دانلود و نمایش مقالات مرتبط با Classification Techniques::صفحه 1
دانلود بهترین مقالات isi همراه با ترجمه فارسی
نتیجه جستجو - Classification Techniques

تعداد مقالات یافته شده: 8
ردیف عنوان نوع
1 ارزیابی کارایی تکنیک های طبقه بندی داده کاوی برای پیش بینی بیماری قلبی
سال انتشار: 2018 - تعداد صفحات فایل pdf انگلیسی: 6 - تعداد صفحات فایل doc فارسی: 12
بیماری قلبی ممکن است یکی از دلایل اصلی مرگ باشد. به علت فقدان دانش و تجربیات متخصصان درمورد علائم نارسایی قلب برای پیش بینی اولیه این بیماری، کار آسان برای تشخیص بیماری نیست. در نتیجه، پیش بینی مبتنی بر رایانه؛ مبتلایان به بیماری قلبی می تواند نقش مهمی را در تشخیص پیش از مرحله برای انجام اقدامات مناسب با توجه به بهبودی بیماران بازی کند. با این حال، انتخاب روش طبقه بندی مناسب داده کاوی می تواند به طور موثر پیش بینی مرحله اولیه بیماری را برای بازگشت از آن به همراه داشته باشد. در این مقاله، سه تکنیک طبقه بندی استفاده شده غالب از قبیل ماشین بردار پشتیبانی (SVM)، نزدیکترین همسایۀ k (KNN) و شبکه عصبی مصنوعی (ANN) را مورد بررسی قرار می دهیم، با توجه به ارزیابی آنها برای پیش بینی بیماری های قلبی با استفاده از مجموعه داده های بیماری کلیوی استاندارد مورد مطالعه قرار گرفته است.. نتایج تجربی نشان می دهد که دقت طبقه بندی با استفاده از SVM (85.1852٪) بهتر از استفاده از KNN (82663٪) و ANN (73.3333٪) است.
لغات کلیدی: داده کاوی | ماشین بردار پشتیبانی | نزدیکترین همسایۀ k | شبکه عصبی مصنوعی | پیش بینی بیماری قلبی | تکنیک های طبقه بندی
مقاله ترجمه شده
2 Developing an integrated framework for using data mining techniques and ontology concepts for process improvement
توسعه چارچوب یکپارچه برای استفاده از تکنیک های داده کاوی و مفاهیم هستی شناسی برای بهبود فرایند-2018
Process, as an important knowledge resource, must be effectively managed and improved. The main prob lems are the large number of processes, their specific features, and the complicated relationships between them, which all lead to the increase in complexity and create a high-dimensionality problem. Traditional process management systems are unable to manage and improve processes with a high volume of data. Data mining techniques, however, can be employed to identify valuable patterns. With the aid of these patterns, suggestions for process improvement can be presented. Further, process ontology can be ap plied to share the process patterns between people, facilitate the process understanding, and develop the reusability of the extracted patterns for process improvement. This study presents a combined three-part, five-stage framework of data mining, process improve ment, and process ontology. To evaluate the applicability and effectiveness of the proposed framework, a real process dataset is applied. Two clustering and classification techniques are used to discover valuable patterns as the process ontology. The output of these two techniques can be considered as the recom mendations for improving the processes. The proposed framework can be exploited to support process improvement methodologies in organizations.
Keywords: Data mining ، Process improvement ، Ontology ، Classification ، Clustering
مقاله انگلیسی
3 Analyze the energy consumption characteristics and affecting factors of Taiwan’s convenience stores-using the big data mining approach
ویژگی های مصرف انرژی و عوامل موثر را تحلیل کنیداز فروشگاه های راحت تایوان - با استفاده از روش کاوش داده های بزرگ-2018
This study applies big data mining, machine learning analysis technique and uses the Waikato Environ ment for Knowledge Analysis (WEKA) as a tool to discuss the convenience stores energy consumption performance in Taiwan which consists of (a). Influential factors of architectural space environment and geographical conditions; (b). Influential factors of management type; (c). Influential factors of business equipment; (d). Influential factors of local climatic conditions; (e). Influential factors of service area so cioeconomic conditions. The survey data of 1,052 chain convenience stores belong to 7-Eleven, Family Mart and Hi-Life groups by Taiwan Architecture and Building Center (TABC) in 2014. The implicit knowl edge will be explored in order to improve the traditional analysis technique which is unlikely to build a model for complex, inexact and uncertain dynamic energy consumption system for convenience stores. The analysis process comprises of (a). Problem definition and objective setting; (b). Data source selection; (c). Data collection; (d). Data preprocessing/preparation; (e). Data attributes selection; (f). Data mining and model construction; (g). Results analysis and evaluation; (h). Knowledge discovery and dissemination. The key factors influencing the convenience stores energy consumption and the influence intensity order can be explored by data attributes selection. The numerical prediction model for energy consumption is built by applying regression analysis and classification techniques. The optimization thresholds of various influential factors are obtained. The different cluster data are compared by using clustering analysis to verify the correlation between the factors influencing the convenience stores energy consumption char acteristic. The implicit knowledge of energy consumption characteristic obtained by the aforesaid analysis can be used to (a). Provide the owners with accurate predicted energy consumption performance to opti mize architectural space, business equipment and operations management mode; (b). The design planners can obtain the optimum design proposal of Cost Performance Ratio (C/P) by planning the thresholds of various key factors and the validation of prediction model; (c). Provide decision support for government energy and environment departments, to make energy saving and carbon emission reduction policies, in order to estimate and set the energy consumption scenarios of convenience store industry.
