دانلود,رایگان,پایان نامه,پروژه,مقاله,مقالات, تحقیق آماده, پاورپوینت
دانلود,رایگان,پایان نامه,پروژه,مقاله,مقالات, تحقیق آماده, پاورپوینت,دانلود گزارش کارآموزی,, دانلود پروژه دانشجویی, دانلود تحقیق رایگاندانلود,رایگان,پایان نامه,پروژه,مقاله,مقالات, تحقیق آماده, پاورپوینت
دانلود,رایگان,پایان نامه,پروژه,مقاله,مقالات, تحقیق آماده, پاورپوینت,دانلود گزارش کارآموزی,, دانلود پروژه دانشجویی, دانلود تحقیق رایگانمقاله ترجمه شده داده کاوی با روش های مختلف بهینه سازی قابل ویرایش با فرمت doc به همراه اصل مقاله انگلیسی
| دسته بندی | روانشناسی و علوم تربیتی |
| فرمت فایل | doc |
| حجم فایل | 2155 کیلو بایت |
| تعداد صفحات فایل | 20 |
مقاله ترجمه شده داده کاوی با روش های مختلف بهینه سازی قابل ویرایش با فرمت doc به همراه اصل مقاله انگلیسی
چکیده
ترافیک (عبور و مرور) جادهای به عنوان منبع اصلی سر و صدای محیطهای شهری شناخته شده و به اثبات رسیده است که این سر و صدا به طور قابل توجهی بر سلامت جسمی و روانی انسان و بهره وری نیروی کار تأثیر می گذارد. پس، بسیار مهم است برای کنترل سطح صوتی این سر و صدا در محیطهای شهری به توسعۀ روشهای مدلسازی سر و صدای ترافیک جادهای بپردازیم.همانطور که در ادبیات موضوع مشاهده می شود، روشهایی که با این موضوع سر و کار دارند عموماً بر اساس تحلیل رگرسیون پایه گذاری شدهاند و دیگر رویکردها کمتر بهکار برده شدهاند. در این مقاله روشی جدید ارائه شده که بر اساس بهینهسازی استوار است. در شبیه سازی این کار از چهار تکنیک استفاده شده است؛ الگوریتم ژنتیک، الگوریتم هوکی و جیوز، بازپخت و تبرید شبیه سازی شده و بهینه سازی اجتماعات. دو سناریوی متفاوت در این مقاله ارائه شده است. در سناریوی اولِ روشهای بهینه سازی، برای پیدا کردن مناسبترین پارامترها از کل مجموعه دادههای اندازه گیری شده استفاده می شود، در حالی که در سناریوی دوم، فقط بابعضی از دادههای اندازه گیریپارامترهای بهینه شده پیدا شدند در حالی که از مابقی داده ها برای ارزیابی قابلیت های پیش بینی مدل استفاده شد. برازش مدل با استفاده از ضریب تعیین و دیگر پارامترهای آماری ارزیابی شد و نتایج در هر دو سناریو نتایج نشان دهندۀ توافق بالای بین دادههای اندازهگیری شده و ارزشهای محاسبه شده هستند. همچنین، این مدل را با مدلهای آماری کلاسیک هم مقایسه کردیم و قابلیتهای برتر مدل پیشنهادی ما نشان داده شد. شبیهسازی نیز با استفاده از بسته ای از نرم افزارهای موثق و کاربر پسند انجام شد.
