغيير پذير به معناي فقدان استقلال پولي و مالي است، چون تحت چنين رژيمي الزام نخست حفظ قابليت تبديل پول‌هاي رايج به فلز قيمتي و نه تثبيت اقتصاد داخلي است (برگمن 1998).  فلز طلا به عنوان يك سرمايه ملي و پشتوانه اقتصادي كشور مطرح مي‌باشد، بنابراين اطلاع رساني در مورد آمار قيمت، توليد، ذخيره و... اين فلز گران‌بها در ايران در مقايسه با ديگر كشورها، براي برنامه‌ريزي بهتر در جهت استخراج و استفاده از آن مفيد و حتي ضروري مي‌باشد.

فهرست مطالب          

ارائه روش پيشنهادي

4-1-مقدمه

4-2- معرفي روش پيشنهادي

4-3- ارزيابي روش پيشنهادي

4-4- انتخاب نرم افزار

4-5-مشخصه‌هاي  جمع اوري شده در پژوهش

4-6-جدول مربوط به مشخصه‌هاي جمع آوري شده در پژوهش‌هاي پيشين 

4-7-ضريب همبستگي

4-8-داده‌هاي دور افتاده

4-9-تكنيك‌هاي مورد استفاده

4-10-پيش بيني با استفاده از شبكه‌هاي عصبي

4-10-1-پيش بيني با استفاده از شبكه‌هاي عصبي متد MLP

4-10-2-پيش بيني با استفاده روش شبكه‌هاي عصبي مدل RBF

4-11پيش بيني با استفاده از روش رگرسيون

4-11-1- پيش بيني با استفاده از روش رگرسيون،روش ورود متغير  Enter

4-11-2-پيش بيني با روش رگرسيون با استفاده از روش ورود متغير Stepwise

4-12-پيش بيني با استفاده از روش سري‌هاي زماني   ARIMA

4-12-1-محاسبات مربوط به ساختن مدل ARIMA با بررسي عوامل عنوان شده در  پژوهش

4-12-2-محاسبات مربوط به ساختن مدل ARIMA با بررسي عوامل پيشين

4-2- مقايسه نتايج

4-13-خلاصه فصل

فهرست منابع فارسي

فهرست منابع انگليسي

فهرست مطالب

جدول 4-1-مشخصه‌هاي جمع آوري شده در مدل 53

جدول4-2- مشخصه‌هاي جمع آوري شده در پژوهش‌هاي پيشين 55

جدول 4-3-مشخصه‌هاي جمع آوري شده به صورت روزانه در مدل 55

جدول 4-4-مشخصه‌هاي جمع آوري شده به صورت ماهيانه در مدل 55

جدول 4-5-مشخصه‌هاي جمع آوري شده به صورت ساليانه در مدل 56

جدول 4-6-ضرايب همبستگي مربوط به عوامل بررسي شده در مدل 57

جدول 4-7-دقت پيش بيني با استفاده از شبكه عصبي متد MLP 62

جدول4-8-مقادير خطاي به دست آمده با استفاده از شبكه عصبي مدل MLP با بررسي عوامل عنوان شده در پژوهش 63

جدول 4-9- مقادير خطاي به دست آمده با استفاده از شبكه عصبي مدل MLP با بررسي عوامل پيشين 63

جدول 4-10-دقت پيش بيني با روش شبكه‌هاي عصبي مدل RBF 67

جدول4-11-مقادير خطاي به دست آمده با استفاده از شبكه عصبي مدل RBF با بررسي عوامل عنوان شده در پژوهش 67

جدول4-13-مقادير خطاي به دست آمده با استفاده از روش رگرسيون  مدل Enter با بررسي عوامل عنوان شده در پژوهش 71

جدول4-14-مقادير خطاي به دست آمده با استفاده از روش رگرسيون  مدل Enter با بررسي عوامل پيشين 71

جدول 4-15-مقادير خطاي به دست آمده با استفاده از روش رگرسيون متد Stepwise با بررسي عوامل عنوان شده در پژوهش 73

جدول 4-16- مقادير خطاي به دست آمده با استفاده از روش رگرسيون متد Stepwise   با بررسي عوامل پيشين 74

جدول 4-17- مقادير خطاي به دست آمده با استفاده از روش سري زماني مدل اريما  با بررسي عوامل عنوان شده در پژوهش 76

جدول 4-18- پارامترهاي مدل اريما با بررسي عوامل بررسي شده در پژوهش 76

جدول 4-19- مقادير خطاي به دست آمده با استفاده از روش سري زماني مدل اريما  با بررسي عوامل پيشين 78

جدول 4-20- پارامترهاي مدل اريما با بررسي عوامل پيشين 78

جدول 4-21-جدول مقايسه نتايج تكنيك‌هاي داده كاوي با بررسي عوامل عنوان شده در پژوهش 79

جدول 4-22-جدول مقايسه نتايج تكنيك‌هاي داده كاوي با بررسي عوامل پيشين 79

جدول 4-23-جدول مربوط به بهبود دقت پيش بيني نسبت به عوامل بررسي شده پيشين 79

فهرست مطالب

شكل 4-1- صفحه اول نرم افزار كلمنتاين نسخه 12 52

شكل 4-2-شماي كلي از نرم افزار Minitab 16 در پيدا كردن داده‌هاي دور افتاده 60

شكل 4-3- اولويت بندي فيلدهاي منتخب توسط الگوريتم شبكه عصبي MLP 63

شكل 4-4-نماي پرسپترون سه لايه با اتصالاتش 65

شكل4-5- سطح تابع انتقال گوسين در هر واحد شبكه RBF 66

شكل 4-6- اولويت بندي فيلدهاي منتخب توسط الگوريتم شبكه عصبي متد RBF 68

شكل 4-7-نماي RBF  سه لايه با اتصالاتش 69

شكل 4-8- اولويت بندي فيلدهاي منتخب توسط روش رگرسيون با  استفاده از روش ورود متغير  enter 70

شكل 4-9-معادله رگرسيون به دست آمده براي پيش بيني قيمت طلا با متد Enter 71

شكل 4-10-اولويت بندي فيلدهاي منتخب توسط روش رگرسيون با  استفاده از روش ورود متغير  Stepwise 72

شكل 4-11-معادله رگرسيون به دست آمده براي پيش بيني قيمت طلا با متد Stepwise 73

شكل 4-12-نمودارتابع خودهمبستگي تفاضل گيري شده با بررسي عوامل عنوان شده در پژوهش 75

شكل 4-13-نمودارتابع خودهمبستگي جزئي تفاضل گيري شده با بررسي عوامل عنوان شده در پژوهش 75

شكل 4-14-نمودارتابع خودهمبستگي تفاضل گيري شده با بررسي عوامل پيشين 77

شكل4-15-نمودارتابع خودهمبستگي جزيي تفاضل گيري شده با بررسي عوامل پيشين 77

قيمت فايل فقط 35,000 تومان



برچسب ها : روش مناسب براي پيش بيني قيمت طلا توسط تكنيكهاي داده كاوي , عوامل موثر بر قيمت طلا , عوامل موثر بر قيمت طلا در ايران , پيش بيني قيمت طلا با داده كاوي , ارائه مدل پيش بيني قيمت طلا با داده كاوي , استفاده از داده كاوي در پيش بيني قيمت طلا , دانلود سمينار ارشدداده كاوي , دانلود سمينار داده كاوي , سمينار پيش بيني قيمت طلا با داده كاوي , سمينار ارائه مدل پيش بيني قيمت طلا با داده كاوي

پروپوزال تشخيص نفوذ با تكنيكهاي داده كاوي

پروپوزال تشخيص نفوذ با تكنيكهاي داده كاوي

دسته: رشته فناوري اطلاعات (IT)
بازديد: 6 بار
فرمت فايل: doc
حجم فايل: 349 كيلوبايت
تعداد صفحات فايل: 51

هدف از اين پروپوزال بررسي و تشخيص نفوذ با تكنيكهاي داده كاوي مي باشد

قيمت فايل فقط 21,000 تومان



دانلود پروپوزال پايان‌نامه كارشناسي ارشد مهندسي فناوري اطلاعات

تشخيص نفوذ با تكنيكهاي داده كاوي

چكيده

با رشد فناوري اطلاعات، امنيت شبكه به عنوان يكي از مباحث مهم و چالش بسيار بزرگ مطرح است. سيستم هاي تشخيص نفوذ، مولفه اصلي يك شبكه امن است. سيستم هاي تشخيص نفوذ سنتي نمي توانند خود را با حملات جديد تطبيق دهند از اين رو  امروزه سيستم هاي تشخيص نفوذ مبتني بر داده كاوي مطرح گرديده اند. مشخص نمودن الگوهاي در حجم زياد داده، كمك بسيار بزرگي به ما مي كند. روش هاي داده كاوي با مشخص نمودن يك برچسب دودويي (بسته نرمال، بسته غير نرمال) و همچنين مشخص نمودن ويژگي ها و خصيصه با الگوريتم هاي دسته بندي مي توانند داده غير نرمال تشخيص دهند. از همين رو دقت و درستي سيستم هاي تشخيص نفوذ  افزايش يافته و در نتيجه امنيت شبكه بالا مي رود.

 در اين پايان نامه ما مدلي پيشنهادي ارائه مي نماييم كه الگوريتم هاي مختلف دسته بندي  را روي مجموعه داده خود تست نموده و نتايج  شبيه سازي نشان مي دهد در درخت تصميم  الگوريتم J48 ، شبكه عصبي الگوريتم Neural net ، شبكه بيزين  الگوريتم HNB ، مدل كاهل الگوريتم K-STAR، در ماشين بردار پشتيبان الگوريتم LibSVM و در مدل قانون محور الگوريتمRule Induction Single Attribute  داراي بهترين جواب از نظر پارامترهاي مختلف ارزيابي براي سيستم تشخيص نفوذ است. بين تمامي الگوريتم ها با اين مجموعه داده، الگوريتم J48 داراي بالاترين مقدار درستي به ميزان  85.49%،  داراي بالاترين ميزان دقت به مقدار 86.57% و داراي بالاترين مقدار يادآوري به مقدار 86.57% مي باشد. نوآوري اصلي در پايان نامه، استفاده از الگوريتم هاي مدل كاهل و مدل قانون محور است كه تاكنون براي سيستم هاي تشخيص نفوذ استفاده نشده است. و همچنين پيشنهاد 5 نمونه داده كه از داده اوليه استخراج شده كه براي مدل-هاي مختلف و الگوريتم ها بهترين جواب را مي دهد. 

كلمات كليدي:

داده كاوي

كشف تقلب

يادگيري بانظارت

تشخيص نفوذ و حملات

مقدمه

از آنجايي كه از نظر تكنيكي  ايجاد سيستم هاي كامپيوتري بدون نقاط ضعف و شكست امنيتي عملا غير ممكن است. تشخيص نفوذ در سيستم-هاي كامپيوتري با اهميت خاصي دنبال مي شود. سيستم هاي تشخيص نفوذ سخت افزار  يا نرم افزاري است كه كار نظارت بر شبكه  كامپيوتري را در مورد فعاليت هاي مخرب و يا نقص سياست هاي مديريتي و امنيتي را انجام مي-دهد و گزارش هاي حاصله را به بخش مديريت شبكه ارائه مي دهد‎[1]. سيستم هاي تشخيص نفوذ وظيف شناسايي و تشخيص هر گونه استفاده غير مجاز به سيستم، سوء استفاده و يا آسيب رساني توسط هر دودسته كاربران داخلي و خارجي را بر عهده دارند.

 هدف اين سيستم ها جلوگيري از حمله نيست و تنها كشف و احتمالا شناسايي حملات و تشخيص اشكالات امنيتي در سيستم يا شبكه كامپيوتري و اعلام آن به مدير سيستم است. عموما سيستم هاي تشخيص نفوذ  در كنار ديوارهاي آتش  و بصورت مكمل امنيتي براي آن ها مورد استفاده قرار مي گيرد. سيستم هاي تشخيص نفوذ ستني نمي توانند خود را با حملات جديد تطبيق دهند  از اين رو  امروزه سيستم هاي تشخيص نفوذ مبتني بر داده كاوي مطرح گرديده اند‎[1]. مشخص نمودن الگوهاي در حجم زياد داده، كمك بسيار بزرگي به ما مي-كند. روش هاي داده كاوي با مشخص نمودن يك برچسب دودويي (بسته نرمال، بسته غير نرمال) و همچنين مشخص نمودن ويژگي ها و خصيصه با الگوريتم هاي دسته بندي مي توانند داده غير نرمال تشخيص دهند. از همين رو دقت و درستي سيستم هاي تشخيص نفوذ  افزايش يافته و در نتيجه امنيت شبكه بالا مي رود‎[1].

در اين پايان نامه سعي شده است با استفاده از روش هاي مبتني بر داده كاوي سيتم هاي تشخيص نفوذ پيشنهاد كنيم كه از اين روش ها براي شناسايي و كشف حملات استفاده مي كنند. در اين روش ما تمامي الگوريتم هاي موجود را شبيه سازي نموده و در خاتمه بهترين الگوريتم را پيشنهاد مي نماييم. نوآوري اصلي در اين پايان نامه، استفاده از الگوريتم هاي مدل كاهل و مدل قانون محور در داده كاوي است كه تاكنون براي سيستم-هاي تشخيص نفوذ استفاده نشده است. همچنين استفاده از تمام الگوريتم-هاي موجود در روش هاي دسته بندي است كه در نرم افزار WEKA و Rapidminer موجود است[67]. پيشنهاد 5 نمونه داده كه از داده اوليه استخراج شده و براي مدل هاي مختلف و الگوريتم ها بهترين جواب را مي دهد از نوآوري اين پايان نامه است. استخراج 5 نمونه داده وقت بسيار زيادي به خود اختصاص داده وهمه الگوريتم هاي مختلف موجود در مدل هاي دسته بندي با مجموعه داده هاي مختلف شبيه سازي و اجرا شدند كه در نهايت 5 نمونه داده اوليه پيشنهاد نموده ايم.

