دانلود و نمایش مقالات مرتبط با مقاله داده کاوی 2014::صفحه 1
دانلود بهترین مقالات isi همراه با ترجمه فارسی 2

با سلام خدمت کاربران در صورتی که با خطای سیستم پرداخت بانکی مواجه شدید از طریق کارت به کارت (6037997535328901 بانک ملی ناصر خنجری ) مقاله خود را دریافت کنید (تا مشکل رفع گردد). 

نتیجه جستجو - مقاله داده کاوی 2014

تعداد مقالات یافته شده: 11
ردیف عنوان نوع
1 مقدمه ای بر کاوش الگوی تکراری
سال انتشار: 2014 - تعداد صفحات فایل pdf انگلیسی: 14 - تعداد صفحات فایل doc فارسی: 22
مسئله¬ی کاوش الگوی تکراری به دلیل برنامه های کاربردی متعدد خود با انواع مشکلات داده کاوی مانند خوشه بندی و طبقه بندی روبروست و به طور گسترده ای در مقالات مورد مطالعه قرار گرفت. علاوه بر این، کاوش الگوی تکراری نیز دارای کاربردهای متعددی در حوزه های مختلف از جمله داده های فضایی و زمانی، تشخیص باگ نرم افزار و داده های بیولوژیکی است. جنبه¬های الگوریتمی کاوش الگوی تکراری به طور گسترده ای بررسی شد. این فصل از مقاله به بررسی کلی روشها به صورت شرح سازمان در این کتاب می¬پردازد.
کلمات کلیدی: کاوش الگوی تکراری | قوانین وابستگی
مقاله ترجمه شده
2 استراتژی های داده کاوی برای کنترل زمان واقعی در شهر نیویورک
سال انتشار: 2014 - تعداد صفحات فایل pdf انگلیسی: 8 - تعداد صفحات فایل doc فارسی: 18
سیستم داده کاوی (DMS) در سازمان ترابری نیویورک (NYCDOT) به طور عمده متشکل از چهار سیستم پایگاه داده برای ترافیک و انبوه عابر پیاده / دوچرخه، تصادف داده ها و برنامه های زمان بندی سیگنال می باشد همچنین وسط شهر در سیستم های حرکتی (MIM) که به عنوان بخشی از زیرساخت (ITS) سیستم حمل و نقل هوشمند NYCDOT استفاده می شود. این سیستم های پایگاه داده و کنترل توسط واحد های مختلف در NYCDOT به عنوان یک پایگاه داده یا عملیات سیستم مستقل اداره می شوند. شهر نیویورک تجربه حجم ترافیک سنگین، عابران و دوچرخه سواران در هر منطقه مرکزی منطقه تجاری(CBD) و در امتداد سیستم های کلید شریانی را دارد. نیازهای سازگار و فوری در شهر نیویورک برای کنترل زمان واقعی برای بهبود تحرک و ایمنی برای تمام کاربران از شبکه های خیابانی است، و ارائه پاسخ به موقع و مدیریت حوادث تصادفی وجود دارد. بنابراین، آن برای توسعه DMS یکپارچه برای تاثیر کنترل زمان واقعی و مدیریت حمل و نقل فعال (ATM) در شهر نیویورک است. این مقاله استراتژی های جدید برای شهر نیویورک نشان می دهد توسعه کارآمد و مقرون به صرفه DMS ارائه می کند، که شامل: 1) استفاده از برنامه های کاربردی فن آوری های جدید مانند تبلت و گوشی های هوشمند با سیستم تعیین موقعیت جهانی (GPS) و ویژگی های ارتباطی بی سیم برای جمع آوری و کاهش داده هاست ؛ 2) توسعه رابط بین سیستم های پایگاه داده و کنترل های موجود؛ و 3) استقرار DMS یکپارچه با مدل های شبیه سازی ماکروسکوپی و مزوسکوپی در منهتن. این مطالعه مقاله همچنین یک فرایند داده کاوی کامل برای کنترل زمان واقعی با داده های سنتی ثابت، جریان داده های زمان بندی واقعی از شناساگرهای حلقه، سنسور مایکروویو، و دوربین های ویدئویی، و داده های زمان واقعی جدید با استفاده از داده های GPS نشان می دهد. داده های GPS، از جمله با استفاده از تاکسی و اتوبوس GPS اطلاعات، و برنامه های کاربردی گوشی های هوشمند می تواند در تمام شرایط آب و هوایی و در طول هر زمان از روز به دست آید. داده های GPS و نرم افزار گوشی های هوشمند در NYCDOT DMS است در اینجا به عنوان یک مفهوم جدید است.