کلمات کلیدی: سروصدای ترافیک، هوش مصنوعی، الگوریتم ژنتیک، هوکی و جیوز، بازپخت و تبرید شبیه سازی شده، بهینه سازی اجتماع ذرات، نرم افزار
نینجاگرام کرک شده سایت تبلیغات رایگان
مقاله ترجمه شده داده کاوی با روش های مختلف بهینه سازی قابل ویرایش با فرمت doc به همراه اصل مقاله انگلیسی
| دسته بندی | روانشناسی و علوم تربیتی |
| بازدید ها | 15 |
| فرمت فایل | doc |
| حجم فایل | 2155 کیلو بایت |
| تعداد صفحات فایل | 20 |
مقاله ترجمه شده داده کاوی با روش های مختلف بهینه سازی قابل ویرایش با فرمت doc به همراه اصل مقاله انگلیسی
چکیده
ترافیک (عبور و مرور) جادهای به عنوان منبع اصلی سر و صدای محیطهای شهری شناخته شده و به اثبات رسیده است که این سر و صدا به طور قابل توجهی بر سلامت جسمی و روانی انسان و بهره وری نیروی کار تأثیر می گذارد. پس، بسیار مهم است برای کنترل سطح صوتی این سر و صدا در محیطهای شهری به توسعۀ روشهای مدلسازی سر و صدای ترافیک جادهای بپردازیم.همانطور که در ادبیات موضوع مشاهده می شود، روشهایی که با این موضوع سر و کار دارند عموماً بر اساس تحلیل رگرسیون پایه گذاری شدهاند و دیگر رویکردها کمتر بهکار برده شدهاند. در این مقاله روشی جدید ارائه شده که بر اساس بهینهسازی استوار است. در شبیه سازی این کار از چهار تکنیک استفاده شده است؛ الگوریتم ژنتیک، الگوریتم هوکی و جیوز، بازپخت و تبرید شبیه سازی شده و بهینه سازی اجتماعات. دو سناریوی متفاوت در این مقاله ارائه شده است. در سناریوی اولِ روشهای بهینه سازی، برای پیدا کردن مناسبترین پارامترها از کل مجموعه دادههای اندازه گیری شده استفاده می شود، در حالی که در سناریوی دوم، فقط بابعضی از دادههای اندازه گیریپارامترهای بهینه شده پیدا شدند در حالی که از مابقی داده ها برای ارزیابی قابلیت های پیش بینی مدل استفاده شد. برازش مدل با استفاده از ضریب تعیین و دیگر پارامترهای آماری ارزیابی شد و نتایج در هر دو سناریو نتایج نشان دهندۀ توافق بالای بین دادههای اندازهگیری شده و ارزشهای محاسبه شده هستند. همچنین، این مدل را با مدلهای آماری کلاسیک هم مقایسه کردیم و قابلیتهای برتر مدل پیشنهادی ما نشان داده شد. شبیهسازی نیز با استفاده از بسته ای از نرم افزارهای موثق و کاربر پسند انجام شد.
کلمات کلیدی: سروصدای ترافیک، هوش مصنوعی، الگوریتم ژنتیک، هوکی و جیوز، بازپخت و تبرید شبیه سازی شده، بهینه سازی اجتماع ذرات، نرم افزار
سایت آگهی رایگان
ثبت اگهی رایگان
سایت آگهی املاک
سایت تبلیغات اینترنتی رایگان
بانک مقاله علمی
داده کاوی: مفاهیم، روشها، کاربردها، آینده
| دسته بندی | کامپیوتر و IT |
| بازدید ها | 13 |
| فرمت فایل | doc |
| حجم فایل | 146 کیلو بایت |
| تعداد صفحات فایل | 24 |
- داده کاوی: مفاهیم، روشها، کاربردها، آینده
- مقدمه
معرفی داده‌کاوی و دلایل پیدایش آن
تعاریف داده کاوی
جایگاه داده‌کاوی در علوم کامپیوتر
- · طبقه بندی روش های داده کاوی
1. داده کاوی توصیفی یا توصیف کننده
2. داده کاوی پیشگویانه
- · مراحل و اجزای یک فرآیند داده‌کاوی
1. بیان مسئله و فرموله کردن فرضیه
2. انتخاب و جمع آوری داده ها
3. تبدیل و پیش پردازش داده ها
4. برآورد مدل یا کاوش در داده ها
5. تفسیر نتیجه یا تفسیر مدل و رسیدن به نتایج
- · آماده سازی داده ها
1. مدل استاندارد داده ها
2. دو وظیفه اصلی در آماده سازی داده ها
- · تبدیل و تغییر وضعیت داده های خام
1. نرمال سازی
1-1 مقیاس دهی اعشاری
2-1 نرمال سازی حداقل-حداکثر
3-1 نرمال سازی انحراف معیار
2. یکنواخت سازی داده ها
3. تفاضل ها و نسبت ها
- · مفهوم داده های از دست رفته و راه حل جبران داده های از دست رفته
- · مفهوم و روش های تشخیص داده های نامنطبق
1. روش های آماری 2. تشخیص داده های نامنطیق برمبنای فاصله 3. روش ها و تکنیک های برمبنای انحراف
- · کاهش داده ها
- 1. اعمال اصلی در فرایند کاهش داده ها
- 2. یافته های حاصل از کاهش داده ها
2-1 کاهش زمان محاسبه.
2-2 افزایش یادگیری در دقت پیشگویانه/توصیفی.
2-3 سادگی در ارائه مدل داده کاوی.