فهرست مطالب

فصل اول 1

1-1 مقدمه 2

1-2 بيان مسئله 3

1-3 اهميت و ضرورت تحقيق 4

1-4 اهداف تحقيق 5

1-5 تعاريف و اختصار 6

1-6 ساختار پاياننامه 9

3-1 روش تحقيق

3-2 داده هاي آموزشي و تست:

3-2-1 ويژگي هاي داده ها

3-2-2 ويژگيهاي اساسي مجموعه دادهها:

فهرست منابع

فهرست جداول

جدول‏3 1 :ويژگي هاي اساسي استخراج شده ازارتباطTCP 74

جدول‏3 2 :ويژگي هاي استخراجي ازارتباطTCP 74

جدول‏3 3: ويژگيهاي استخراج شده ازپنجره 76

فهرست اشكال و نمودارها

شكل‏3 1: معماري پيشنهاد داده شده براي تشخيص نفوذ باروش مبتني برداده كاوي 72

شكل‏3 2: مدلسازي الگوريتم شبكه عصبي با نرم افزارRapidminer 78

شكل‏3 3: مدلسازي الگوريتم مدل بيزين با نرم افزارRapidminer 78

شكل‏3 4: مدلسازي الگوريتم درخت تصميم با نرم افزارRapidminer 79

شكل‏3 5: مدلسازي الگوريتم مدل قانون محوربا نرم افزارRapidminer 79

شكل‏3 6: مدلسازي الگوريتم مدل بردارپشتيبان با نرم افزارRapidminer 80

شكل‏3 7: مدلسازي الگوريتم مدل كاهل بانرم افزارRapidminer 80

شكل‏3 8: نمونه اي ازخروجي نرم افزار Rapidminerباپارامترهاي مختلف ارزيابي 81

قيمت فايل فقط 21,000 تومان



برچسب ها : پروپوزال تشخيص نفوذ با تكنيكهاي داده كاوي , تشخيص نفوذ با داده كاوي , تشخيص نفوذ با تكنيكهاي داده كاوي , سيستم هاي تشخيص نفوذ بر پايه داده كاوي , تشخيص نفوذ در شبكه با استفاده از داده كاوي , تشخيص نفوذ با الگوريتمهاي داده كاوي , پروپوزال سيستم هاي تشخيص نفوذ , پروپوزال تشخيص نفوذ با تكنيكهاي داده كاوي , نمونه پروپوزال داده كاوي

تشخيص نفوذ با تكنيكهاي داده كاوي

تشخيص نفوذ با تكنيكهاي داده كاوي

دسته: رشته فناوري اطلاعات (IT)
بازديد: 7 بار
فرمت فايل: doc
حجم فايل: 1062 كيلوبايت
تعداد صفحات فايل: 205

هدف از اين پايان‌نامه بررسي و تشخيص نفوذ با تكنيكهاي داده كاوي مي باشد

قيمت فايل فقط 145,000 تومان



دانلود پايان‌نامه كارشناسي ارشد مهندسي فناوري اطلاعات

تشخيص نفوذ با تكنيكهاي داده كاوي

چكيده

با رشد فناوري اطلاعات، امنيت شبكه به عنوان يكي از مباحث مهم و چالش بسيار بزرگ مطرح است. سيستم هاي تشخيص نفوذ، مولفه اصلي يك شبكه امن است. سيستم هاي تشخيص نفوذ سنتي نمي توانند خود را با حملات جديد تطبيق دهند از اين رو  امروزه سيستم هاي تشخيص نفوذ مبتني بر داده كاوي مطرح گرديده اند. مشخص نمودن الگوهاي در حجم زياد داده، كمك بسيار بزرگي به ما مي كند. روش هاي داده كاوي با مشخص نمودن يك برچسب دودويي (بسته نرمال، بسته غير نرمال) و همچنين مشخص نمودن ويژگي ها و خصيصه با الگوريتم هاي دسته بندي مي توانند داده غير نرمال تشخيص دهند. از همين رو دقت و درستي سيستم هاي تشخيص نفوذ  افزايش يافته و در نتيجه امنيت شبكه بالا مي رود.

 در اين پايان نامه ما مدلي پيشنهادي ارائه مي نماييم كه الگوريتم هاي مختلف دسته بندي  را روي مجموعه داده خود تست نموده و نتايج  شبيه سازي نشان مي دهد در درخت تصميم  الگوريتم J48 ، شبكه عصبي الگوريتم Neural net ، شبكه بيزين  الگوريتم HNB ، مدل كاهل الگوريتم K-STAR، در ماشين بردار پشتيبان الگوريتم LibSVM و در مدل قانون محور الگوريتمRule Induction Single Attribute  داراي بهترين جواب از نظر پارامترهاي مختلف ارزيابي براي سيستم تشخيص نفوذ است. بين تمامي الگوريتم ها با اين مجموعه داده، الگوريتم J48 داراي بالاترين مقدار درستي به ميزان  85.49%،  داراي بالاترين ميزان دقت به مقدار 86.57% و داراي بالاترين مقدار يادآوري به مقدار 86.57% مي باشد. نوآوري اصلي در پايان نامه، استفاده از الگوريتم هاي مدل كاهل و مدل قانون محور است كه تاكنون براي سيستم هاي تشخيص نفوذ استفاده نشده است. و همچنين پيشنهاد 5 نمونه داده كه از داده اوليه استخراج شده كه براي مدل-هاي مختلف و الگوريتم ها بهترين جواب را مي دهد. 

كلمات كليدي:

داده كاوي

كشف تقلب

يادگيري بانظارت

تشخيص نفوذ و حملات

مقدمه

از آنجايي كه از نظر تكنيكي  ايجاد سيستم هاي كامپيوتري بدون نقاط ضعف و شكست امنيتي عملا غير ممكن است. تشخيص نفوذ در سيستم-هاي كامپيوتري با اهميت خاصي دنبال مي شود. سيستم هاي تشخيص نفوذ سخت افزار  يا نرم افزاري است كه كار نظارت بر شبكه  كامپيوتري را در مورد فعاليت هاي مخرب و يا نقص سياست هاي مديريتي و امنيتي را انجام مي-دهد و گزارش هاي حاصله را به بخش مديريت شبكه ارائه مي دهد‎[1]. سيستم هاي تشخيص نفوذ وظيف شناسايي و تشخيص هر گونه استفاده غير مجاز به سيستم، سوء استفاده و يا آسيب رساني توسط هر دودسته كاربران داخلي و خارجي را بر عهده دارند.

 هدف اين سيستم ها جلوگيري از حمله نيست و تنها كشف و احتمالا شناسايي حملات و تشخيص اشكالات امنيتي در سيستم يا شبكه كامپيوتري و اعلام آن به مدير سيستم است. عموما سيستم هاي تشخيص نفوذ  در كنار ديوارهاي آتش  و بصورت مكمل امنيتي براي آن ها مورد استفاده قرار مي گيرد. سيستم هاي تشخيص نفوذ ستني نمي توانند خود را با حملات جديد تطبيق دهند  از اين رو  امروزه سيستم هاي تشخيص نفوذ مبتني بر داده كاوي مطرح گرديده اند‎[1]. مشخص نمودن الگوهاي در حجم زياد داده، كمك بسيار بزرگي به ما مي-كند. روش هاي داده كاوي با مشخص نمودن يك برچسب دودويي (بسته نرمال، بسته غير نرمال) و همچنين مشخص نمودن ويژگي ها و خصيصه با الگوريتم هاي دسته بندي مي توانند داده غير نرمال تشخيص دهند. از همين رو دقت و درستي سيستم هاي تشخيص نفوذ  افزايش يافته و در نتيجه امنيت شبكه بالا مي رود‎[1].

در اين پايان نامه سعي شده است با استفاده از روش هاي مبتني بر داده كاوي سيتم هاي تشخيص نفوذ پيشنهاد كنيم كه از اين روش ها براي شناسايي و كشف حملات استفاده مي كنند. در اين روش ما تمامي الگوريتم هاي موجود را شبيه سازي نموده و در خاتمه بهترين الگوريتم را پيشنهاد مي نماييم. نوآوري اصلي در اين پايان نامه، استفاده از الگوريتم هاي مدل كاهل و مدل قانون محور در داده كاوي است كه تاكنون براي سيستم-هاي تشخيص نفوذ استفاده نشده است. همچنين استفاده از تمام الگوريتم-هاي موجود در روش هاي دسته بندي است كه در نرم افزار WEKA و Rapidminer موجود است[67]. پيشنهاد 5 نمونه داده كه از داده اوليه استخراج شده و براي مدل هاي مختلف و الگوريتم ها بهترين جواب را مي دهد از نوآوري اين پايان نامه است. استخراج 5 نمونه داده وقت بسيار زيادي به خود اختصاص داده وهمه الگوريتم هاي مختلف موجود در مدل هاي دسته بندي با مجموعه داده هاي مختلف شبيه سازي و اجرا شدند كه در نهايت 5 نمونه داده اوليه پيشنهاد نموده ايم.