کلمات کلیدی: سیستم داده کاوی (DMS) | شهر نیویورک | کنترل زمان واقعی | مدیریت حمل و نقل فعال (ATM) | داده های GPS
مقاله ترجمه شده
3 مروری بر تکنیک های داده کاوی برای مدیریت ارتباط با مشتری
سال انتشار: 2014 - تعداد صفحات فایل pdf انگلیسی: 7 - تعداد صفحات فایل doc فارسی: 21
CRM یک نیاز اساسی برای هر سازمانی برای حفظ و جذب مشتریان ارزشمند است. در دنیای شرکت های بزرگ، استراتژی "حفظ مشتری" در CRM یک موضوع به طور فزاینده فشرده و مهم است. برای CRM بهتر، تکنیک های داده کاوی نقش حیاتی با استخراج اطلاعات مشتری از پایگاه داده ها بازی میکنند. داده کاوی می تواند به بخشهای خدمات مانند بانکداری، بیمه، و ارتباطات از راه دور کمک کند و برای تصمیم گیریهای کسب و کار نیز حیاتی است. هدف از این مقاله به طور خلاصه بررسی در برنامه های کاربردی داده کاوی در حوزه مدیریت ارتباط با مشتری می باشد. در این مقاله به بررسی چگونگی تکنیک های داده کاوی مانند ابزارk مانند ، SVM، درخت تصمیمگیری، شبکه عصبی و غیره پرداخته میشود که برای حمایت از فرایند مدیریت ارتباط با مشتری نعمیم داده شده است.
کلمات کلیدی: داده کاوی | کاربردهای داده کاوی | مدیریت ارتباط با مشتری | بررسی | CRM
مقاله ترجمه شده
4 متد های موازی جدید برای کاوش قواعد انجمنی در سیستم های حافظه مشترک چند هسته ای
سال انتشار: 2014 - تعداد صفحات فایل pdf انگلیسی: 18 - تعداد صفحات فایل doc فارسی: 47
کاوش قواعد انجمنی یا ARM در داده کاوی با برنامه های عملی یک امر مهم محسوب میشود. متد های فعلی برای کاوش قواعد انجمنی بری انواع پایگاه داده های مختلف عملکرد های ناپایدار و عدم استفاده بهینه از مزایا ی ماشین های حافظه مشترک چند هسته ای را نشان داه است .در این مقاله ما بوسیله ارایه یک مدل جدید موازی در جهت پیدا کردن الگو های مکرر -محاسباتی ترین فاز ARM را مورد بررسی قرار می دهیم .متد ارایه شده ما به اصطلاح SHaFEMدو استراتژی کاوش را ترکیب کرده و مناسبت ترین آن را به هر یک از زیر مجموعه داده های پایگاه داده در خصوص سازگاری کارآمد مشخصه های داده و اجرای سریع در هر دو پایگاه داده های متراکم و پراکنده اعمال میکند .در ضمن طراحی بدون قفل ما نیاز به همگام سازی را به حداقل رسانده و به منظور افرایش مقیاس پذیری استقلال داده ها را حداکثر می رساند .ساختار جدید به خوبی خود را با زمان بندی شغالی داینامیکی پیوند میدهد که نتیجه بارگذاری متعادل روی معماری حافظه های مشترک چند هسته ای می باشد. ما متد SHaFEM را روی سرور های چند سوکتی ۱۲ هسته ای ارزیابی کرده ایم و دست یافتیم که متد ما ۵ برابرا سریع تر اجرا شده و ۷ برابر کمتر از تکنولوزی های جدید متد موازی حافظه را مصرف میکند .برای برخی از موارد آزمون در مقایسه با متد های ذکر شده متد SHaFEM می تواند 4.9 دهم از زمان اجرا را صرفه جویی کند .
