پیاده سازی الگوریتم هارمونی در دلفی (Delphi):
در این پروژه، با استفاده از دلفی (Delphi)، پیاده سازی الگوریتم هارمونی به همراه توضیحات مربوطه، ارائه می گردد.
پیاده سازی الگوریتم هارمونی در دلفی (Delphi):
در این پروژه، با استفاده از دلفی (Delphi)، پیاده سازی الگوریتم هارمونی به همراه توضیحات مربوطه، ارائه می گردد.
پیاده سازی الگوریتم تکامل تفاضلی در زبان R:
در این پروژه، با استفاده از زبان R، پیاده سازی الگوریتم تکامل تفاضلی به همراه توضیحات مربوطه، ارائه می گردد.
سفارش انجام پروژه تشخیص اسپم با استفاده از تلفیق شبکه ی عصبی و الگوریتم کلونی زنبور عسل:
به سوءاستفاده از ابزارهای الکترونیکی مانند ایمیل، مسنجر، گروههای خبری ایمیلی، فکس، پیام کوتاه و... برای ارسال پیام به تعداد زیاد و به صورت ناخواسته اسپم میگویند. با توجه به هزینه اندک این روش نسبت به پست سنتی که در گذشته برای ارسال پلاک به پلاک تبلیغات مورد استفاده قرار میگرفت و همچنین ناقص بودن قوانین بینالمللی برای محدود کردن هرزنامه، در حال حاضر اسپم ها در سطح وسیعی ارسال میشوند. امروزه اسپمها بهطور عمده با هدفهای تجاری منتشر میشوند ولی اسپمهای غیرتجاری مانند اسپم های سیاسی یا مذهبی نیز روز به روز در حال افزایش هستند. برای مقابله با اسپم ها تاکنون روشهای متعددی ایجاد شده است و این روند با توجه به ابعاد گسترده آن، همچنان ادامه دارد. برای مطالعه جزییات بیشتر در مورد تشخیص اسپم کلیک کنید.
در این پروژه، با استفاده از تلفیق روش های شبکه ی عصبی (neural network) و الگوریتم کلونی زنبور عسل (Artificial bee colony algorithm)، متن های حاوی پیام های اسپم شناسایی و فیلتر خواهند شد. نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.
سفارش انجام پروژه زمانبندی بهینه کارها با استفاده از الگوریتم ایمنی مصنوعی در محیط رایانش ابری (CloudSim):
در این پروژه، با استفاده از الگوریتم ایمنی مصنوعی (artificial immune system algorithm)، زمانبندی بهینه کارها در محیط رایانش ابری (Cloud Computing) مورد بررسی قرار گرفته است. نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.
پیاده سازی الگوریتم هارمونی در زبان R:
در این پروژه، با استفاده از زبان R، پیاده سازی الگوریتم هارمونی به همراه توضیحات مربوطه، ارائه می گردد.
پیاده سازی الگوریتم ژنتیک در #C:
الگوریتمهای ژنتیک (به انگلیسی: Genetic algorithm) تکنیک جستجو در علم رایانه برای یافتن راهحل تقریبی برای بهینهسازی مدل، ریاضی و مسائل جستجو است. الگوریتم ژنتیک نوع خاصی از الگوریتمهای تکاملی است که از تکنیکهای زیستشناسی فرگشتی مانند وراثت، جهش زیستشناسی و اصول انتخابی داروین برای یافتن فرمول بهینه جهت پیشبینی یا تطبیق الگواستفاده میشود. الگوریتمهای ژنتیک اغلب گزینه خوبی برای تکنیکهای پیشبینی بر مبنای رگرسیون هستند. در مدلسازی الگوریتم ژنتیک یک تکنیک برنامهنویسی است که از تکامل ژنتیکی به عنوان یک الگوی حل مسئله استفاده میکند. مسئلهای که باید حل شود دارای ورودیهایی میباشد که طی یک فرایند الگوبرداری شده از تکامل ژنتیکی به راهحلها تبدیل میشود سپس راه حلها به عنوان کاندیداها توسط تابع ارزیاب (Fitness Function) مورد ارزیابی قرار میگیرند و چنانچه شرط خروج مسئله فراهم شده باشد الگوریتم خاتمه مییابد. بطور کلی یک الگوریتم مبتنی بر تکرار است که اغلب بخشهای آن به صورت فرایندهای تصادفی انتخاب میشوند که این الگوریتمها از بخشهای تابع برازش، نمایش، انتخاب وتغییر تشکیل میشوند.. برای مطالعه جزییات بیشتر در مورد الگوریتم ژنتیک کلیک کنید.