فهرست مطالب

فصل اول 1

1-1 مقدمه 2

1-2 بيان مسئله 3

1-3 اهميت و ضرورت تحقيق 4

1-4 اهداف تحقيق 5

1-5 تعاريف و اختصار 6

1-6 ساختار پاياننامه 9

فصل دوم 10

2-1 داده كاوي 11

2-1-1دسته بندي 11

2-2مدلها و الگوريتمهاي دادهكاوي 13

2-2-1 شبكه هاي عصبي 13

2-2-2درخت تصميم 16

2-2-3 روش طبقه بندي بيزين 19

2-3-2-2 شبكه هاي بيزين 20

2-2-4 مدل قانون محور 22

2-2-5 مدل كاهل 26

2-2-6ماشين بردارپشتيبان 32

2-3 مقدمه اي بر تقلب 36

2-3-1 ساختن مدل براي تقلب 36

2-3-2 اصول كلي تقلب: 36

2-3-3 چگونگي شناسايي تقلب: 37

2-3-4 چگونگي ساخت مدل تقلب: 37

2-4 مقدمه اي بر سيستم تشخيص نفوذ 38

2-4-1 تعاريف اوليه 39

2-4-2 وظايف عمومي يك سيستم تشخيص نفوذ: 39

2-4-3 دلايل استفاده از سيستم هاي تشخيص نفوذ: 40

2-4-4 جمع آوري اطلاعات 41

2-4-5 تشخيص و تحليل: 41

2-4-6 تشخيص سوء استفاده: 41

2-4-7 تشخيص ناهنجاري: 42

2-4-8 مقايسه بين تشخيص سوء استفاده و تشخيص ناهنجاري: 42

2-4-9 پياده سازي سيستمهاي تشخيص نفوذ: 42

2-5 تعاريف برخي مقادير ارزيابي مورد استفاده در سيستم داده كاوي: 44

2-5-1Confusion matrix: 46

2-5-2 درستي 47

2-5-3 ميزان خطا 47

2-5-4 حساسيت، ميزان مثبت واقعي، ياد آوري 47

2-5-5 ويژگي، ميزان منفي واقعي 48

2-5-6 حساسيت: 48

2-5-7دقت 49

2-5-8 معيار F: 49

2-6 پژوهشهاي انجام شده در اين زمينه: 50

2-6-1 پژوهش اول: كشف تقلب در سيستم هاي مالي با استفاده از داده كاوي 51

2-6-2 پژوهش دوم: كشف تقلب در كارت اعتباري با استفاده از شبكه عصبي و بيزين 53

2-6-3پژوهش سوم: شناسايي تقلب بيمه با استفاده از تكنيكهاي داده كاوي 56

2-6-4 پژوهش چهارم: استفاده از الگوريتم ژنتيك براي تشخيص تست نفوذ 62

2-6-5 پژوهش پنجم: شناسايي ترافيك غيرنرمال در شبكه با الگوريتم خوشه بندي 65

فصل سوم

3-1 روش تحقيق 71

3-2 داده هاي آموزشي و تست: 73

3-2-1 ويژگي هاي داده ها 73

3-2-2 ويژگيهاي اساسي مجموعه دادهها: 73

فصل چهارم

4-1 الگوريتمهاي مدل بيزين و ارزيابي آنها 83

4-2 مدل كاهل 92

4-3 شبكه عصبي 99

4-4 مدل قانون محور 108

4-5 درخت تصميم 118

4-6 ماشين بردار پشتيبان 130

فصل پنجم 139

5-1 مقدمه 140

5-2 مزايا 141

5-3 پيشنهادات 141

فهرست منابع 144

پيوستها 148

پيوست الف -مجموعه داده نوع اول: 148

پيوست ب-مجموعه داده نوع دوم 153

پيوست ج-نوع داده مجموعه سوم: 156

پيوست د-مجموعه داده نوع چهارم 161

پيوست ه -مجموعه داده نوع پنجم 190

فهرست جداول

جدول‏2 1: تعريف معيارها 45

جدول‏2 2: ماتريس Confusion 46

جدول‏2 3:معيارهاي مختلف ارزيابي وفرمول آنها‎‎ 50

جدول‏2 4: مقايسه نتيجه بين شبكه عصبي وشبكه بيزين 56

جدول‏2 5: داده براي دسته بندي بيزين‎‎ 59

جدول‏2 6: داده براي دسته بندي بيزين‎‎ 60

جدول‏2 7: ارزيابي درخت تصميم‎‎ 62

جدول‏2 11: ارزيابي با استفاده ازخوشه بندي 69

جدول‏3 1 :ويژگي هاي اساسي استخراج شده ازارتباطTCP 74

جدول‏3 2 :ويژگي هاي استخراجي ازارتباطTCP 74

جدول‏3 3: ويژگيهاي استخراج شده ازپنجره 76

جدول‏4 2: ماتريس Confusion الگوريتم Kernel naive Baysian  83

جدول‏4 1: معيارهاي ارزيابي ونتايج الگوريتم Kernel naive Baysian  84

جدول‏4 4: ماتريس Confusion  الگوريتم Naive Baysian 84

جدول‏4 3: معيارهاي ارزيابي ونتايج الگوريتم Naive Baysian  84

جدول‏4 6: ماتريس Confusion الگوريتم Waode 85

جدول‏4 5: معيارهاي ارزيابي ونتايج الگوريتم Waode 85

جدول‏4 8: ماتريس Confusion الگوريتم Aode 85

جدول‏4 7: معيارهاي ارزيابي و نتايج الگوريتم Aode 86

جدول‏4 10: ماتريسConfusion الگوريتم Aodesr 86

جدول‏4 9: معيارهاي ارزيابي ونتايج الگوريتم Aodesr  86

جدول‏4 12: ماتريسConfusion الگوريتم Bayesenet 87

جدول‏4 11: معيارهاي ارزيابي ونتايج الگوريتم Bayesenet 87

جدول‏4 13: معيارهاي ارزيابي ونتايج الگوريتم HNB 88

جدول‏4 14: ماتريسConfusion الگوريتم HNB  88

جدول‏4 16: ماتريس Confusion الگوريتم Dmnbtext 88

جدول‏4 15: معيارهاي ارزيابي ونتايج الگوريتم Dmnbtext 89

جدول‏4 18: ماتريسConfusion الگوريتم BaysianLogic Regression 89

جدول‏4 17: معيارهاي ارزيابي ونتايج الگوريتم BaysianLogic Regression 89

جدول‏4 20: ماتريسConfusion الگوريتم  IB1 93

جدول‏4 19: معيارهاي ارزيابي و نتايج الگوريتم IB1  93

جدول‏4 21: معيارهاي ارزيابي ونتايج الگوريتم IBK 93

جدول‏4 22: ماتريس Confusion الگوريتم IBK 94

جدول‏4 24: ماتريس Confusion الگوريتم LWL 94

جدول‏4 23: معيارهاي ارزيابي ونتايج الگوريتم LWL 94

جدول‏4 26: ماتريسConfusion الگوريتم KSTAR 95

جدول‏4 25: معيارهاي ارزيابي ونتايج الگوريتم KSTAR 95

جدول‏4 27: معيارهاي ارزيابي ونتايج الگوريتم KNN 95

جدول‏4 28: ماتريس Confusion الگوريتم KNN 96

جدول‏4 29: معيارهاي ارزيابي ونتايج شبكه MLP 101

جدول‏4 30: ماتريس  ConfusionشبكهMLP  101

جدول‏4 32: ماتريس  Confusionشبكه Perceptrons 102

جدول‏4 31: معيارهاي ارزيابي ونتايج شبكه Perceptrons  103

جدول‏4 34: ماتريسConfusion  الگوريتم RBF 104

جدول‏4 33: معيارهاي ارزيابي ونتايج الگوريتم RBF 104

جدول‏4 36:ماتريسConfusion  الگوريتم Neural net 105

جدول‏4 35:معيارهاي ارزيابي ونتايج الگوريتم Neural net 105

جدول‏4 38: ماتريس Confusion الگوريتم Conjuctive rule 108

جدول‏4 37: معيارهاي ارزيابي ونتايج الگوريتم Conjuctive rule 108

جدول‏4 39: معيارهاي ارزيابي ونتايج الگوريتم decision table 109

جدول‏4 40: ماتريسConfusion  الگوريتم decision table 109

جدول‏4 41 :معيارهاي ارزيابي ونتايج الگوريتم DTNB 110

جدول‏4 42: ماتريسConfusion  الگوريتم DTNB 110

جدول‏4 44: ماتريس Confusion الگوريتم JRIP 110

جدول‏4 43: معيارهاي ارزيابي ونتايج الگوريتم JRIP 111

جدول‏4 45: معيارهاي ارزيابي ونتايج الگوريتم ONER 111

جدول‏4 46: ماتريس Confusion الگوريتم ONER 111

جدول‏4 47: معيارهاي ارزيابي ونتايج الگوريتم PRSIM 112

جدول‏4 48: ماتريس Confusion الگوريتم PRSIM 112

جدول‏4 49: معيارهاي ارزيابي ونتايج الگوريتم RIDOR 112

جدول‏4 50: ماتريسConfusion الگوريتم RIDOR 113

جدول‏4 51: معيارهاي ارزيابي ونتايج الگوريتم RULE Induction 113

جدول‏4 52: ماتريسConfusion الگوريتم RULE Induction 113

جدول‏4 53: معيارهاي ارزيابي ونتايج الگوريتم RULE Induction single attribute 114

جدول‏4 54: ماتريسConfusion الگوريتم RULE Induction single attribute 114

جدول‏4 55: معيارهاي ارزيابي ونتايج الگوريتم TREE by rule 114

جدول‏4 56:ماتريس Confusion الگوريتم TREE by rule 115

جدول‏4 57: معيارهاي ارزيابي ونتايج الگوريتم part 115

جدول‏7 58: ماتريسConfusion الگوريتم part 115

جدول‏4 59: معيارهاي ارزيابي ونتايج الگوريتم CHAID 119

جدول‏4 60: ماتريسConfusion الگوريتم CHAID 119

جدول‏4 61: معيارهاي ارزيابي ونتايج الگوريتم DECISION TREE  119

جدول‏4 62: ماتريس Confusion الگوريتم DECISION TREE 120

جدول‏4 63: معيارهاي ارزيابي ونتايج الگوريتم J48 120

جدول‏4 64: ماتريسConfusion الگوريتم J48 120

جدول‏4 65: معيارهاي ارزيابي ونتايج الگوريتم FT 121

جدول‏4 66: ماتريس  Confusion الگوريتم FT  121

جدول‏4 68: ماتريس Confusion الگوريتم ID3 121

جدول‏4 67: معيارهاي ارزيابي ونتايج الگوريتم ID3 122

جدول‏4 69: معيارهاي ارزيابي ونتايج الگوريتم LAD 122

جدول‏4 70: ماتريس Confusion الگوريتم LAD 122

جدول‏4 71: معيارهاي ارزيابي ونتايج الگوريتم ADT 123

جدول‏4 72: ماتريس Confusion الگوريتم ADT 123

جدول‏4 73: معيارهاي ارزيابي ونتايج الگوريتم BF 123

جدول‏4 74: ماتريس Confusion الگوريتم BF 123

جدول‏4 75:معيارهاي ارزيابي ونتايج الگوريتم LMT 124

جدول‏4 76:ماتريسConfusion الگوريتم LMT 124

جدول‏4 77: معيارهاي ارزيابي ونتايج الگوريتم J48graft 124

جدول‏4 78: ماتريس Confusion الگوريتم J48graft 125

جدول‏4 79: معيارهاي ارزيابي ونتايج الگوريتم NB  125

جدول‏4 80:ماتريس Confusion الگوريتم NB 125

جدول‏4 81:معيارهاي ارزيابي ونتايج الگوريتم REEPTREE  126

جدول‏4 82: ماتريس  Confusion الگوريتم REEPTREE 126

جدول‏4 83: معيارهاي ارزيابي ونتايج الگوريتم Simplecart 126 

جدول‏4 84:ماتريس Confusion الگوريتم  Simplecart 127

جدول‏4 85:معيارهاي ارزيابي ونتايج روش Libsvm 130

جدول‏4 86: ماتريسConfusion روش Libsvm 130

جدول‏4 87: معيارهاي ارزيابي ونتايج روش Support vector machine 131

جدول‏4 88: ماتريس   Confusion روش Support vector machine  131

جدول‏4 89: معيارهاي ارزيابي ونتايج روش Support vector machine(linear) 132 

جدول‏4 90: ماتريسConfusion روش Support vector machine(linear) 132 

جدول‏4 91: معيارهاي ارزيابي ونتايج روش Speggeous 132 

جدول‏4 92: ماتريسConfusion روش Speggeous 133  

جدول‏4 93: معيارهاي ارزيابي ونتايج روش W-svm 133 

جدول‏4 94: ماتريس  Confusion روش W-svm 133 

جدول‏4 95: معيارهاي ارزيابي ونتايج روش Fast large 134 

جدول‏4 96: ماتريس  Confusion روش Fast large 134 

فهرست اشكال و نمودارها

شكل‏2 1: معماري يك نمونه سيستم داده كاوي‎‎ 12

شكل‏2 2: Wx,yوزن يال بينXو Yاست. 15

شكل‏2 3: درخت تصميم گيري‎‎‎‎ 17

شكل‏2 4: شبكه بيزين‎‎ 21

شكل‏2 5: شبه كد الگوريتم توالي پوشش 26

شكل‏2 6: شبكه كد الگوريتم IB3 29

شكل‏2 7: شبكه كد مربوطذ به الگوريتمKDD  31

شكل‏2 8: انواع سيستم هاي تشخيص تقلب 38

شكل‏2 9: معماري يك سيستم تشخيص نفوذ 40

شكل‏2 10: چارچوب كلي داده كاوي براي كشف تقلب‎‎ 52

شكل‏2 11: مقايسه خروجي هابااستفاده ازنمودارROC 55

شكل‏2 12: الگوريتم استخراج شده ازدرخت تصميم 61

شكل‏2 13: عملكرد الگوريتم ژنتيك‎ 63

شكل‏2 14: قاعده استخراج شده ازالگورِيتم ژنتيك‎‎ 64

شكل‏2 15: توابع مربوط به الگوريتم ژنتيك ومقداردهي آن ها 64

شكل‏2 16: معماري الگوريتم ژنتيك براي تست نفوذ‎‎ 65

شكل‏2 17: خوشه بندي برايk=2‎‎‎ 67

شكل‏2 18: شناسايي داده غير نرمال‎‎ 68

شكل‏2 19: تركيب دسته بندي وشناسايي غير نرمال 68

شكل‏3 1: معماري پيشنهاد داده شده براي تشخيص نفوذ باروش مبتني برداده كاوي 72

شكل‏3 2: مدلسازي الگوريتم شبكه عصبي با نرم افزارRapidminer 78

شكل‏3 3: مدلسازي الگوريتم مدل بيزين با نرم افزارRapidminer 78

شكل‏3 4: مدلسازي الگوريتم درخت تصميم با نرم افزارRapidminer 79

شكل‏3 5: مدلسازي الگوريتم مدل قانون محوربا نرم افزارRapidminer 79

شكل‏3 6: مدلسازي الگوريتم مدل بردارپشتيبان با نرم افزارRapidminer 80

شكل‏3 7: مدلسازي الگوريتم مدل كاهل بانرم افزارRapidminer 80

شكل‏3 8: نمونه اي ازخروجي نرم افزار Rapidminerباپارامترهاي مختلف ارزيابي 81

شكل‏4 1: نمودار ارزيابي الگوريتم هاي مدل بيزين برحسب پارامتر درستي 90

شكل‏4 2: نمودار ارزيابي الگوريتم هاي مدل بيزين برحسب پارامتر دقت 90

شكل‏4 3: نمودار ارزيابي الگوريتم هاي مدل بيزين بر حسب پارامتر يادآوري 91

شكل‏4 4: نمودار ارزيابي الگوريتم هاي مدل بيزين برحسب پارامتر F 91

شكل‏4 5: نمودار ارزيابي الگوريتم هاي مدل بيزين برحسب پارامترهاي مختلف 92

شكل‏4 6: نمودار ارزيابي الگوريتم هاي مدل كاهل برحسب پارامتر درستي 96

شكل‏4 7: نمودار ارزيابي الگوريتم هاي مدل كاهل برحسب پارامتر دقت 97

شكل‏4 8: نمودار ارزيابي الگوريتم هاي مدل كاهل برحسب پارامتر يادآوري 97

شكل‏4 9: نمودار م ارزيابي الگوريتم هاي مدل كاهل برحسب پارامتر F 98

شكل‏4 10: نمودار مربوط به ارزيابي الگوريتم هاي مدل كاهل برحسب پارامترهاي مختلف 98

شكل‏4 11: نمونه اي ازشبكهMLP 100

شكل‏4 12: عملكرد شبكه پرسپتون 102

شكل‏4 13: نمونه اي ازشبكهRBF 103

شكل‏4 14:نمودار ارزيابي مدل هاي شبكه عصبي برحسب پارامتر درستي 105

شكل‏4 15: نمودار ارزيابي مدل هاي شبكه عصبي برحسب پارامتر دقت 106

شكل‏4 16: نمودار ارزيابي مدل هاي شبكه عصبي برحسب پارامتر يادآوري 106

شكل‏4 17: نمودار ارزيابي مدل هاي شبكه عصبي برحسب پارامتر F 107

شكل‏4 18: نموداره ارزيابي مدل هاي شبكه عصبي برحسب پارامتر مختلف 107

شكل‏4 19:نمودار ارزيابي الگوريتم هاي مدل قانون محور برحسب پارامتر درستي 116

شكل‏4 20: نمودار ارزيابي الگوريتم هاي مدل قانون محور برحسب پارامتر دقت 116

شكل‏4 21: نمودار ارزيابي الگوريتم هاي مدل قانون محور برحسب پارامتر يادآوري 117

شكل‏4 22: نمودار ارزيابي الگوريتم هاي مدل قانون محور برحسب پارامتر F 117

شكل‏4 23: نمودار ارزيابي الگوريتم هاي مدل قانون محور برحسب پارامتر مختلف 118

شكل‏4 24:نمودار ارزيابي الگوريتم هاي مدل درخت برحسب پارامتر درستي 127

شكل‏4 25: نمودار ارزيابي الگوريتم هاي مدل درخت برحسب پارامتر دقت 128

شكل‏4 26: نمودار ارزيابي الگوريتم هاي مدل درخت برحسب پارامتر يادآوري 128

شكل‏4 27: نمودار ارزيابي الگوريتم هاي مدل درخت برحسب پارامتر F 129

شكل‏4 28: نمودار ارزيابي الگوريتم هاي مدل درخت برحسب پارامتر مختلف 129

شكل‏4 29: نمودار ارزيابي روش هاي مختلف ماشين بردارپشتيبان برحسب پارامتر درستي 135

شكل‏4 30: نمودار ارزيابي روش هاي مختلف ماشين بردارپشتيبان برحسب پارامتر يادآوري 135

شكل‏4 31: نمودار ارزيابي روش هاي مختلف ماشين بردارپشتيبان برحسب پارامتر F 136

شكل‏4 32: نمودار ارزيابي روش هاي  مختلف ماشين بردارپشتيبان برحسب پارامتر دقت 136

شكل‏4 33: نمودار ارزيابي روش هاي مختلف ماشين بردارپشتيبان برحسب پارامتر مختلف   137

شكل 4-34: نمودار مربوط به مقايسه بين همه الگوريتم ها بر حسب پارامترهاي مختلف       137

قيمت فايل فقط 145,000 تومان



برچسب ها : تشخيص نفوذ با تكنيكهاي داده كاوي , تشخيص نفوذ با داده كاوي , تشخيص نفوذ با تكنيكهاي داده كاوي , سيستم هاي تشخيص نفوذ بر پايه داده كاوي , تشخيص نفوذ در شبكه با استفاده از داده كاوي , تشخيص نفوذ با الگوريتمهاي داده كاوي , پايان نامه سيستم هاي تشخيص نفوذ , دانلود پايان نامه ارشدداده كاوي , دانلود پايان نامه داده كاوي

پروپوزال پيش بيني تراوش در سد خاكي با مدل شبكه عصبي

پروپوزال پيش بيني تراوش در سد خاكي با مدل شبكه عصبي

دسته: مهندسي عمران
بازديد: 6 بار
فرمت فايل: doc
حجم فايل: 111 كيلوبايت
تعداد صفحات فايل: 29

هدف از اين پروپوزال پيش بيني تراوش در سد خاكي با مدل شبكه عصبي مي باشد

قيمت فايل فقط 18,000 تومان



دانلود پروپوزال پايان نامه كارشناسي ارشد در مهندسي عمران

پيش بيني تراوش در سد خاكي با مدل شبكه عصبي

چكيده

سدها همواره از سازه هاي زير بنايي شمرده مي‌شوند و داراي ارزش حياتي مي باشند. در گذشته ايجاد سد عمدتاً با اهداف تأمين آب آشاميدني و آبياري مزارع كشاورزي بوده ولي امروز به دليل نياز به انرژي برق آبي و اهداف ديگر توسعه بيشتري يافته است. برآورد ميزان ۲۰ ميليارد متر مكعب برداشت از آب‌هاي شيرين جهان خود دليلي بر اهميت سد سازي در دنياي امروز است.  از اين رو، بررسي و جلوگيري از خرابي سدها از اهميت ويژه اي برخوردار است.

 اگرچه در گذشته پديده روگذري، اولين دليل تخريب سدها بوده است اما امروزه با افزايش دوره طراحي سيلاب، عمده ترين مشكلي كه توجه مهندسان را به خود جلب كرده است، مسئله تراوش است. وجود تراوش در سدهاي خاكي غير قابل اجتناب است، اما اگر شرايط مناسبي براي فرسايش خاك وجود داشته باشد، موجب شسته شدن نقاط مستعد گرديده و چنانچه در ابتداي بروز فرسايش اقدامات لازم صورت نگيرد، به تخريب سد منجر مي شود. اصولاً بروز تراوش در سدهاي خاكي امري اجتناب ناپذير است. اما مي بايست تراوش طوري مهار شود تا در مدت 50 الي 100 سال بهره برداري سد، نتواند به پايداري و ايمني سد لطمه اي بزند. با وجود تمام پيشرفت هايي صورت گرفته در علم مهندسي ژئوتكنيك، معضل تراوش تا به امروز اصلي ترين مشكلي است كه در سدها بروز مي كند.

در اين تحقيق تلاش شد با به كارگيري شبكه عصبي مصنوعي به عنوان يكي از قويترين و معروف-ترين روش هاي داده كاوي به پيش بيني تراوش از بدنه سد  خاكي "ستارخان" پرداخته شود. جهت تحقق به اين هدف، از مجموعه داده اي شامل 1684 داده پيزومتري استفاده شد. مجموعه داده به دو بخش آموزش و صحت سنجي با نسبت 80 به 20 تفكيك شدند. به كارگيري پارامترهاي آماري مناسب و كاربردي نشان داد شبكه ارائه شده به خوبي آموزش ديده است و قابليت بالايي در پيش بيني پديده تراوش دارد. بررسي جامع آمار خرابي در سدها، علل مختلف خرابي سدهاي خاكي و شناخت پديده تراوش به عنوان مهمترين علل خرابي سدهاي خاكي از ديگر بخش هاي مهم اين تحقيق مي باشند. 

كلمات كليدي:

تراوش

داده كاوي

آمار سدسازي

سدهاي خاكي

علل خرابي سدها

شبكه عصبي مصنوعي

مقدمه

كشور ايران بروي كمربند خشك كره زمين قرار دارد. متوسط بارندگي در ايران در حدود يك سوم بارندگي جهان و كمتر از يك دوم متوسط بارندگي آسيا مي‌باشد؛ لذا اهميت برنامه ريزي و مديريت استفاده از منابع موجود آب امري حياتي محسوب مي‌شود. از اين رو، شرايط اقليمي كشور و نياز آن به احداث سازه هاي ذخيره آب، احداث سدها را در دستور كار برنامه  ريزان قرار داده است كه به عنوان سازه هاي مهاركننده آب‌هاي سطحي و كنترل سيلاب امكان استفاده بيشتر از آب رودخانه ها را فراهم مي نمايند. مهار سيلاب ها و آب‌هاي جاري به كمك احداث سد از امور زيربنائي در رشد و توسعه هر كشور از جمله ايران به شمار مي آيد.

در گذشته ايجاد سد عمدتاً با اهداف تأمين آب آشاميدني و آبياري مزارع كشاورزي بوده ولي امروز به دليل نياز به انرژي برق آبي و اهداف ديگر توسعه بيشتري يافته است. برآورد ميزان ۲۰ ميليارد متر مكعب برداشت از آب‌هاي شيرين جهان خود دليلي بر اهميت سد سازي در دنياي امروز است. يكي ديگر از اهداف مهم سد سازي بهبود و توسعه شبكه آبياري و كشاورزي زمين هاي پايين دست است. در كشورهايي مانند ايران كه پراكندگي زماني و مكاني بارندگي ها نامناسب است و ريزش هاي جوي در فصولي صورت مي گيرد كه شايد نياز كمتري به آب باشد و يا قسمت اعظم نزولات در برخي مناطق متمركز است، تنها راه چاره و مقابله با اين مسئله احداث سد مي-باشد و اين امر به خصوص در كشورهاي كه متكي به كشاورزي هستند اجتناب ناپذير است. احداث سد، كسب و كار و درآمد ملي به همراه دارد. در زمان حاضر شبكه هاي آبياري وتامين آب كشاورزي در ايران باعث توسعه، بهبود و رونق اقتصادي مناطق شده است. يكي ديگر از اهداف عمده سد سازي استفاده از نيروي الكتريسيته است. 

استفاده از اين منبع كه ارزان ترين نوع انرژي در اغلب كشورهاي دنياست، بسته به نياز و ويژگي هاي ساختماني، اهداف متفاوتي دارد. امروزه احداث سد با هدف توليد برق آبي يك امر متداول بوده و كشورهاي پيشرفته و حتي در حال رشد كمال استفاده را از اين پتانسيل موجود مي برند.

در صورت عدم توجه به شرايط ساختگاهي و ناكافي بودن مطالعات، خطر وقوع خرابي، سد را تهديد مي كند. مطالعه آماري خرابي در سدهاي خراب شده با توجه به وجود شباهاتي در شرايط، امكان ارائه راهكارهاي مناسب در طراحي سدها توسط مهندسين را فراهم مي كند. خرابي در سدها به اشكال مختلفي ديده مي شود، شايع ترين علت شكت سدها خصوصاً در سال هاي اخير فرسايش در اثر تراوش و يا رگاب بوده است. اصولاً بروز تراوش در سدهاي خاكي امري اجتناب ناپذير است. اما مي بايست تراوش طوري مهار شود تا در مدت 50 الي 100 سال بهره برداري سد، نتواند به پايداري و ايمني سد لطمه اي بزند. با وجود تمام پيشرفت هايي صورت گرفته در علم مهندسي ژئوتكنيك، معضل تراوش تا به امروز اصلي ترين مشكلي است كه در سدها بروز مي كند. 

فهرست مطالب

چكيده

فصل اول: كليات 1

1-1- مقدمه 2

1-2- بيان مسئله 3

1-3- اهيمت و ضرورت تحقيق 5

1-4- متغييرهاي تحقيق 8

1-5- متغييرهاي تحقيق 8

1-5-1- هدف اصلي(كلي) تحقيق 8

1-5-2- اهداف فرعي(اختصاصي) 8

1-6- سوال هاي تحقيق 9

1-6-1- سوال اصلي تحقيق: 9

1-6-2- سوال هاي فرعي(ويژه) 9

1-7- فرضيه هاي تحقيق 9

1-8- تعريف واژه ها و اصطلاحات فني و تخصصي ( به صورت مفهومي و عملياتي) 10

1-8-1- تعاريف مفهومي 10

1-8-2- تعاريف عملياتي 11

1-9- محدوديت هاي تحقيق 11

منابع

قيمت فايل فقط 18,000 تومان



برچسب ها : پروپوزال پيش بيني تراوش در سد خاكي با مدل شبكه عصبي , علل خرابي سدهاي خاكي , پيش بيني تراوش از بدنه سد خاكي , پيش بيني تراوش از بدنه سدهاي خاكي با داده كاوي , بكارگيري داده كاوي در پيش بيني تراوش از بدنه سد خاكي , بررسي فشار پيزومتريك در بدنه سد , پروپوزال پيش بيني تراوش از بدنه سد خاكي , نمونه پروپوزال داده كاوي

مباني نظري بكارگيري روشهاي داده كاوي جهت مديريت دانش مشتريان

مباني نظري بكارگيري روشهاي داده كاوي جهت مديريت دانش مشتريان

دسته: رشته فناوري اطلاعات (IT)
بازديد: 6 بار
فرمت فايل: doc
حجم فايل: 711 كيلوبايت
تعداد صفحات فايل: 102

هدف از اين مباني نظري بكارگيري روشهاي داده كاوي جهت مديريت دانش مشتريان بانك مهر اقتصاد مي باشد

قيمت فايل فقط 49,000 تومان



دانلود مباني نظري پايان نامه كارشناسي ارشد در رشته فناوري اطلاعات

بكارگيري روشهاي داده كاوي جهت مديريت دانش مشتريان بانك

چكيده

افزايش روزافزون سطح رقابت در بازار، مديران و تحليل گران سازمان ها را وادار ساخته به دنبال راهكارهايي باشند كه مزيت رقابتي را براي سازمان به ارمغان آورند. بر اساس مطالعات موجود، استفاده از دانش مشتري جهت اتخاذ استراتژي‌هاي لازم براي جلب رضايت مشتري مي تواند سازمان ها را به سمت تحقق اين هدف سوق دهد. از سوي ديگر گسترش بهره گيري از فناوري هاي بروز در زمينه اطلاعات و ارتباطات خصوصاً در بانك ها باعث بر جاي ماندن حجم عظيمي از داده ها گشته كه تحليل و تصميم-گيري بر اساس آن ها با روش هاي معمول گزارش گيري و روش-هاي آماري امكان پذير نمي باشد. داده كاوي ابزار بروز و قدرتمندي است كه در اين پايان نامه جهت تحليل داده ها به جهت استخراج دانش مشتري پيشنهاد مي گردد.

هدف از اين تحقيق با عنوان «مديريت دانش مشتريان بانك مهر اقتصاد با استفاده از تكنيك هاي داده‌كاوي»، بخش‌بندي مشتريان بانك مهر اقتصاد، باهدف كشف ويژگي‌هاي رفتاري مشابه، براي كمك به مديران اين بانك جهت تسهيل اتخاذ استراتژي‌هاي متناسب با هر بخش و در نتيجه حفظ، تقويت و يا توسعه ارتباط با مشتريان و نهايتاً سودآوري براي اين بانك مي  باشد. داده‌هاي خام مورد نياز جهت اين مطالعه از پايگاه داده‌هاي بانك مهر اقتصاد استخراج شده است.

كلمات كليدي :

داده كاوي

كشف دانش

مديريت دانش مشتري

خوشه بندي مشتريان

 مقدمه

در سال هاي اخير دانش  به عنوان منبعي ارزشمند در كنار منابعي چون كار، زمين، سرمايه قرار گرفت و به عنوان موتور توليدكننده درآمد و يك دارايي مهم و راهبُردي براي سازمان شناخته شد. از طرفي به دليل وجود رقابت شديد در بين كسب و كارهاي امروزي از جمله صنعت بانكداري، مشتري و توجه به جايگاه او و ارتباط با او اهميت ويژه اي يافته است. بنابراين مبحث بسيار مهم مديريت دانش مشتري  مطرح گرديد كه امروزه مطالعات بسيار زيادي را به خود اختصاص داده است. مديريت دانش مشتري با استفاده از راهكارهاي مختلف مديريت دانش نظير روش‌هاي داده‌كاوي  زمينه بسيار خوبي را جهت استفاده مفيد از گنجينه گران‌بهاي دانش مشتري فراهم مي آورد.

از سوي ديگر در عصر حاضر بهره گيري از فناوري هاي نوين اطلاعات و ارتباطات در عرصه هاي مختلف كسب وكار به امري گريزناپذير مبدل گشته است. به طور خاص صنعت بانكداري از جمله صنايعي است كه به‌كارگيري فناوري هاي روز دنيا در اين صنعت مي تواند مزيت رقابتي انكارناپذيري را براي آن ايجاد نمايد. بنابراين اين صنعت نيز از بهره گيري از بروزترين فناوري ها مستثنا نبوده و مواردي مانند بانكداري الكترونيك، سيستم‌هاي يكپارچه بانكداري ، دستگاه هاي خودپرداز، كارت هاي اعتباري، پايانه هاي خريد الكترونيك و... از مصاديق اين امر مي باشد.

ورود فناوري هاي جديد به سازمان سبب افزايش چشمگير سرعت توليد اطلاعات و در نتيجه بر جاي ماندن حجم عظيمي از داده‌ها گشته است. از آنجا كه اين داده‌ها اغلب حجيم و وسيع مي-باشند، معمولاً به صورت خام قابل‌استفاده نيستند، بلكه دانش موجود در آن ها بايد استخراج گردد. با اين وجود كه ارزش اين داده‌ها بر كسي پوشيده نيست، حجم بسيار بالاي داده‌هاي ارزشمند موجود، تحليل و بهره گيري از آن ها را به امري چالش‌برانگيز مبدل ساخته است.

 چرا كه تحليل به واسطه روش‌هاي گزارش گيري سنتي در اين مقياس امكان پذير نيست و روش‌هاي آماري موجود نيز از ظرفيت كافي جهت تحليل اين داده‌ها برخوردار نمي باشند. بنابراين بايد به دنبال راهكاري بود كه با غلبه بر اين محدوديت، امكان انجام مطالعاتي جامع تر با نتايج دقيق تر و درصد خطاي پايين تر را ممكن سازد. اين مسئله گواهي بر لزوم به‌كارگيري روش‌هاي نوين تحليل داده‌ها جهت حصول دانش، نظير روش داده‌كاوي خواهد بود.دانش قابل توجهي كه در زمان استفاده از خدمت يا مصرف كالا توسط مشتري، بين مشتري و سازمان تبادل مي شود، به عنوان منبعي مهم براي سازمان شناخته مي شود و كسب و بهره برداري از آن به يك مزيت رقابتي در سازمان ها تبديل شده است.مديريت دانش مشتري دربردارنده فرايندهايي ست كه با شناسايي و اكتساب اطلاعات مشتري و نيز ايجاد و بهره برداري از دانش مشتريان، مربوط است [9]. چنين اطلاعاتي در ماوراي محدوده هاي خارجي سازمان قرار دارند و دانشي كه از آن ها استخراج مي شود موجب ايجاد ارزش براي سازمان و مشتريان آن خواهد شد [32]. در اين تحقيق مسئوليت كشف دانش بر عهده الگوريتم‌هاي داده‌كاوي خواهد بود. در ادامه از اين دانش به عنوان راهنما در مسير اتخاذ استراتژي‌هاي سازمان، بهره گيري مي شود.