- · روش های نمونه گیری برای نمونه های بزرگ
1. نمونه گیری سیستمی.
2. نمونه گیری تصادفی.
3. نمونه گیری لایه ای.
4. نمونه گیری معکوس.
مقدمه
امروزه با گسترش سیستم های پایگاهی و حجم بالای داده ها ی ذخیره شده در این سیستم ها، نیاز به ابزاری است تا بتوان داده های ذخیره شده پردازش کرد و اطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد.
با استفاده ار پرسش های ساده درSQL و ابزارهای گوناگون گزارش گیری معمولی، می توان اطلاعاتی را در اختیار کاربران قرار داد تا بتوانند به نتیجه گیری در مورد داده ها و روابط منطقی میان آنها بپردازند اما وقتی که حجم داده ها بالا باشد، کاربران هر چقدرحرفه ای و با تجربه باشند نمی توانند الگوهای مفید را در میان حجم انبوه داده ها تشخیص دهند و یا اگر قادر به این کار هم با شند، هزینه عملیات از نظر نیروی انسانی و مالی بسیار بالا است.
بنابراین میشود گفت که درحال حاضر یک تغییر الگو از مدل سازی و تحلیل های کلاسیک برپایه اصول اولیه به مدل های درحال پیشرفت و تحلیل های مربوط بطور مستقیم از داده ها وجود دارد.
داده کاوی یکی از مهمترین این روشها است که به وسیله آن الگوهای مفید در داده ها با حداقل دخالت کاربران شناخته می شوند و اطلاعاتی را در اختیار کاربران و تحلیل گران قرار می دهند تا براساس آنها تصمیمات مهم و حیاتی در سازمانها اتخاذ شوند.
تعاریف داده کاوی
در متون آکادمیک تعاریف گوناگونی برای داده کاوی ارائه شده اند. در برخی از این تعاریف داده کاوی در حد ابزاری که کاربران را قادر به ارتباط مستقیم با حجم عظیم داده ها می سازد معرفی گردیده است و در برخی دیگر، تعاریف دقیقتر که درآنها به کاوش در داده ها توجه می شود موجود است.
برخی از این تعاریف عبارتند از :
- داده کاوی عبارت است از فرایند استخراج اطلاعات معتبر، از پیش ناشناخته، قابل فهم و قابل اعتماد از پایگاه داده های بزرگ و استفاده از آن در تصمیم گیری در فعالیت های تجاری مهم.
- فرایند نیم خودکار تجزیه و تحلیل پایگاه داده های بزرگ به منظور یافتن الگوهای مفید اطلاق می شود.
- داده کاوی یعنی فرایند جستجو در یک پایگاه داده ها برای یافتن الگوهایی میان داده ها.
- داده کاوی یعنی تجزیه و تحلیل مجموعه داده های قابل مشاهده برای یافتن روابط مطمئن بین داده ها.
- داده کاوی یعنی استخراج دانش کلان ، قابل استناد و جدید از پایگاه داده ها ی بزرگ.
نکته: همانگونه که در تعاریف گوناگون داده کاوی مشاهده می شود، تقریبا در تمامی تعاریف به مفاهیمی چون استخراج دانش ، تحلیل و یافتن الگوی بین داده ها اشاره شده است.
" داده کاوی فرآیندی است که طی آن با استفاده از ابزار های تحلیل داده به دنبال کشف الگوها و ارتباطات میان داده های موجود که ممکن است منجر به استخراج اطلاعات جدیدی از پایگاه داده گردند، می باشد."
در داده کاوی از بخشی از به نام تحلیل اکتشافی داده ها استفاده می شود که در آن بر کشف اطلاعات نهفته و ناشناخته از درون حجم انبوه داده ها تاکید می شودبنابراین می توان گفت در داده کاوی تئوریهای پایگاه داده ها، هوش مصنوعی، یادگیری ماشین وعلم آمار را در هم می آمیزند تا زمینه کاربردی فراهم شود.
باید توجه داشت که اصطلاح داده کاوی زمانی به کار برده می شود که با حجم بزرگی از داده ها در حد گیگابایت یا ترابایت، مواجه باشیم که از این نظر یکی از بزرگترین بازارهای هدف، انبارجامع داده ها، مراکز داده وسیستم های پشتیبانی تصمیم برای بدست آوردن تخصص هایی در صنایعی مثل شبکه های توزیع مویرگی، تولیدف مخابرات، بیمه و... می باشد.