در این پروژه، با استفاده از #C، پیاده سازی الگوریتم ژنتیک به همراه توضیحات مربوطه، ارائه می گردد.
سفارش انجام پروژه داده کاوی تشخیص تقلب در کارت های اعتباری:
به دلیل ضعف های امنیتی سیستم پردازش کارت هـای بـانکی، تقلـب در آن هـا رونـد رو به گسترشی دارد و خسارت های زیادی وارد می کند. تقلب در کارت های بانکی به یکی از راه های کسب درآمد بـرای مجرمـان تبـدیل شـده اسـت. به همین دلیل مسئله ی تقلب برای بانـکهـا و مؤسسه ها اهمیت بالایی دارد. رویکردهای تشخیص تقلب به طور گسترده به دو دسته تقسیم می شوند. مورد اول، تشخیص سو استفاده است که تلاش می کند که موارد مشاهده شده قبلی را در قالب یک الگو یا امضا تشخیص دهد. مورد دوم، تشخیص ناهنجاری است که تلاش می کند تا یک مشخصه از تاریخچه عملکرد برای هر کاربر ایجاد کرده و سپس با هرگونه انحراف به قدر کافی بزرگ، پی به یک رفتار مشکوک می برد.
در این پروژه، با استفاده از نرم افزار کلمنتاین(clementine) یا مدلر(IBM Spss Modeler)، مجموعه داده های مربوط به تشخیص تقلب در کارت های اعتباری مورد بررسی قرار گرفته است. راهکارهای متعدد پاکسازی داده ها، دسته بندی، خوشه بندی بر روی داده ها اعمال شده است و نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.
سفارش انجام پروژه داده کاوی بازاریابی مستقیم:
بازاریابی مستقیم (Direct Marketing) یعنی استفاده از کانال های مستقیم مصرف کننده، برای رساندن و تحویل کالاها و خدمات به مشتریان بدون استفاده از واسطه های بازاریابی. این کانال ها شامل پست مستقیم، کاتالوگ ها، بازاریابی تلفنی، تلویزیون تعاملی، دکه ها، وب سایت ها، و تجهیزات همراه می شوند. بازاریاب های مستقیم به دنبال یک پاسخ قابل اندازه گیری، مثل سفارش مشتری هستند. برای مطالعه جزییات بیشتر در مورد بازاریابی مستقیم کلیک کنید.
در این پروژه، با استفاده از نرم افزار کلمنتاین(clementine) یا مدلر(IBM Spss Modeler)، مجموعه داده های مربوط به بازاریابی مستقیم مورد بررسی قرار گرفته است. راهکارهای متعدد پاکسازی داده ها، دسته بندی، خوشه بندی بر روی داده ها اعمال شده است و نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.
سفارش انجام پروژه داده کاوی امتیاز اعتباری:
امتیاز اعتباری یک عبارت عددی است که با تکنیکهای آماری و بر اساس اطلاعات واقعی که بیانگر وضعیت جاری و سابقهای فرد یا شرکت هستند محاسبه میشود. امتیاز اعتباری یک نمره قابل مقایسه است؛ لذا تصمیمگیری بر این مبنا، در مقایسه با روشهای سلیقهای و گزارشهای متنی، به مراتب قابل اطمینانتر و منصفانهتر خواهد بود. برای مطالعه جزییات بیشتر در مورد امتیازاعتباری کلیک کنید.