فهرست مطالب

فصل دوم 12

2-1- مقدمه 13

2-2- مديريت دانش 14

2-2-1- دانش چيست؟ 15

2-2-2- هرم دانش 15

2-2-3- انواع دانش 16

2-2-3-1- دانش صريح 16

2-2-3-2- دانش ضمني 16

2-2-4- مديريت دانش چيست؟ 17

2-2-5- استراتژي‌هاي مديريت دانش 18

2-2-5-1- استراتژي اجتماعي سازي (تبديل دانش پنهان به پنهان) 19

2-2-5- 2- استراتژي بروني سازي (پنهان به آشكار) 19

2-2-5- 3- استراتژي تركيب سازي (آشكار به آشكار) 20

2-2-5- 4- استراتژي درونيسازي (آشكار به پنهان) 20

2-2-6-معايب عدم بهرهگيري از دانش در سازمان 20

2-2-7- اهداف مديريت دانش 21

2-2-8- مدل هاي مديريت دانش 21

2-3- مديريت دانش مشتري 23

2-3-1- انواع دانش مشتري 24

2-3-2- مدل مديريت دانش مشتري 28

2-4- مديريت ارتباط با مشتري 29

2-4-1- مديريت ارتباط مشتريان در نظام بانكي 32

2-4-2- مديريت ارتباط با مشتري: اهداف، مزايا و چالش‌ها 33

2-5- مقايسه مفاهيم CKM و KM و CRM 34

2-6- تاريخچه‌اي از بانك و بانكداري 37

2-7-  سير تحول فناوري اطلاعات در صنعت بانكداري 38

2-7-1 دوره اول: اتوماسيون پشت باجه 38

2-7-2- دوره دوم: اتوماسيون جلوي باجه 38

2-7-3- دوره سوم: اتصال مشتريان به حساب‌هايشان 38

2-7-4- دوره چهارم: يكپارچه‌سازي سيستم‌ها و مرتبط كردن مشتريان با تمامي عمليات بانكي 39

2-7-5- بانكداري الكترونيك 39

2-8- داده‌كاوي 40

2-8-1- مقايسه روش‌هاي آماري و داده‌كاوي 40

2-8-2- مفهوم داده‌كاوي 42

2-8-3- داده‌كاوي و كشف دانش 44

2-8-4- فرايند داده‌كاوي 45

2-8-5- معرفي روش‌هاي داده‌كاوي 51

2-8-5-1- دسته‌بندي 53

2-8-5-2- درخت تصميم 53

2-8-5-3- شبكه‌هاي عصبي 55

2-8-5-4- پيش بيني 56

2-8-5-5- خوشه‌بندي 56

2-8-5-5- انواع خوشه‌بندي 57

2-8-5-5-2- معيارهاي ارزيابي در خوشه‌بندي 59

2-8-5-6- تحليل انحراف 60

2-8-5-7- قواعد وابستگي (انجمني) 61

2-8-5-8- تحليل توالي 61

2-8-6- نرم‌افزار داده‌كاوي 62

2-8-7- كاربردهاي داده‌كاوي 63

2-8-7-1- داده‌كاوي در صنعت بانكداري 63

2-9- پيشينه تحقيق 65

2-9-1- كاربرد داده‌كاوي در بخش‌بندي و مدل‌سازي رفتاري مشتريان در صنعت بانكداري 66

2-9-2- كاربرد داده‌كاوي در ارزيابي اعتبار مشتريان 68

2-9-3- كاربرد داده‌كاوي در زمينه كشف تقلب 69

2-9-4- كاربرد داده‌كاوي در تحليل روي‌گرداني مشتري 69

2-10- جمع‌بندي مطالب فصل 74

منابع و مآخذ

فهرست جدول‌ها

جدول 2-1 انواع مختلف تبديلات دانش 19

جدول 2-2 مقايسه مفاهيم مديريت دانش، مديريت ارتباط با مشتري و مديريت دانش مشتري 35

جدول 2-3 مقايسه روش‌هاي تحليل آماري و داده‌كاوي 41

جدول 2-4 فعاليت‌هاي مربوط به فازهاي CRISP-DM و خروجي هر فعاليت 50

جدول 2-5 نمونه داده‌هاي مورد نياز در يك مسئله مدل‌سازي به روش دسته‌بندي 54

جدول 2-6 معيارهاي محاسبه شباهت در خوشه‌بندي 59

جدول 2-7 معيارهاي محاسبه فاصله در خوشه‌بندي 60

جدول 2-8 پژوهش‌هاي انجام‌گرفته در زمينه كاربرد داده‌كاوي در صنعت بانكداري 71

فهرست تصاوير و نمودارها

شكل 2-1 سلسله‌مراتب دانش 16

شكل 2-2 دانش صريح فقط بخش كوچكي از دانش را تشكيل مي‌دهد. 17

شكل 2-3 مدل مديريت دانش پروبست و رمهارد 22

شكل 2-4 چارچوب خوشه انگور جهت نوع شناسي دانش مشتري 26

شكل 2-5 مدل مديريت دانش مشتري 28

شكل 2-7 گام‌هاي فرايند توليد دانش از پايگاه داده‌ها 44

شكل 2-8 متدولوژي فرآيند استاندارد ميان صنعتي داده‌كاوي (CRISP-DM) 47

شكل 2-9 دسته‌بندي كلي عملكردهاي داده‌كاوي 52

شكل 2-11 نيروهاي رقابتي پورتر 64

قيمت فايل فقط 49,000 تومان



برچسب ها : مباني نظري بكارگيري روشهاي داده كاوي جهت مديريت دانش مشتريان , داده كاوي در مديريت دانش مشتريان بانك , مديريت دانش مشتريان بانك با داده ‌كاوي , مديريت دانش مشتريان بانك با تكنيكهاي داده‌كاوي , مديريت دانش مشتريان بانك با روشهاي داده‌كاوي , مباني نظري مديريت دانش مشتريان بانك , مباني نظري مديريت دانش مشتريان بانك با داده ‌كاوي , مباني نظري مديريت دانش مشتري , مباني نظري داده كاوي

مباني نظري پيشنهاد چارچوبي براي شخصي سازي تبليغات الكترونيكي با داده كاوي

مباني نظري پيشنهاد چارچوبي براي شخصي سازي تبليغات الكترونيكي با داده كاوي

دسته: رشته فناوري اطلاعات (IT)
بازديد: 9 بار
فرمت فايل: doc
حجم فايل: 100 كيلوبايت
تعداد صفحات فايل: 60

هدف از اين مباني نظري پيشنهاد چارچوبي براي شخصي سازي تبليغات الكترونيكي با داده كاوي مي باشد

قيمت فايل فقط 35,000 تومان



دانلود مباني نظري پايان نامه كارشناسي ارشد رشته فناوري اطلاعات

پيشنهاد چارچوبي براي شخصي سازي تبليغات الكترونيكي با داده كاوي

چكيده :

به دليل بازار رقابتي شديدي كه امروزه در تجارت الكترونيك وجود دارد شركت هاي تجاري در تلاش هستند تا شرايط مديريت ارتباط با مشتري را هرچه بيشتر بهبود بخشند تا بتوانند مشتريان فعلي را حفظ و ديگر مشتريان را هم جذب كنند.به همين خاطر است كه شركت هايي كه كالاهاي خود را بصورت اينترنتي به فروش مي رسانند به دنبال اين هستند تا تبليغات كالاهايشان بر اساس ترجيحات فردي مشتريان باشد، يعني تبليغات را براي هر مشتري شخصي سازي كنند.

براي شخصي سازي تبليغات شركت ها بايد اطلاعاتي در مورد رفتار خريد پيشين مشتريانشان كسب كنند و بعد از آن اين اطلاعات را تجزيه و تحليل كنند تا بتوانند رفتار خريد آتي مشتريان را پيش بيني كنند. تكنيك داده كاوي ابزاري است كه مي تواند به شركت ها كمك كند تا بتوانند اطلاعات رفتار خريدهاي پيشين مشتري را تجزيه و تحليل كرده و قوانيني را استنتاج كنند كه براي پيش بيني رفتار خريد آتي مشتري مفيد باشند و بر طبق آن بتوانند راهبردهاي شخصي سازي تبليغات براي مشتريان را برپا كنند.

ما در تحقيق خود از داده هاي جمع آوري شده از مشتري، كه رفتار خريدهاي پيشين مشتري هستند، استفاده كرده و با بكارگيري روش تاخر، تناوب و مالي ارزش مشتريان را براي شركت مشخص كرديم.سپس براي خوشه بندي مشتريان بر اساس ارزش آنها، بصورت موازي از الگوريتم خوشه بندي K-Means و K-Harmonic Means استفاده كرديم سپس از الگوريتم استقرايي كه يكي از الگوريتم هاي كشف قوانين وابستگي است استفاده كرديم و تكنيك قوانين وابستگي را بر روي داده هاي مربوط به هر يك از خوشه هايي كه توسط K-Means مشخص شده اند بكار گرفتيم. با استفاده از قوانين بدست آمده از هر خوشه راهبردهاي شخصي سازي تبليغات براي هر خوشه از مشتريان را مشخص كرديم. براي هر مشتري علاوه بر قوانين مربوط به خوشه اصلي كه به آن تعلق دارد از قوانين خوشه هاي ديگري كه درجه تعلق مناسبي نسبت به آنها دارد نيز براي تعيين راهبردهاي شخصي سازي تبليغات استفاده كرديم تا بدين ترتيب تعداد تبليغات پيشنهادي كه مطابق با علايق مشتري است را بيشتر كنيم.

كلمات كليدي:

تكنيك هاي داده كاوي

ارائه تبليغ اينترنتي به مشتري

خوشه بندي مشتريان بر اساس ارزش آنها

مقدمه:

پيشرفت فناوري هاي اطلاعات و ارتباطات، حجم وسيعي از اطلاعات و داده هاي مفيد را در دسترس قرار داده است.با توجه به رشد روز افزون بازار خريد اينترنتي و رقابت شديد بين شركت ها و سايت هاي فروش اينترنتي، استفاده بهينه از اطلاعات بازار و مشتري اهميت ويژه اي پيدا كرده است.ايده ها و راه حل هاي گوناگوني براي استفاده از اطلاعات بدست آمده از بازار و مشتريان جهت جذب مشتري و مهمتر از آن جهت نگهداري مشتريان فعلي پديد مي آيند كه يكي از اين ايده ها، استفاده از اطلاعات مشتري براي بدست آوردن و پيش بيني كردن علايق آن است.فرايندهاي زيادي را مي توان براي بدست آوردن علايق مشتريان متصور شد، اما يكي از اين فرايندها كه امروزه با استقبال زيادي از سوي شركت هاي تجاري و صاحبان سايت هاي فروش اينترنتي مواجه شده است، استفاده از تكنيك هاي داده كاوي1 مي باشد.با استفاده از تكنيك خوشه بندي2 و تكنيك قوانين انجمني3 كه از تكنيك هاي داده كاوي به شمار مي آيند و بر روي داده هاي مربوط به رفتار خريد پيشين مشتري اعمال مي شوند، مي توان اطلاعات مفيدي جهت پيش بيني رفتار خريد آتي مشتري كسب نمود.شركت ها از اين اطلاعات استفاده مي كنند تا بتوانند كالاهاي مورد علاقه مشتريان را در مكان و زمان مناسب به آنها پيشنهاد دهند و بدين ترتيب در جهت سياست نگهداري و حفظ مشتريان گام بردارند.

فهرست مطالب:

فصل دوم: پيشينه  و مفاهيم تحقيق

2-1: مباني نظري................................................................................................... 10  

2-1-1: مديريت ارتباط با مشتري................................................................ 10

2-1-1-1: تعريف مديريت ارتباط با مشتري ................................................... 10

2-1-1-2: تبليغات اينترنتي ..................................................................... 13

2-1-2: داده كاوي ................................................................................................ 15

2-1-2-1: تعريف داده كاوي ................................................................................. 15

2-1-2-2: خوشه بندي ........................................................................................ 18

2-1-2-3: قوانين وابستگي ................................................................................. 25

2-1-3: شيوه تاخر، تناوب و مالي ......................................................................... 31

2-2: پيشينه تحقيقاتي ...................................................................................... 33

منابع ................................................................................................................ 131

فهرست جدول ها:

جدول 2-1 : مثال تراكنش هاي خريد ........................................................................................... 26

جدول 2-2 : مثال معياردهي RFM ............................................................................................... 33

قيمت فايل فقط 35,000 تومان



برچسب ها : مباني نظري پيشنهاد چارچوبي براي شخصي سازي تبليغات الكترونيكي با داده كاوي , شخصي سازي تبليغات الكترونيكي , شخصي سازي تبليغات شركتها , شخصي سازي تبليغات اينترنتي با تكنيك داده كاوي , مدلي براي شخصي سازي تبليغات الكترونيكي با تكنيك داده كاوي , بكارگيري روشهاي داده كاوي در شخصي سازي تبليغات الكترونيكي , مباني نظري شخصي سازي تبليغات الكترونيكي , مباني نظري شخصي سازي تبليغات الكترونيكي با داده كاوي , مباني نظري داده كاوي

مقاله تعريف و بررسي بزهكاري و عوامل موثر بر بزهكاري

مقاله تعريف و بررسي بزهكاري و عوامل موثر بر بزهكاري

دسته: فقه،حقوق،الهيات
بازديد: 6 بار
فرمت فايل: doc
حجم فايل: 47 كيلوبايت
تعداد صفحات فايل: 17

در اين مقاله به بررسي بزهكاري پرداخته شده است كه ازلحاظ حقوق جرم‌شناسي مورد بررسي قرار خواهد گرفت

قيمت فايل فقط 10,000 تومان



مقاله كارشناسي ارشد رشته حقوق جزا و جرم شناسي

تعريف و بررسي بزهكاري و عوامل موثر بر بزهكاري

چكيده
در اين پژوهش به بررسي بزهكاري پرداخته شده است كه ازلحاظ حقوق جرم‌شناسي مورد بررسي قرار خواهد گرفت

كلمات كليدي

بزهكاري

جرم شناسي

عوامل بزهكاري

فهرست مطالب
چكيده

گفتار اول: تعريف بزهكاري

بند اول: تعريف حقوقي بزهكار

بند دوم: تعريف جرم‌شناسي بزهكاري

گفتار دوم: عوامل بزهكاري

بند اول: عوامل فردي بزهكاري

بند دوم: عوامل اجتماعي بزهكاري

منابع و مآخذ

قيمت فايل فقط 10,000 تومان



برچسب ها : مقاله تعريف و بررسي بزهكاري و عوامل موثر بر بزهكاري , بزهكاري , جرم شناسي , عوامل بزهكاري , تعريف بزهكاري , بزهكاري جوانان , مقاله تعريف و بررسي بزهكاري و عوامل موثر بر بزهكاري

پروپوزال شبيه سازي فشار پيزومتريك در بدنه سد با شبكه ANN

پروپوزال شبيه سازي فشار پيزومتريك در بدنه سد با شبكه ANN

دسته: مهندسي عمران
بازديد: 9 بار
فرمت فايل: doc
حجم فايل: 111 كيلوبايت
تعداد صفحات فايل: 29

هدف از اين پروپوزال شبيه سازي فشار پيزومتريك در بدنه سد با شبكه ANN مي باشد

قيمت فايل فقط 18,000 تومان



دانلود پروپوزال پايان نامه كارشناسي ارشد در مهندسي عمران

شبيه سازي فشار پيزومتريك در بدنه سد با شبكه ANN

چكيده

سدها همواره از سازه هاي زير بنايي شمرده مي‌شوند و داراي ارزش حياتي مي باشند. در گذشته ايجاد سد عمدتاً با اهداف تأمين آب آشاميدني و آبياري مزارع كشاورزي بوده ولي امروز به دليل نياز به انرژي برق آبي و اهداف ديگر توسعه بيشتري يافته است. برآورد ميزان ۲۰ ميليارد متر مكعب برداشت از آب‌هاي شيرين جهان خود دليلي بر اهميت سد سازي در دنياي امروز است.  از اين رو، بررسي و جلوگيري از خرابي سدها از اهميت ويژه اي برخوردار است.

 اگرچه در گذشته پديده روگذري، اولين دليل تخريب سدها بوده است اما امروزه با افزايش دوره طراحي سيلاب، عمده ترين مشكلي كه توجه مهندسان را به خود جلب كرده است، مسئله تراوش است. وجود تراوش در سدهاي خاكي غير قابل اجتناب است، اما اگر شرايط مناسبي براي فرسايش خاك وجود داشته باشد، موجب شسته شدن نقاط مستعد گرديده و چنانچه در ابتداي بروز فرسايش اقدامات لازم صورت نگيرد، به تخريب سد منجر مي شود. اصولاً بروز تراوش در سدهاي خاكي امري اجتناب ناپذير است. اما مي بايست تراوش طوري مهار شود تا در مدت 50 الي 100 سال بهره برداري سد، نتواند به پايداري و ايمني سد لطمه اي بزند. با وجود تمام پيشرفت هايي صورت گرفته در علم مهندسي ژئوتكنيك، معضل تراوش تا به امروز اصلي ترين مشكلي است كه در سدها بروز مي كند.

در اين تحقيق تلاش شد با به كارگيري شبكه عصبي مصنوعي به عنوان يكي از قويترين و معروف-ترين روش هاي داده كاوي به پيش بيني تراوش از بدنه سد  خاكي "ستارخان" پرداخته شود. جهت تحقق به اين هدف، از مجموعه داده اي شامل 1684 داده پيزومتري استفاده شد. مجموعه داده به دو بخش آموزش و صحت سنجي با نسبت 80 به 20 تفكيك شدند. به كارگيري پارامترهاي آماري مناسب و كاربردي نشان داد شبكه ارائه شده به خوبي آموزش ديده است و قابليت بالايي در پيش بيني پديده تراوش دارد. بررسي جامع آمار خرابي در سدها، علل مختلف خرابي سدهاي خاكي و شناخت پديده تراوش به عنوان مهمترين علل خرابي سدهاي خاكي از ديگر بخش هاي مهم اين تحقيق مي باشند. 

كلمات كليدي:

تراوش

داده كاوي

آمار سدسازي

سدهاي خاكي

علل خرابي سدها

شبكه عصبي مصنوعي

مقدمه

كشور ايران بروي كمربند خشك كره زمين قرار دارد. متوسط بارندگي در ايران در حدود يك سوم بارندگي جهان و كمتر از يك دوم متوسط بارندگي آسيا مي‌باشد؛ لذا اهميت برنامه ريزي و مديريت استفاده از منابع موجود آب امري حياتي محسوب مي‌شود. از اين رو، شرايط اقليمي كشور و نياز آن به احداث سازه هاي ذخيره آب، احداث سدها را در دستور كار برنامه  ريزان قرار داده است كه به عنوان سازه هاي مهاركننده آب‌هاي سطحي و كنترل سيلاب امكان استفاده بيشتر از آب رودخانه ها را فراهم مي نمايند. مهار سيلاب ها و آب‌هاي جاري به كمك احداث سد از امور زيربنائي در رشد و توسعه هر كشور از جمله ايران به شمار مي آيد.

در گذشته ايجاد سد عمدتاً با اهداف تأمين آب آشاميدني و آبياري مزارع كشاورزي بوده ولي امروز به دليل نياز به انرژي برق آبي و اهداف ديگر توسعه بيشتري يافته است. برآورد ميزان ۲۰ ميليارد متر مكعب برداشت از آب‌هاي شيرين جهان خود دليلي بر اهميت سد سازي در دنياي امروز است. يكي ديگر از اهداف مهم سد سازي بهبود و توسعه شبكه آبياري و كشاورزي زمين هاي پايين دست است. در كشورهايي مانند ايران كه پراكندگي زماني و مكاني بارندگي ها نامناسب است و ريزش هاي جوي در فصولي صورت مي گيرد كه شايد نياز كمتري به آب باشد و يا قسمت اعظم نزولات در برخي مناطق متمركز است، تنها راه چاره و مقابله با اين مسئله احداث سد مي-باشد و اين امر به خصوص در كشورهاي كه متكي به كشاورزي هستند اجتناب ناپذير است. احداث سد، كسب و كار و درآمد ملي به همراه دارد. در زمان حاضر شبكه هاي آبياري وتامين آب كشاورزي در ايران باعث توسعه، بهبود و رونق اقتصادي مناطق شده است. يكي ديگر از اهداف عمده سد سازي استفاده از نيروي الكتريسيته است. 

استفاده از اين منبع كه ارزان ترين نوع انرژي در اغلب كشورهاي دنياست، بسته به نياز و ويژگي هاي ساختماني، اهداف متفاوتي دارد. امروزه احداث سد با هدف توليد برق آبي يك امر متداول بوده و كشورهاي پيشرفته و حتي در حال رشد كمال استفاده را از اين پتانسيل موجود مي برند.

در صورت عدم توجه به شرايط ساختگاهي و ناكافي بودن مطالعات، خطر وقوع خرابي، سد را تهديد مي كند. مطالعه آماري خرابي در سدهاي خراب شده با توجه به وجود شباهاتي در شرايط، امكان ارائه راهكارهاي مناسب در طراحي سدها توسط مهندسين را فراهم مي كند. خرابي در سدها به اشكال مختلفي ديده مي شود، شايع ترين علت شكت سدها خصوصاً در سال هاي اخير فرسايش در اثر تراوش و يا رگاب بوده است. اصولاً بروز تراوش در سدهاي خاكي امري اجتناب ناپذير است. اما مي بايست تراوش طوري مهار شود تا در مدت 50 الي 100 سال بهره برداري سد، نتواند به پايداري و ايمني سد لطمه اي بزند. با وجود تمام پيشرفت هايي صورت گرفته در علم مهندسي ژئوتكنيك، معضل تراوش تا به امروز اصلي ترين مشكلي است كه در سدها بروز مي كند. 

فهرست مطالب

چكيده

فصل اول: كليات 1

1-1- مقدمه 2

1-2- بيان مسئله 3

1-3- اهيمت و ضرورت تحقيق 5

1-4- متغييرهاي تحقيق 8

1-5- متغييرهاي تحقيق 8

1-5-1- هدف اصلي(كلي) تحقيق 8

1-5-2- اهداف فرعي(اختصاصي) 8

1-6- سوال هاي تحقيق 9

1-6-1- سوال اصلي تحقيق: 9

1-6-2- سوال هاي فرعي(ويژه) 9

1-7- فرضيه هاي تحقيق 9

1-8- تعريف واژه ها و اصطلاحات فني و تخصصي ( به صورت مفهومي و عملياتي) 10

1-8-1- تعاريف مفهومي 10

1-8-2- تعاريف عملياتي 11

1-9- محدوديت هاي تحقيق 11

منابع

قيمت فايل فقط 18,000 تومان



برچسب ها : پروپوزال شبيه سازي فشار پيزومتريك در بدنه سد با شبكه ANN , علل خرابي سدهاي خاكي , پيش بيني تراوش از بدنه سد خاكي , پيش بيني تراوش از بدنه سدهاي خاكي با داده كاوي , بكارگيري داده كاوي در پيش بيني تراوش از بدنه سد خاكي , بررسي فشار پيزومتريك در بدنه سد , پروپوزال پيش بيني تراوش از بدنه سد خاكي , نمونه پروپوزال داده كاوي , پروپوزال شبيه سازي فشار پيزومتريك در بدنه سد

شبيه سازي فشار پيزومتريك در بدنه سد با شبكه ANN

شبيه سازي فشار پيزومتريك در بدنه سد با شبكه ANN

دسته: مهندسي عمران
بازديد: 10 بار
فرمت فايل: doc
حجم فايل: 2927 كيلوبايت
تعداد صفحات فايل: 138

هدف از اين پايان نامه شبيه سازي فشار پيزومتريك در بدنه سد با شبكه ANN مي باشد

قيمت فايل فقط 149,000 تومان



دانلود پروپوزال پايان نامه كارشناسي ارشد در مهندسي عمران

پيش بيني تراوش در سد خاكي با مدل شبكه عصبي

چكيده

سدها همواره از سازه هاي زير بنايي شمرده مي‌شوند و داراي ارزش حياتي مي باشند. در گذشته ايجاد سد عمدتاً با اهداف تأمين آب آشاميدني و آبياري مزارع كشاورزي بوده ولي امروز به دليل نياز به انرژي برق آبي و اهداف ديگر توسعه بيشتري يافته است. برآورد ميزان ۲۰ ميليارد متر مكعب برداشت از آب‌هاي شيرين جهان خود دليلي بر اهميت سد سازي در دنياي امروز است.  از اين رو، بررسي و جلوگيري از خرابي سدها از اهميت ويژه اي برخوردار است.

 اگرچه در گذشته پديده روگذري، اولين دليل تخريب سدها بوده است اما امروزه با افزايش دوره طراحي سيلاب، عمده ترين مشكلي كه توجه مهندسان را به خود جلب كرده است، مسئله تراوش است. وجود تراوش در سدهاي خاكي غير قابل اجتناب است، اما اگر شرايط مناسبي براي فرسايش خاك وجود داشته باشد، موجب شسته شدن نقاط مستعد گرديده و چنانچه در ابتداي بروز فرسايش اقدامات لازم صورت نگيرد، به تخريب سد منجر مي شود. اصولاً بروز تراوش در سدهاي خاكي امري اجتناب ناپذير است. اما مي بايست تراوش طوري مهار شود تا در مدت 50 الي 100 سال بهره برداري سد، نتواند به پايداري و ايمني سد لطمه اي بزند. با وجود تمام پيشرفت هايي صورت گرفته در علم مهندسي ژئوتكنيك، معضل تراوش تا به امروز اصلي ترين مشكلي است كه در سدها بروز مي كند.

در اين تحقيق تلاش شد با به كارگيري شبكه عصبي مصنوعي به عنوان يكي از قويترين و معروف-ترين روش هاي داده كاوي به پيش بيني تراوش از بدنه سد  خاكي "ستارخان" پرداخته شود. جهت تحقق به اين هدف، از مجموعه داده اي شامل 1684 داده پيزومتري استفاده شد. مجموعه داده به دو بخش آموزش و صحت سنجي با نسبت 80 به 20 تفكيك شدند. به كارگيري پارامترهاي آماري مناسب و كاربردي نشان داد شبكه ارائه شده به خوبي آموزش ديده است و قابليت بالايي در پيش بيني پديده تراوش دارد. بررسي جامع آمار خرابي در سدها، علل مختلف خرابي سدهاي خاكي و شناخت پديده تراوش به عنوان مهمترين علل خرابي سدهاي خاكي از ديگر بخش هاي مهم اين تحقيق مي باشند. 

كلمات كليدي:

تراوش

داده كاوي

آمار سدسازي

سدهاي خاكي

علل خرابي سدها

شبكه عصبي مصنوعي

مقدمه

كشور ايران بروي كمربند خشك كره زمين قرار دارد. متوسط بارندگي در ايران در حدود يك سوم بارندگي جهان و كمتر از يك دوم متوسط بارندگي آسيا مي‌باشد؛ لذا اهميت برنامه ريزي و مديريت استفاده از منابع موجود آب امري حياتي محسوب مي‌شود. از اين رو، شرايط اقليمي كشور و نياز آن به احداث سازه هاي ذخيره آب، احداث سدها را در دستور كار برنامه  ريزان قرار داده است كه به عنوان سازه هاي مهاركننده آب‌هاي سطحي و كنترل سيلاب امكان استفاده بيشتر از آب رودخانه ها را فراهم مي نمايند. مهار سيلاب ها و آب‌هاي جاري به كمك احداث سد از امور زيربنائي در رشد و توسعه هر كشور از جمله ايران به شمار مي آيد.

در گذشته ايجاد سد عمدتاً با اهداف تأمين آب آشاميدني و آبياري مزارع كشاورزي بوده ولي امروز به دليل نياز به انرژي برق آبي و اهداف ديگر توسعه بيشتري يافته است. برآورد ميزان ۲۰ ميليارد متر مكعب برداشت از آب‌هاي شيرين جهان خود دليلي بر اهميت سد سازي در دنياي امروز است. يكي ديگر از اهداف مهم سد سازي بهبود و توسعه شبكه آبياري و كشاورزي زمين هاي پايين دست است. در كشورهايي مانند ايران كه پراكندگي زماني و مكاني بارندگي ها نامناسب است و ريزش هاي جوي در فصولي صورت مي گيرد كه شايد نياز كمتري به آب باشد و يا قسمت اعظم نزولات در برخي مناطق متمركز است، تنها راه چاره و مقابله با اين مسئله احداث سد مي-باشد و اين امر به خصوص در كشورهاي كه متكي به كشاورزي هستند اجتناب ناپذير است. احداث سد، كسب و كار و درآمد ملي به همراه دارد. در زمان حاضر شبكه هاي آبياري وتامين آب كشاورزي در ايران باعث توسعه، بهبود و رونق اقتصادي مناطق شده است. يكي ديگر از اهداف عمده سد سازي استفاده از نيروي الكتريسيته است. 

استفاده از اين منبع كه ارزان ترين نوع انرژي در اغلب كشورهاي دنياست، بسته به نياز و ويژگي هاي ساختماني، اهداف متفاوتي دارد. امروزه احداث سد با هدف توليد برق آبي يك امر متداول بوده و كشورهاي پيشرفته و حتي در حال رشد كمال استفاده را از اين پتانسيل موجود مي برند.

در صورت عدم توجه به شرايط ساختگاهي و ناكافي بودن مطالعات، خطر وقوع خرابي، سد را تهديد مي كند. مطالعه آماري خرابي در سدهاي خراب شده با توجه به وجود شباهاتي در شرايط، امكان ارائه راهكارهاي مناسب در طراحي سدها توسط مهندسين را فراهم مي كند. خرابي در سدها به اشكال مختلفي ديده مي شود، شايع ترين علت شكت سدها خصوصاً در سال هاي اخير فرسايش در اثر تراوش و يا رگاب بوده است. اصولاً بروز تراوش در سدهاي خاكي امري اجتناب ناپذير است. اما مي بايست تراوش طوري مهار شود تا در مدت 50 الي 100 سال بهره برداري سد، نتواند به پايداري و ايمني سد لطمه اي بزند. با وجود تمام پيشرفت هايي صورت گرفته در علم مهندسي ژئوتكنيك، معضل تراوش تا به امروز اصلي ترين مشكلي است كه در سدها بروز مي كند. 

فهرست مطالب

چكيده

فصل اول: كليات 1

1-1- مقدمه 2

1-2- بيان مسئله 3

1-3- اهيمت و ضرورت تحقيق 5

1-4- متغييرهاي تحقيق 8

1-5- متغييرهاي تحقيق 8

1-5-1- هدف اصلي(كلي) تحقيق 8

1-5-2- اهداف فرعي(اختصاصي) 8

1-6- سوال هاي تحقيق 9

1-6-1- سوال اصلي تحقيق: 9

1-6-2- سوال هاي فرعي(ويژه) 9

1-7- فرضيه هاي تحقيق 9

1-8- تعريف واژه ها و اصطلاحات فني و تخصصي ( به صورت مفهومي و عملياتي) 10

1-8-1- تعاريف مفهومي 10

1-8-2- تعاريف عملياتي 11

1-9- محدوديت هاي تحقيق 11

فصل دوم:مباني نظري و پيشينه تحقيق 12

2-1- تئوري پديده تراوش 13

2-1-1- مقدمه 13

2-1-2- جريان در محيط‌هاي متخلخل 13

2-1-3- تراوش حالت پايدار ايزوتروپيك ناهمگن 17

2-1-4- تراوش حالت پايدار، غير ايزوتروپيك و ناهمگن 18

2-1-5- جريان يك بعدي 19

2-1-6- قانون دارسي در خاك‌هاي غيراشباع 21

2-1-7- ضريب نفوذپذيري خاك‌هاي غيراشباع 23

2-1-8- شرايط مرزي در مسائل آناليز تراوش 26

مرز نفوذپذير 27

2-1-8-1- ورودي‌ها و خروجي‌ها 27

2-1-8-2- سطح تراوش 28

2-1-8-3- خط تراوش 28

2-2- آمار سدسازي در كشورهاي مختلف 28

2-2-1- خرابي سدها 31

2-2-2- آمار خرابي سدها 35

2-2-3- آمار دلايل مختلف خرابي سدها 41

2-2-4- علل افزايش تراوش 46

2-2-5- حجم مجاز و قابل قبول تراوش 48

2-2-6- عواقب سوء تراوش 51

2-3- مظالعات اخير در زمينه تراوش 54

2-3-1- مطالعه اِرسايين(2006( 54

2-3-2- مطالعه مي آ او و همكاران(2012) 56

2-3-3- مطالعه نوراني و همكاران(2012) 56

2-3-4- مطالعه پوركريمي و همكاران(2013) 57

2-3-5- مطالعه كمان به دست و دلواري(2013) 58

فصل 3: روش تحقيق 60

3-1- شبكه‌هاي عصبي مصنوعي 61

3-1-1- مقدمه 61

3-1-2- مدل رياضي شبكه‌هاي عصبي 64

3-1-2-1- نرون 64

3-1-2-2- لايه‌هاي چند نروني 67

3-1-3- شبكه‌هاي چند لايه 67

3-1-3-1- توابع محرك (تابع تبديل) 69

3-1-4- آموزش شبكه و تنظيم پارامترها 72

3-2- سيستم استنتاج عصبي- فازي تطبيق پذير (ANFIS) 73

3-2-1- تاريخچه منطق فازي 74

3-2-2- انواع سامانه‌هاي فازي 76

3-2-3- ساختار سامانه‌هاي فازي 77

3-2-4- سامانه عصبي- فازي‌ 80

3-3- معرفي سد ستارخان و بررسي داده هاي ابزار دقيق آن 82

3-3-1- مقدمه 82

3-3-2- موقعيت پروژه 83

3-3-3- مشخصات كلي پروژه 84

3-3-4- مصالح مورد استفاده در بدنه سد 85

3-3-4-1- مصالح مورد استفاده در هسته آب بند 85

3-3-4-2- مصالح مورد استفاده در لايه هاي فيلتر 85

3-3-4-3- مصالح مورد استفاده در لايه هاي زهكش 85

3-3-4-4- مصالح مورد استفاده در پوسته سنگريزه اي 86

3-3-4-5- مصالح مورد استفاده در لايه محافظ شيب هاي سراب و پاياب سد 86

3-3-5- ويژگي هاي زمين شناسي و ژئوتكنيكي ساختگاه سد ستارخان 87

3-3-5-1- زمين شناسي 87

3-3-5-2- ژئوتكنيك ساختگاه سد 88

3-3-5-3- سنگ تكيه گاه ها و زير آبرفت 89

3-3-5-4- آبرفت پي 89

3-4- مطالعات ژئوتكنيك مرحله دوم 90

3-5- آببندي سد توسط پرده هاي آب بند بتن خميري 92

3-6- ابزاربندي 93

3-6-1- پيزومترهاي لوله باز 95

3-6-2- پيزومترهاي تار (سيم) مرتعش 95

3-7- بررسي داده هاي ابزاردقيق در بدنه سد ستارخان 98

فصل 4:نتايج تحقيق 99

4-1- مقدمه 100

4-2- مجموعه داده‌ها 100

4-3- ساختار مدل شبكه عصبي پيشنهادي 102

4-4- ارزيابي و مقايسه عملكرد مدل‌ پيشنهادي 106

4-5- جمع بندي و نتيجه گيري 118

فصل 5:بحث، نتيجه گيري و پيشنهادها 119

5-1- مقدمه 120

5-2- نتايج 120

5-3- پيشنهادها 121

فهرست اشكال

شكل (2-1) عبور جريان در خاك هاي غير اشباع 15

شكل (2-2) تغييرات ضريب نفوذپذيري در يك خاك غير اشباع 18

شكل (2-3) تعادل استاتيكي و شرايط جريان رژيم پايدار در ناحيه با فشارهاي حفرهاي منفي 21

شكل (2-4) بررسي آزمايشگاهي قانون دارسي براي جريان آب در خاك‌هاي غيراشباع 23

شكل (2-5) مراحل غيراشباع شدن خاك بر اثر خروج تدريجي آب و كاهش درجه اشباع به جهت افزايش مكش ماتريك 24

شكل (2-6) اثر مكش ماتريك بر روي درجه اشباع 25

شكل (2-7) تغييرات ضريب نفوذپذيري و درصد رطوبت نسبت به مكش ماتريك 25

شكل (2-8) تغييرات ضريب نفوذپذيري بر حسب درصد رطوبت 26

شكل (2-9) مثال‌هايي از شرايط مرزي 27

شكل (2-10) مقايسه سدهاي خاكي ساخته شده در هفت كشور دنيا(ICOLD, 2008) 29

شكل (2-11) مقايسه سدهاي سنگريزهاي ساخته شده در هفت كشور دنيا(ICOLD, 2008) 30

شكل (2-12) مقايسه سدهاي وزني ساخته شده در هفت كشور دنيا(ICOLD, 2008) 30

شكل (2-13) آمار سدهاي ساخته شده در ايران(ICOLD, 2008) 31

شكل (2-14) تعداد موارد تخريب يا آسيب سدها در كشوهاي مختلف (ICOLD, 2008) 36

شكل (2-15) تعداد موارد تخريب يا آسيب در سدهاي ثبت شده در ICOLD 37

شكل (2-16) درصد موارد تخريب يا آسيب در سدهاي ثبت شده در ICOLD 37

شكل (2-17) توزيع تعداد موارد تخريب يا آسيب نسبت به نوع پي در سدهاي ثبت شده در ICOLD 38

شكل (2-18) توزيع درصد موارد تخريب يا آسيب نسبت به نوع پي در سدهاي ثبت شده در ICOLD 39

شكل (2-19) توزيع تعداد نوع تخريب يا آسيب وارده در سدهاي ثبت شده در ICOLD 40

شكل (2-20) توزيع درصد نوع تخريب يا آسيب وارده در سدهاي ثبت شده در ICOLD 40

شكل (2-21) آمار خرابي در سدها ناشي از علل مختلف توسط ميدل بروك 43

شكل (2-22) آمار خرابي در سدها ناشي از علل مختلف توسط گرونر 43

شكل (2-23) آمار خرابي در سدها ناشي از علل مختلف توسط  تاكاسي 44

شكل (2-24) آمار خرابي در سدها ناشي از علل مختلف توسط باب 44

شكل (2-25) آمار خرابي در سدها ناشي از علل مختلف توسط USCOLD (2008) 45

شكل (2-26) آمار خرابي در سدها ناشي از علل مختلف 45

شكل (3-1) نواحي اصلي يك سلول عصبي بيولوژيك 63

شكل (3-2) شماي يك نرون حسي 63

شكل (3-3) مدل نرون تك ورودي 65

شكل (3-4) مدل نرون با n ورودي را به همراه تابع تبديل آن 66

شكل (3-5) مدل شبكه‌اي با يك لايه‌ي پنهان با S نرون و R ورودي 68

شكل (3-6) مدل شبكه‌اي با سه لايه‌ي پنهان به همراه R ورودي 68

شكل (3-7) نمودار تابع محرك خطي 69

شكل (3-8) نمودار تابع محرك آستانه‌اي دو مقداره حدي 70

شكل (3-9) نمودار تابع محرك زيگموئيد 71

شكل (3-10) نمودار تابع محرك تانژانت هيپربوليكي 71

شكل (3-11) ساختار كلي يك سامانه استنتاج فازي 78

شكل (3-12) تعدادي از نمودارهاي توابع عضويت مجموعه-هاي فازي 79

شكل (3-13) نمايي كلي از سد ستارخان 82

شكل (3-14) نقشه موقعيت سد ستارخان 83

شكل (3-15) نمايي از مرتفع ترين مقطع سد ستارخان 84

شكل (3-16) نماي شماتيك مقطع 170+0 97

شكل (3-17) نماي شماتيك مقطع 320+0 97

شكل (4-1) پراكندگي مقادير فشار پيزومتريك داده هاي آموزش 113

شكل (4-2) پراكندگي مقادير فشار پيزومتريك داده هاي آزمون 114

شكل (4-3) نمودار احتمال تجمعي مقادير α 115

شكل (4-4) نمودار توزيع نرمال مقادير α (a) آموزش  (b) آزمون 116

شكل (4-5) هيستوگرام مقادير α   (a) آموزش   (b) آزمون 117

فهرست جداول

جدول (2-1) حجم تراوش، ميزان خسارات و اقدامات اصلاحي در بعضي از سدها 49

جدول (2-2) توابع فعاليت بكار رفته در مطالعه ارسايين 55

جدول (4-1) پارامترهاي آماري مربوط به داده‌هاي آموزش و آزمون 104

جدول (4-2) وزن هاي ارتباطي مدل ANN 105

جدول (4-3) ثابت‌هاي مدل ANN 105

جدول (4-4) تعريف پارامترهاي آماري 107

جدول (4-5) ارزيابي عملكرد مدل‌هاي پيشنهاد شده توسط پارامترهاي آماري براي دسته هاي مختلف داده‌هاي آموزش 107

جدول (4-6) ارزيابي عملكرد مدل پيشنهادشده توسط پارامترهاي آماري براي داده‌هاي آزمون 118

قيمت فايل فقط 149,000 تومان



برچسب ها : شبيه سازي فشار پيزومتريك در بدنه سد با شبكه ANN , شبيه سازي فشار پيزومتريك در بدنه سد , پيش بيني تراوش از بدنه سد خاكي , پيش بيني تراوش از بدنه سدهاي خاكي با داده كاوي , بكارگيري داده كاوي در پيش بيني تراوش از بدنه سد خاكي , بررسي فشار پيزومتريك در بدنه سد , پيش بيني تراوش از بدنه سد خاكي , دانلود پايان نامه ارشدداده كاوي , دانلود پايان نامه داده كاوي

پيشنهاد چارچوبي جهت تشخيص علل تاثيرگذار و درصد تاثير آنها در سود و زيان بيمه با داده كاوي

پيشنهاد چارچوبي جهت تشخيص علل تاثيرگذار و درصد تاثير آنها در سود و زيان بيمه با داده كاوي

دسته: رشته فناوري اطلاعات (IT)
بازديد: 5 بار
فرمت فايل: doc
حجم فايل: 1305 كيلوبايت
تعداد صفحات فايل: 114

هدف از اين پايان‌نامه پيشنهاد چارچوبي جهت تشخيص علل تاثيرگذار و درصد تاثير آنها در سود و زيان بيمه با داده كاوي در شركت سهامي بيمه ايران مي باشد

قيمت فايل فقط 85,000 تومان



دانلود پايان‌نامه كارشناسي ارشد مهندسي فناوري اطلاعات

پيشنهاد چارچوبي جهت تشخيص علل تاثيرگذار و درصد تاثير آنها در سود و زيان بيمه با داده كاوي

(مطالعه موردي: شركت سهامي بيمه ايران)

چكيده

بررسي اطلاعات بيمه هاي اتومبيل نشان داده عواملي چون نوع استفاده خودرو، داشتن گواهينامه رانندگي، نوع گواهينامه و تطابق يا عدم تطابق آن با وسيله نقليه، مبلغ حق بيمه، ميزان تعهدات بيمه نامه، كيفيت خودروي خودرو سازان، سن راننده، سواد راننده، عدم تطابق حق بيمه با مورد بيمه، تاخيردرتمديد بيمه نامه، در سود و زيان شركت هاي بيمه تاثير داشته اند.

هدف اين پايان نامه شناخت عوامل اثرگذار و ضريب تاثير آنها در سود و زيان بيمه شخص ثالث خودرو شركت هاي بيمه با استفاده از روش داده كاوي و  سپس انتخاب الگوريتمي كه بهترين ميزان دقت پيش بيني براي تشخيص اين عوامل را داشته اند مي باشد.نتيجه حاصل از اين پژوهش نشان مي دهد كه روشهاي داده كاوي با استفاده از الگوريتم هاي دسته بندي با دقت بالاي 91% و الگوريتم هاي درخت تصميم با دقت بالاي 96% و الگوريتم هاي خوشه بندي با ايجاد خوشه هاي قابل قبول  قادر به ارائه مدلي براي تشخيص عوامل اثرگذار و تعيين ميزان اثر آنها در سود و زيان بيمه نامه شخص ثالث خودرو خواهند بود. 

كليدواژگان:

داده كاوي

سود و زيان

بيمه شخص ثالث خودرو

مقدمه 

شركتهاي تجاري و بازرگاني براي ادامه بقا و حفظ بازار همواره بر سود دهي و كاهش ضرر و زيان خود تاكيد دارند از اين رو  روشهاي جذب مشتري و همچنين تكنيكهاي جلوگيري يا كاهش زيان در سرلوحه كاري اين شركتها قرار مي گيرد. از جمله شركتهايي كه بدلايل مختلف در معرض كاهش سود و يا افزايش زيان قرار مي گيرند شركتهاي بيمه اي مي باشند. عواملي همچون بازاريابي، وفاداري مشتريان، نرخ حق بيمه، تبليغات، تقلب، مي تواند باعث جذب يا دفع مشتري گردد كه در سود و زيان تاثير مستقيم و غير مستقيم دارد. پرداخت خسارت نيز به عنوان تعهد شركتهاي بيمه  منجر به كاهش سود و در بعضي موارد موجب زيان يك شركت بيمه مي شود. خسارت مي تواند بدلايل مختلف رخ دهد و يا عملي ديگر به گونه اي خسارت جلوه داده شود كه در واقع اينچنين نيست[Derrig et. al 2006]. 

عواملي از قبيل فرهنگ رانندگي، داشتن گواهينامه رانندگي، نوع گواهينامه و تطابق يا عدم تطابق آن با وسيله نقليه، جاده هاي بين شهري و خيابانهاي داخل شهر كه شهرداري ها و ادارات راه را به چالش مي كشد، تقلب، وضعيت آب و هوا، كيفيت خودروي خودرو سازان، سن راننده، سواد راننده، عدم تطابق حق بيمه با مورد بيمه [Wilson 2003]، روزهاي تعطيل، مسافرتها و بسياري موارد ديگر مي توانند موجب خسارت و در نهايت افزايش زيان يك شركت بيمه اي گردند. بيمه صنعتي سودمند، ضروري و مؤثر در توسعه اقتصادي است. اين صنعت بدليل «افزايش امنيت در عرصه هاي مختلف زندگي و فعاليتهاي اقتصادي»، «افزايش سرمايه گذاري و اشتغال و رشد اقتصادي» و « ارتقاي عدالت اقتصادي  و كاهش فقر ناشي از مخاطرات »، حائز  جايگاه مهمي در پيشرفت و تعالي يك كشور است. 

با وجود نقش مهم بيمه در بسترسازي و تأمين شرايط مساعد اقتصادي، وضعيت كنوني اين صنعت در اقتصاد ملي با وضعيت مطلوب آن فاصله زيادي دارد. عدم آشنايي عمومي و كم بودن تقاضا براي محصولات بيمه اي، دانش فني پايين در عرصه خدمات بيمه اي، عدم تطابق ريسك با حق بيمه، تفاوت فاحش در مقايسه معيارهاي تشخيص ريسك بيمه شخص ثالث با نوع بيمه معادل در كشورهاي توسعه يافته، وجود نارسايي ها در مديريت واحدهاي عرضه بيمه از دلايل عدم توسعه مناسب اين صنعت در كشور است. از آنجا كه بشر در طول تاريخ به كمك علم و تجربه رستگاري ها و توفيقات فراواني  كسب كرده است، نگاه علمي تر به مشكلات اين صنعت و يافتن راه حل در بستر علم مي تواند راه گشا باشد. امروزه بوسيله روشهاي داده كاوي ارتباط بين فاكتورهاي مختلف موثر يا غير موثر در يك موضوع مشخص مي شود و با توجه به اينكه داده كاوي ابزاري مفيد در استخراج دانش از  داده هاي انبوه مي باشد كه ارتباطات نهفته بين آنها را نشان مي دهد، شركتهاي تجاري بازرگاني رو به اين تكنيكها آورده اند. داده كاوي محدود به استفاده از فناوري ها نيست و از هرآنچه كه برايش مفيد واقع شود استفاده خواهد كرد. با اين وجود آمار و كامپيوتر پر استفاده ترين علوم و فناوري هاي مورد استفاده داده كاوي است. 

فهرست مطالب

فصل اول:  كليات

1-1 تعريف داده كاوي 3

1-2 تعريف بيمه 4

1-3 هدف پايان نامه 4

1-4 مراحل انجام تحقيق 4

1-5 ساختار پايان نامه 5

فصل دوم: ادبيات موضوع و تحقيقات پيشين

2-1 داده كاوي و يادگيري ماشين 7

2-2 ابزارها و تكنيك هاي داده كاوي 8

2-3 روشهاي داده كاوي 9

2-3-1 روشهاي توصيف داده ها 10

2-3-2 روشهاي تجزيه و تحليل وابستگي  10

2-3-3 روشهاي دسته بندي و پيشگويي 10

2-3-4 درخت تصميم 11

2-3-5 شبكه عصبي 12

2-3-6 استدلال مبتني بر حافظه 12

2-3-7 ماشين هاي بردار پشتيباني 13

2-3-8 روشهاي خوشه بندي  13

2-3-9 روش K-Means 13

2-3-10 شبكه كوهنن 14

2-3-11 روش  دو گام 14

2-3-12 روشهاي تجزيه و تحليل نويز 14

2-4 دسته هاي نامتعادل]صنيعي آباده 1391[. 15

2-4-1 راهكار مبتني بر معيار 15

2-4-2 راهكار مبتني بر نمونه برداري 15

2-5 پيشينه تحقيق 16

2-6 خلاصه فصل 19

فصل سوم: شرح پژوهش

3-1 انتخاب نرم افزار 21

3-1-1 Rapidminer 21

3-1-2 مقايسه RapidMiner   با ساير نرم افزار هاي مشابه 21

3-2 داده ها 25

3-2-1 انتخاب داده 25

3-2-2 فيلدهاي مجموعه داده صدور 25

3-2-3 كاهش ابعاد 25

3-2-4 فيلدهاي مجموعه داده خسارت 29

3-2-5 پاكسازي داده ها 29

3-2-6 رسيدگي به داده هاي از دست رفته 29

3-2-7 كشف داده دور افتاده 30

3-2-8 انبوهش داده 32

3-2-9 ايجاد ويژگي دسته 32

3-2-10 تبديل داده 32

3-2-11 انتقال داده به محيط داده كاوي 32

3-2-12 انواع داده تعيين شده 33

3-2-13 عمليات انتخاب ويژگيهاي موثرتر 34

3-3 نتايج اعمال الگوريتم PCA و الگوريتم هاي وزن دهي 34

3-4 ويژگي هاي منتخب جهت استفاده در الگوريتمهاي حساس به تعداد ويژگي 36

3-5 معيارهاي ارزيابي الگوريتمهاي دسته بندي 37

3-6 ماتريس درهم ريختگي 37

3-7 معيار AUC 38

3-8 روشهاي ارزيابي الگوريتم هاي دسته بندي 39

3-8-1 روش Holdout 39

3-8-2 روش Random Subsampling 39

3-8-3 روش Cross-Validation 40

3-8-4 روش Bootstrap 40

3-9 الگوريتمهاي دسته بندي 41

3-9-1 الگوريتم KNN 42

3-9-2 الگوريتم Naïve Bayes 42

3-9-3 الگوريتم Neural Network 43

3-9-4 الگوريتم   SVM   خطي 45

3-9-5 الگوريتم   رگرسيون لجستيك 46

3-9-6 الگوريتم  Meta Decision Tree 47

3-9-7 الگوريتم درخت Wj48 49

3-9-8 الگوريتم درخت Random forest 51

3-10 معيارهاي ارزيابي الگوريتم هاي مبتني بر قانون(كشف قوانين انجمني) 54

3-10-1 الگوريتم FPgrowth 55

3-10-2 الگوريتم Weka Apriori 55

3-11 معيارهاي ارزيابي الگوريتمهاي خوشه بندي 55

3-12 الگوريتم هاي خوشه بندي 57

3-12-1 الگوريتم K-Means 57

3-12-2 الگوريتم Kohonen 60

3-12-3 الگوريتم دوگامي 64

فصل چهارم: ارزيابي و نتيجه گيري

4-1 مقايسه نتايج 69

4-2 الگوريتمهاي دسته بندي 69

4-3 الگوريتم هاي دسته بندي درخت تصميم 70

4-4 الگوريتم هاي خوشه بندي 79

4-5 الگوريتم هاي قواعد تلازمي(مبتني بر قانون) 81

4-6 پيشنهادات به شركت هاي بيمه 81

4-7 پيشنهادات جهت ادامه كار 83

منابع و مأخذ

فهرست منابع فارسي 84

فهرست منابع انگليسي 85

فهرست جدول‌ها 

جدول شماره 3-1:  نتايج راي گيري استفاده از نرم افزارهاي داده كاوي 24

جدول شماره 3-2: فيلدهاي اوليه داده هاي صدور 26

جدول شماره 3-3: فيلدهاي نهايي داده هاي صدور 27

 جدول شماره 3-4: فيلدهاي  حذف شده داده هاي صدور و علت حذف آنها 28

جدول 3-5:  فيلدهاي استخراج شده از داده هاي خسارت 28

جدول 3-6: نتايج  نمودار boxplot 31

جدول 3-7: انواع داده استفاده شده 33

جدول 3-8: نتايج حاصل از اجتماع فيلدهاي با بالاترين وزن در الگوريتمهاي مختلف 37

جدول 3-9: ماتريس در هم ريختگي ركوردهاي تخميني(Predicted  Records) 38

جدول 3-10: قوانين استخراج شده توسط الگوريتم Fpgrowth 55

جدول 3-11: قوانين استخراج شده توسط الگوريتم Weka Apriori 55

جدول 3-12: تنظيمات پارامترهاي الگوريتم K-Means 57

اجرا براي 9 خوشه در الگوريتم K-Means 60

جدول 3-13: تنظيمات پارامترهاي الگوريتم Kohonen 64

جدول 3-14: تنظيمات پارامترهاي الگوريتم دوگامي 69

جدول 4-1: مقايسه الگوريتم هاي دسته بند 70

جدول 4-2: مقايسه الگوريتم هاي دسته بند درخت تصميم 70

جدول 4-3: ماتريس آشفتگي قانون شماره 1 71

جدول 4-4: ماتريس آشفتگي قانون شماره 2 72

جدول 4-5: ماتريس آشفتگي قانون شماره 3 الف 72

جدول 4-6: ماتريس آشفتگي قانون شماره 3 ب 72

جدول 4-7: ماتريس آشفتگي قانون شماره 3 ج 73

جدول 4-8: ماتريس آشفتگي قانون شماره 3 د 73

جدول 4-9: ماتريس آشفتگي قانون شماره 3 ه 73

جدول 4-10: ماتريس آشفتگي قانون شماره 3 و 74

جدول 4-11: ماتريس آشفتگي قانون شماره 3 ز 76

جدول 4-12: ماتريس آشفتگي قانون شماره 4 76

جدول 4-13: ماتريس آشفتگي قانون شماره 5 77

جدول 4-14: ماتريس آشفتگي قانون شماره 6 الف 77

جدول 4-15: ماتريس آشفتگي قانون شماره 6 ب 78

جدول 4-16: ماتريس آشفتگي قانون شماره7 78

جدول 4-17: ماتريس آشفتگي قانون شماره8 79

جدول 4-18: مقايسه الگوريتم هاي خوشه بندي 79

جدول 4-19: فيلدهاي حاصل از الگوريتم هاي خوشه بندي 80

جدول 4-20: نتايج الگوريتم هاي FpGrowth, Weka Apriori 81

فهرست شكل‌ها 

شكل شماره3-1: داده از دست رفته فيلد" نوع بيمه " پس از انتقال به محيط داده كاوي 33

شكل 3-2:  نتايج الگوريتمPCA  34

شكل 3-3:  نتايج الگوريتم SVM Weighting در ارزشدهي به ويژگي ها 35

شكل 3-4: نتايج الگوريتم Weighting Deviation  در ارزشدهي به ويژگي ها 35

شكل 3-5: نتايج الگوريتم Weighting Correlation در ارزشدهي به ويژگي ها 36

شكل 3-6:  نماي كلي استفاده از روشهاي ارزيابي 41

شكل 3-7:  نماي كلي استفاده از يك مدل درون يك روش ارزيابي 42

شكل 3-8:  نمودار AUC الگوريتم KNN 42

شكل 3-9:  نمودار AUC الگوريتم Naïve Bayes 43

شكل 3-10:  تبديل ويژگي هاي غير عددي به عدد در الگوريتم شبكه عصبي 44

شكل 3-11:  نمودار AUC و ماتريس آشفتگي الگوريتم Neural Net 44

شكل 3-12:  تبديل ويژگي هاي غير عددي به عدد در الگوريتم  SVM  خطي 45

شكل 3-13 :  نمودار AUC الگوريتم  SVM Linear 46

شكل 3-14 :  نمودار AUC الگوريتم  رگرسيون لجستيك 47

شكل 3-15 : نمودار AUC الگوريتم  Meta Decision Tree 48

شكل 3-16 : قسمتي از نمودارtree الگوريتم  Meta Decision Tree 49

شكل 3-17 :  نمودار radial الگوريتم  Meta Decision Tree 49

شكل 3-18: نمودار AUC الگوريتم  Wj48 50

شكل 3-19 :  نمودار tree الگوريتم  Wj48 51

شكل 3-20 :  نمودار AUC الگوريتم  Random forest 52

شكل 3-21 :  نمودار توليد 20 درخت در الگوريتم  Random Forest 53

شكل 3-22 :  يك نمونه درخت توليد شده توسط الگوريتم  Random Forest 53

شكل 3-23 : رسيدن درصد خطا به صفر پس از 8مرتبه 57

شكل 3-24 : Predictor  Importance for K-Means 58

شكل 3-25 : اندازه خوشه ها و نسبت كوچكترين خوشه به بزرگترين خوشه در الگوريتم

 K-Means 59

شكل 3-26 : كيفيت خوشه ها در الگوريتمMeans K- 60

شكل 3-27 : Predictor  Importance for Kohonen 61

شكل 3-28 : اندازه خوشه ها و نسبت كوچكترين خوشه به بزرگترين خوشه در الگوريتم

 Kohonen 62

شكل 3-29 : كيفيت خوشه ها در الگوريتمMeans K- 63

شكل 3-30 : تعداد نرون هاي ورودي و خروجي در Kohonen 63

شكل 3-31 : Predictor  Importance for  دوگامي 64

شكل 3-32 : اندازه خوشه ها و نسبت كوچكترين خوشه به بزرگترين خوشه در

 الگوريتم دوگامي 65

شكل 3-33 : كيفيت خوشه ها در الگوريتم دوگامي 66

شكل4-1: نمودارنسبت تخفيف عدم خسارت به خسارت 75

قيمت فايل فقط 85,000 تومان



برچسب ها : پيشنهاد چارچوبي جهت تشخيص علل تاثيرگذار و درصد تاثير آنها در سود و زيان بيمه با داده كاوي , بيمه شخص ثالث خودرو , پايان نامه ارشد داده كاوي , كاربرد داده كاوي در بيمه , تشخيص خسارت بيمه با داده كاوي , سود و زيان بيمه شخص ثالث خودرو با داده كاوي , شناسايي عوامل اثرگذار در سود و زيان بيمه شخص ثالث خودرو , پايان نامه نظري سود و زيان بيمه با داده كاوي