کلمات کلیدی: کاوش الگوی مکرر | چند هسته ای | حافظه مشترک | کاوش قوانین انجمنی | الگوریتم موازی | پایگاه های داده
مقاله ترجمه شده
5 ‌راه‌حل داده‌کاوی دانشجویان – سیستم مدیریت دانش مرتبط با مؤسسات آموزش عالی
سال انتشار: 2014 - تعداد صفحات فایل pdf انگلیسی: 8 - تعداد صفحات فایل doc فارسی: 24
مؤسسات آموزش عالی (HEI) اغلب کنجکاوند بدانند دانش آموزان حین تحصیل شان موفق‌اند یا خیر. ‌مؤسسات دانشگاهی پیش از دوره و در حین آن تلاش می‌کنند تا درصد دانشجویان موفق را برآورد کنند. اما آیا می‌توان درصد موفقیت دانش آموزانی که در این دوره‌ها نام نویسی کرده‌اند پیش بینی کرد؟ آیا خصوصیات دانشجویی خاصی وجود دارد که بتوان آن را با درصد موفقیت دانشجویان ربط داد؟ آیا داده‌های قابل دسترسی مربوط به دانشجویان برای ‌مؤسسات آموزش عالی وجود دارد که براساس آنها بتوانند درصد موفقیت دانشجویان را پیش بینی کنند؟ پاسخ سوالات تحقیقاتی فوق را عموماً می‌توان با بکارگیری روش‌های داده‌کاوی پیدا کرد. متأسفانه، الگوریتم‌های داده‌کاوی با مجموعه داده‌های بزرگ بهترین عملکرد را نتیجه می‌دهند، درحالیکه داده‌های قابل دسترس برای ‌مؤسسات و مرتبط با این دوره‌ها محدودند و در دسته مجموعه داده‌های کوچک قرار می‌گیرند. به همین دلیل، محوریت این مقاله داده‌کاوی برای مجموعه داده‌های کوچک دانشجویی است و درصدد است که به سوالات مطرح شده با مقایسه دو روش متفاوت داده‌کاوی پاسخ دهد. نتیجه گیری‌های این مطالعه بسیار نویدبخش‌اند و ‌مؤسسات آموزش عالی را تشویق می‌کنند تا روش‌های داده‌کاوی را به عنوان بخش مهمی از سیستم‌های مدیریت دانش آموزش عالی خود بکار گیرند.
کلیدواژه‌ها: داده‌کاوی | سیستم مدیریت دانش | درصد موفقیت دانشجو | داده‌کاوی برای مجموعه داده‌های کوچک | موسسه آموزش عالی | داده‌کاوی آموزشی
مقاله ترجمه شده
6 داده کاوی آموزشی و نقش آن در عرصه آموزشی
سال انتشار: 2014 - تعداد صفحات فایل pdf انگلیسی: 4 - تعداد صفحات فایل doc فارسی: 15
داده کاوی در مورد توضیح گذشته و پیش بینی آینده بوسیله ابزارهای تجزیه و تحلیل داده است. داده کاوی آموزشی یک رشته نوید بخش است که تاثیر حتمی بر عملکرد آکادمیک دانشجویان دارد. هزاران دانشجو هر ساله در کالج ها و دانشگاه ها پذیرش می شوند و در زمان پذیرش است که اطلاعات دانشجویان جمع آوری می شود. به همین ترتیب ، از آنجا که معلمان ( اساتید) به نهادی ملحق می شوند که اطلاعات شخصی و حرفه ای شان را جمع آوری می کند، درک اهمیت داده ها کسب و کار بسیار ضروری است. داده های جمع آوری شده هنگام پذیرش می تواند برای طبقه بندی و پیش بینی رفتار و عملکرد دانشجویان و همچنین عملکرد معلمان مورد استفاده قرار گیرد. بنابر این ، در این مقاله ، ما نقش داده کاوی را در عرصه آموزشی مورد بررسی قرار دادیم. با استفاده از SDAR ، ما ارزش های موجود ، به عنوان مثال عالی ، خوب ، متوسط ، ضعیف و یا عدم موفقیت (رد) را شناسایی کردیم. ما از الگوریتم خوشه بندی میانگین های K به منظور پیدا کردن بهترین خوشه در مورد مشخصه های مانند حضور و غیاب ، فعالیت کلاسی استفاده کردیم. ما همچنین در مورد رویکرد طبقه بندی مبتنی بر قاعده (RBC) بحث می کنیم ؛ این چکیده مجموعه ای از قوانین است که ارتباط بین نگرش های مجموعه داده ها با لیبل کلاس را نشان می دهد. در این مقاله ، ما عملکرد معلمان را بوسیله تکنیک داده کاوی در دانشگاه و کالج مورد برسی قرار می دهیم. کلمات کلیدی: داده کاوی آموزشی ( EDM) | SDAR | میانگین های k | خوشه بندی | طبقه بندی مبتنی بر قاعده (RBC) | بازخورد دانشجو
مقاله ترجمه شده
7 روش های رشد-الگو
سال انتشار: 2014 - تعداد صفحات فایل pdf انگلیسی: 14 - تعداد صفحات فایل doc فارسی: 27
با توسعه بسیاری از الگوریتم¬های قابل توجه در کاوش پیوستگی، همبستگی، علیت، الگوهای ترتیبی، نیمه تناوبی، کاوش الگوهای مکرر مبتنی بر محدودیت، طبقه¬بندی تجمعی، الگوهای ادغام، و غیره، در سال¬های اخیر، بهره¬برداری از الگوهای مکرر (تکرار شونده)، موضوع اصلی در تحقیقات داده¬کاوی بوده¬ است. اگرچه، براساس آنالیز ما، تولید کاندید و آزمایش، بویژه هنگام برخورد با الگوهای طولانی و متعدد، ممکن است هنوز هم گران باشد. روشی جدید به نام رشد الگوی تکرار توسعه یافته است که الگوهای مکرر را بدون تولید کاندید کاوش می¬کند. این روش از فلسفه تقسیم- و- غلبه برای پیش¬بینی و تقسیم بندی پایگاه¬های داده براساس الگوهای مکرر که بطور رایج شناسایی شده¬اند و افازیش و تعمیم چنین الگوهایی به نمونه¬های بزرگتر در پایگاه¬های داده پیش¬بینی شده، استفاده می¬کند. علاوه براین، ساختارهای داده کارآمد برای مقایسه پایگاه¬های داده موثر و پیمایش سریع در حافظه، توسعه یافته¬اند. چنین روشی ممکن است تعداد زمینه¬های کاندید را حذف نموده و یا اساسا تعداد گروه¬های کاندید تولید شده را کاهش دهد و همچنین اندازه پایگاه داده را کاهش دهد تا بطور مکرر مورد بررسی قرار گیرند و بنابراین، سبب عملکرد عالی شود. در این مقاله مروری، به بررسی این روش و آزمون روش اجرا و مفاهیم ضمنی آن برای کاوش چندین نوع الگوی مکرر، شامل پیوستگی، مجموعه ایتم¬های بسته مکرر، الگوهای- حداکثر، الگوهای ترتیبی، و کاوش مبتنی بر محدودیت الگوهای مکرر، می¬پردازیم. همچنین نشان می¬دهیم که رشد الگوی مکرر در کاوش پایگاه¬های داده بزرگ موثر است و همچنین توسعه بیشتر آن می¬تواند منجر به کاوش مقیاس پذیر بسیاری از انواع دیگر الگوها شود.
کلمات کلیدی: روش ها و الگوریتم های داده کاوی مقیاس پذیر | الگوهای مکرر | پیوستگی | الگوهای ترتیبی | کاوش مبتنی بر محدودیت
مقاله ترجمه شده
8 داده کاوی - گذشته، حال و آینده - مطالعه و بررسی نوعی از جریان داده ها
سال انتشار: 2014 - تعداد صفحات فایل pdf انگلیسی: 9 - تعداد صفحات فایل doc فارسی: 20
داده کاوی جریان داده¬ها یکی از حوزه هایی است که با دست یابی به بسیاری از مقاصد عملی، در گامی پر شتاب با روش¬های جدید، فنون و یافته¬های از اعمال مختلف مربوط به پزشکی، علوم کامپیوتر، بیوانفورماتیک، و پیش بینی بازار سهام و ارز، پیش¬بینی وضعیت آب و هوا، پردازش¬های متنی،صوتی و ویدئوئئ، در حال پیشرفت است. داده¬ها و اطلاعات برای توجه کلیدی به داده کاوی داده¬¬ها رخ می¬دهند. بسیاری از داده¬های حجیمی که از چندین سنسور ، پخش گفتگوهای اینترنتی، تویتر، فیس بوک، تراکنش¬های بانکی انلاین یا ATM بصورت آنلاین تولید می¬شوند. مفهوم تغییر داده¬ بلحاظ پویایی به چالش مهمی تبدیل شده است، یعنی چیزی که جریان¬های داده¬¬ای نامیده می¬شود. هدف از مقاله حاضر، ارائه الگوریتمی برای یافتن الگوهای معمول جریان¬های داده¬ای با مطالعه موردی و معرفی اهداف تحقیق با بررسی جریان¬های داده¬¬ای می¬باشد. کلمات کلیدی: خوشه بندی، جریان ها، کاوش، تقلیل ابعاد، جریان متن، جریان داده ها
مقاله ترجمه شده
9 نقش درونی و بیرونی دنباله¬های سنگین در کاوش بصری
سال انتشار: 2014 - تعداد صفحات فایل pdf انگلیسی: 36 - تعداد صفحات فایل doc فارسی: 41