Keywords: Convenience store ، Data mining ، Machine learning ، Energy consumption characteristics ، Energy consumption affecting factor
مقاله انگلیسی
4 Analyze the energy consumption characteristics and affecting factors of Taiwan’s convenience stores-using the big data mining approach
تجزیه و تحلیل ویژگی های مصرف انرژی و عوامل موثر در فروشگاه های راحتی تایوان با استفاده از روش کاوش داده های بزرگ-2018
This study applies big data mining, machine learning analysis technique and uses the Waikato Environ ment for Knowledge Analysis (WEKA) as a tool to discuss the convenience stores energy consumption performance in Taiwan which consists of (a). Influential factors of architectural space environment and geographical conditions; (b). Influential factors of management type; (c). Influential factors of business equipment; (d). Influential factors of local climatic conditions; (e). Influential factors of service area so cioeconomic conditions. The survey data of 1,052 chain convenience stores belong to 7-Eleven, Family Mart and Hi-Life groups by Taiwan Architecture and Building Center (TABC) in 2014. The implicit knowl edge will be explored in order to improve the traditional analysis technique which is unlikely to build a model for complex, inexact and uncertain dynamic energy consumption system for convenience stores. The analysis process comprises of (a). Problem definition and objective setting; (b). Data source selection; (c). Data collection; (d). Data preprocessing/preparation; (e). Data attributes selection; (f). Data mining and model construction; (g). Results analysis and evaluation; (h). Knowledge discovery and dissemination. The key factors influencing the convenience stores energy consumption and the influence intensity order can be explored by data attributes selection. The numerical prediction model for energy consumption is built by applying regression analysis and classification techniques. The optimization thresholds of various influential factors are obtained. The different cluster data are compared by using clustering analysis to verify the correlation between the factors influencing the convenience stores energy consumption char acteristic. The implicit knowledge of energy consumption characteristic obtained by the aforesaid analysis can be used to (a). Provide the owners with accurate predicted energy consumption performance to opti mize architectural space, business equipment and operations management mode; (b). The design planners can obtain the optimum design proposal of Cost Performance Ratio (C/P) by planning the thresholds of various key factors and the validation of prediction model; (c). Provide decision support for government energy and environment departments, to make energy saving and carbon emission reduction policies, in order to estimate and set the energy consumption scenarios of convenience store industry.
Keywords: Convenience store ، Data mining ، Machine learning ، Energy consumption characteristics ، Energy consumption affecting factor
مقاله انگلیسی
5 Image processing based quality control of the impermeable seams in multi layered aseptic packages
کنترل کیفیت lمبتنی بر پردازش تصویر درزهای نفوذ ناپذیر در بسته های چند لایه ضدعفونی شده-2015
Multilayered aseptic material which guarantees the extended shelf life of liquid foods is turned into an impermeable package by folding packaging machines. Some problems in the machines causes the packages to lose the impermeability property and therefore lead to deterioration of the liquid food. The leak test, which was performed to determine the problem, has been carried out by expert employees. The control process has steps of random selection of the liquid food packages, the opening of it properly, and observing the distribution of the injected ink in the seams by human eye. It is known that this control can cause serious material damage due to the human-based errors. With this study, it was aimed to perform the leak test of seams in multilayered aseptic packages by using a combination of the image processing and classification techniques. Through the data obtained from a real production environment, the experiments were performed and the results were evaluated. As a result, it can be said that the study has a distinctive feature as being the first in its field with its promising results. Keywords: Canny edge detection Image processing Pixel based image segmentation Quality control Impermeable seams Multilayered aseptic package
مقاله انگلیسی