در این پروژه، با استفاده از نرم افزار کلمنتاین(clementine) یا مدلر(IBM Spss Modeler)، مجموعه داده های مربوط به امتیاز اعتباری مورد بررسی قرار گرفته است. راهکارهای متعدد پاکسازی داده ها، دسته بندی، خوشه بندی بر روی داده ها اعمال شده است و نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.
سفارش انجام پروژه داده کاوی تشخیص تقلب:
تقلب در مفهوم عام، عبارت است از تحریف حقایق مهم، توسط فردی که می داند ادعایش حقیقت ندارد و یا ارائه حقایق، بدون توجه نسبت به صحت آنها و به قصد فریب دیگران. رویکردهای تشخیص تقلب به طور گسترده به دو دسته تقسیم می شوند. مورد اول، تشخیص سو استفاده است که تلاش می کند که موارد مشاهده شده قبلی را در قالب یک الگو یا امضا تشخیص دهد. مورد دوم، تشخیص ناهنجاری است که تلاش می کند تا یک مشخصه از تاریخچه عملکرد برای هر کاربر ایجاد کرده و سپس با هرگونه انحراف به قدر کافی بزرگ، پی به یک رفتار مشکوک می برد.
سفارش انجام پروژه داده کاوی پیش بینی نقص در ماژول های نرم افزاری:
با توجه به اهمیت نقش نرمافزارها در زندگی جوامع امروزی، تحقیقات پیرامون کیفیت نرمافزار در سالهای اخیر، گسترش زیادی داشته است. خطاهای پیشبینی نشده ی نرمافزاری هزینههای زیادی را مصرف کننده ها، تحمیل میکند. بنابراین، تحقیقات حوزه ی نرم افزار، بر روی تولید سیستمهای با کیفیت بالا متمرکز شدهاند. مهم ترین مولفه در سیستم نرمافزاری، قابلیت اطمینان است. تعداد خرابی در زمان اجرای نرمافزار باید حداقل شود تا بتوان به قابلیت اطمینان مناسبی حاصل شود.
در این پروژه، با استفاده از نرم افزار کلمنتاین(clementine) یا مدلر(IBM Spss Modeler)، مجموعه داده های مربوط به پیش بینی نقص در ماژول های نرم افزاری مورد بررسی قرار گرفته است. راهکارهای متعدد پاکسازی داده ها، دسته بندی، خوشه بندی بر روی داده ها اعمال شده است و نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.
سفارش انجام پروژه تشخیص اسپم با استفاده از تلفیق شبکه ی عصبی و الگوریتم ژنتیک:
به سوءاستفاده از ابزارهای الکترونیکی مانند ایمیل، مسنجر، گروههای خبری ایمیلی، فکس، پیام کوتاه و... برای ارسال پیام به تعداد زیاد و به صورت ناخواسته اسپم میگویند. با توجه به هزینه اندک این روش نسبت به پست سنتی که در گذشته برای ارسال پلاک به پلاک تبلیغات مورد استفاده قرار میگرفت و همچنین ناقص بودن قوانین بینالمللی برای محدود کردن هرزنامه، در حال حاضر اسپم ها در سطح وسیعی ارسال میشوند. امروزه اسپمها بهطور عمده با هدفهای تجاری منتشر میشوند ولی اسپمهای غیرتجاری مانند اسپم های سیاسی یا مذهبی نیز روز به روز در حال افزایش هستند. برای مقابله با اسپم ها تاکنون روشهای متعددی ایجاد شده است و این روند با توجه به ابعاد گسترده آن، همچنان ادامه دارد. برای مطالعه جزییات بیشتر در مورد تشخیص اسپم کلیک کنید.
در این پروژه، با استفاده از تلفیق روش های شبکه ی عصبی (neural network) و الگوریتم ژنتیک (genetic algorithm)، متن های حاوی پیام های اسپم شناسایی و فیلتر خواهند شد. نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.