چشم بر روی صحنه¬های بصری حرکت می¬کند تا اطلاعات گردآوری نماید. پژوهش¬ها، توزیع¬های دنباله¬های سنگین را در معیارهای حرکات چشم حین جستجوی چشمی یافته¬اند، این سؤال¬هایی را در خصوص اینکه آیا این توزیع¬ها در حرکات چشم تأثیر می¬گذارند یا خیر، و آیا اینها توسط عوامل داخلی یا بیرونی ایجاد می¬شوند، مطرح نموده¬اند. سه معیار مختلف مسیرهای حرکت چشم طی کاوش بصری تصاویر پیچیده مورد ارزیابی قرار گرفتند و هر سه دریافتند که توزیع دنباله سنگین وجود دارد: خوشه¬بندی مکانی حرکات چشم براساس توزیع قانون توانی و توزیع¬های طول پرش چشم، توزیع نرمال لگاریتمی دارند، و حرکات¬های با سرعت¬های کم، و دامنه-ی کوچک حین ثابت ماندن چشم براساس رابطه¬ی قانون توانی طیفی 1/f اتفاق می¬افتند. تصاویر تغییر داده شدند تا بررسی شود آیا خوشه¬بندی مکانی اطلاعات بصری صحنه نقشی در دنباله¬های سنگین در حرکات چشم دارد یا خیر. مشخص شد که خوشه¬بندی مکانی حرکات چشم و توزیع¬های طولی پرش چشم بسته به نوع تصویر و کار مورد نظر تغییر می¬کنند، اما چنین اثراتی برای سرعت حرکات چشم حین ثابت ماندن آن مشاهده نشد. نتایج نشان می¬دهد توزیع¬های دنباله¬ی سنگین، کلی بوده و در کاوش بصری نقش ذاتی دارند، اما برخی از آنها زمانیکه بسته به کار انجام¬شده، نیاز باشد، با محرک بصری انطباق می¬یابند. مقدار تطبیقی احتمالی توزیع¬های دنباله¬ی سنگین در کاوش بصری مورد بحث و بررسی قرار گرفته است.
مقاله ترجمه شده
10 سیستم پشتیبان تصمیم‌گیری برای پزشکی مبتنی بر شواهد
سال انتشار: 2014 - تعداد صفحات فایل pdf انگلیسی: 10 - تعداد صفحات فایل doc فارسی: 25
یک سیستم حامی تصمیم برای کمک به پزشکان در تحلیل داده‌های مهم بالینی از جمله سابقه پزشکی بیماران، تشخیص و یا درمان به منظور دنبال کردن الگوهای دانش مفید در فرایند تشخیص، ارائه شده است. رویکرد بنیادی اصلی از استدلال موردی (CBR) استفاده می‌کند که در آن، دانش از موارد تجربه شده در گذشته، استخراج می‌شود. به طور ویژه، ما از داده‌کاوی توالی مبتنی بر رویداد، برای یافتن الگوهای متداول در سابقه بیماران و تاکید بر تاثیرات اقدامات پزشکی، استفاده کردیم. ما همچنین از تکنیک بانک اطلاعاتی (انبار داده‌ها)، از جملهOLAP ، استفاده کردیم تا این امکان را برای پزشکان فراهم کنیم که تشخیص را با استفاده از چندین معیار، تحلیل کنند، همچنین رویکردها و ابزارهای اخیر برای تجمیع داده‌های بصری برای حمایت موثر از وظیفه پیچیده تجمیع و تطبیق داده‌های به دست آمده از منابع مختلف پزشکی، با کار گرفته شده‌اند. علاوه براین، به دلیل حضور زیاد اطلاعات متنی در سوابق درمانگاه بسیاری از بیمارستان‌ها، تکنیک‌های کاوش متن، به کار رفته‌اند. به ویژه، ما از یک تحلیل لغوی برای متن آزاد به منظور استخراج لغات متمایز و اطلاعات کدگذاری شده، استفاده کردیم. در نهایت، سیستم، مکانیزمی را فراهم می‌کند که کار کردن با آن برای کاربر آسان است، تا به این ترتیب از داده‌های پزشکی محرمانه، حفاظت شود. اعتبارسنجی سیستم که بیشتر بر قابلیت استفاده موضوعات تمرکز دارد، با انجام اقدامات مبتنی بر یک پایگاه داده از یک بیمارستان عمومی اولیه، اجرا شد.
کلمات کلیدی: پزشکی مبتنی بر شواهد | سیستم‌های حامی تصمیم‌گیری | داده‌کاوی | انباره داده
مقاله ترجمه شده
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi
بازدید امروز: 6140 :::::::: بازدید دیروز: 0 :::::::: بازدید کل: 6140 :::::::: افراد آنلاین: 62