6 Image processing based quality control of the impermeable seams in multilayered aseptic packages
پردازش تصویر بر اساس کنترل کیفیت درزهای نفوذ ناپذیر در بسته های چند لایه آسپتیک-2015
Multilayered aseptic material which guarantees the extended shelf life of liquid foods is turned into an impermeable package by folding packaging machines. Some problems in the machines causes the packages to lose the impermeability property and therefore lead to deterioration of the liquid food. The leak test, which was performed to determine the problem, has been carried out by expert employees. The control process has steps of random selection of the liquid food packages, the opening of it properly, and observing the distribution of the injected ink in the seams by human eye. It is known that this control can cause serious material damage due to the human-based errors. With this study, it was aimed to perform the leak test of seams in multilayered aseptic packages by using a combination of the image processing and classification techniques. Through the data obtained from a real production environment, the experiments were performed and the results were evaluated. As a result, it can be said that the study has a distinctive feature as being the first in its field with its promising results. Keywords: Canny edge detection | Image processing | Pixel based image segmentation | Quality control | Impermeable seams | Multilayered aseptic package
مقاله انگلیسی
7 کنترل کیفیت درزهای نفوذ ناپذیر در بسته های چند لایه ضدعفونی شده بر پایه پردازش تصویر
سال انتشار: 2015 - تعداد صفحات فایل pdf انگلیسی: 5 - تعداد صفحات فایل doc فارسی: 17
مواد چند لایه ضدعفونی شده که تاریخ مصرف مواد غذایی مایع را تضمین می کند، با استفاده از ماشین های تا¬زننده به بسته های غیر قابل نفوذ تبدیل می¬شوند. مشکلات در ماشین سبب از بین رفتن خاصیت نفوذناپذیری در بسته بندی شود و سپس منجر به زوال مایع داخل بسته بندی شود. تست چکه (یا سوراخ) که برای تعیین این مشکل به کار گرفته می¬شود، نیازمند کارمند ماهر است. فرآیند کنترل شامل انتخاب تعدادی ماده غذایی بسته بندی شده به صورت تصادفی و باز کردن آن به طور صحیح و مشاهده توزیع قطرات چکانده شده روی درز توسط چشم انسان است. مشخص است که این نحوه کنترل کیفیت به دلیل خطای انسان، می¬تواند باعث آسیب جدی به مواد شود. هدف این مطالعه اجرای تست چکه روی درز بسته بندی های چندلایه با استفاده از ترکیب تکنیک های پردازش تصویر و تقسیم بندی است. داده¬ها از محیط تولید واقعی گرفته شد، آزمایشات صورت پذیرفت و نتایج ارزیابی گردید. در نهایت نتایج این گونه به دست آمد که می¬توان گفت این مطالعه به عنوان یکی از نخستین مطالعات، دارای ویژگی های متمایز بوده و نتایج به¬دست¬آمده از آن امیدوار¬کننده است.
واژه های کلیدی: تشخیص لبه زیرک | پردازش تصویر | تقسیم بندی تصویر بر اساس پیکسل | کنترل کیفیت | درزهای نفوذ ناپذیر | بسته آسپتیک چندلا
مقاله ترجمه شده
8 تسهیل فروش متقابل در بازار مخابراتی تلفن همراه برای توسعه مدل طبقه بندی مشتری براساس تکنیک های داده کاوی هیبریدی
سال انتشار: 2011 - تعداد صفحات فایل pdf انگلیسی: 8 - تعداد صفحات فایل doc فارسی: 28
همانطور که رقابت بین اپراتورهای مخابراتی تلفن همراه شدید می شود، تنوع بخشیدن به حوزه های کسب و کار برای اپراتور بسیار حیاتی می گردد. بویژه، اپراتورهای تلفن همراه از ارتباط صوتی سنتی به خدماتارزش افزوده تلفن همراه (VAS) روی می آوردند که خدمات جدیدی برای تولید درآمد متوسط بیشتر برای هر کاربر (ARPU) هستند. بعبارت دیگر، فروش متقابل برای اپراتورهای مخابراتی تلفن همراه جهت توسعه درآمد و سود آنها حیاتی است. در این مطالعه، مدل طبقه بندی مشتری را پیشنهاد می دهیم که برای تسهیل فروش متقابل در بازار مخابراتی تلفن همراه استفاده می شود. مدل ما از داده های گردآوری شده در مورد مشتری های موجود از جمله داده های جمعیت شناختی و الگوها برای استفاده از محصولات یا خدمات قدیمی جهت یافتن محصولات و خدمات جدید با پتانسیل فروش بالا استفاده می کند. تکنیک های داده کاوی مختلف برای مدل پیشنهادی ما در دو مرحله اعمال می شوند. در مرحله اول، چندین تکنیک طبقه بندی مانند رگرسیون لجیستیک، شبکه های عصبی مصنوعی، و درخت تصمیم گیری بطور مستقل برای پیش بینی خرید محصولات جدید اعمال می شوند و هر مدل نتایج پیش بینی خود را بعنوان شکلی از احتمالات ارائه می دهند. در مرحله دوم، مدل ما این احتمالات را با استفاده از الگوریتم ژنتیک (GA) اصلاح نموده، و تصمیم نهایی را برای مشتری هدف در مورد اینکه آیا محصول جدید را خریداری خواهد کرد یا خیر اخذ می کند. برای معتبرسازی کارایی مدل، آن را برای یک نمونه شرکت مخابراتی تلفن همراه در کره استفاده کردیم. در نتیجه، نشان دادیم این مدل اطلاعات باکیفیتی برای فروش متقابل ارائه داده، و GA در مرحله دوم نقش قابل توجهی در بهبود عملکرد دارد.
کلیدواژه ها: طبقه بندی مشتری | الگوریتم های ژنتیک | رگرسیون لجیستیک | شبکه عصبی مصنوعی | درخت تصمیم گیری | بازار مخابراتی تلفن همراه
مقاله ترجمه شده
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی