تبلیغات
پروژه های مطلب - الگوریتم تشخیص لبه تصویر مبتنی بر منطق فازی در MATLAB)

امروز:

الگوریتم تشخیص لبه تصویر مبتنی بر منطق فازی در MATLAB)

» نوع مطلب : الکترونیک 8 ،

مقالات ترجمه شده

برای مشاهده مشخصات مقالات روی آنها کلیک کنید.
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir

برق

A study of model reference adaptive control for variable-pressure pump (مطالعه کنترل تطبیقی مدل مرجع برای پمپ فشار متغیر)


A Bi-level Programming Model for Network Traffic Surveillance of Optimal Camera Location

Fuzzy Logic Based Image Edge Detection Algorithm in MATLAB (الگوریتم تشخیص لبه تصویر مبتنی بر منطق فازی در MATLAB)


Development of Monocular Vision System for Depth Estimation in Mobile Robot – Robot Soccer
(توسعه سیستم بینایی یک چشم (Monocular) برای برآورد عمق در ربات متحرک ربات فوتبالیست)

کامپیوتر

Bayesian-Inference-Based Recommendation in Online Social Networks


Applying Data Mining to the Geosciences Data


A Data Mining Analysis of the Parkinson’s Disease


A best-first multivariate decision tree method used for urban land cover classification
موضوعات مرتبط: مقالات ترجمه شده
منتشر شده در تاریخ دوشنبه پنجم اسفند ۱۳۹۲ توسط ADMIN
1504. diabet prediction with using data mining techniques

مقاله شبیه سازی شده

کد پروژه:1504

 

موضوع:داده کاوی؛ سیستم خبره

 

شامل:4 مقاله اصلی +ترجمه مقالات + گزارش کامل از خلاصه ای از مقاله و نتایج شبیه سازی با وکا  Weka+ دیتاستdataset

 

عنوان مقالات:

A comparative study on the pre-processing and mining of Pima Indian Diabetes Dataset

A Hybrid Model of Hierarchical Clustering and Decision Tree for Rule-based Classification of Diabetic Patients

Comparative Study of Different Data Mining Techniques Performance in knowledge Discovery from Medical Database

Performance Enhancement of Classifiers using Integration of Clustering and Classification Techniques

 

 

چکیده

حرفه ای پزشکی نیاز به یک روش پیش بینی قابل اعتماد برای تشخیص دیابت دارد. داده کاوی فرآیند تجزیه و تحلیل داده ها از دیدگاه های مختلف و خلاصه سازی آن به اطلاعات مفید است. هدف اصلی از داده کاوی کشف الگوهای جدید برای کاربران و تفسیر الگوهای داده ها برای ارائه اطلاعات معنی دار و مفید برای کاربران است. داده کاوی در پیدا کردن الگوهای مفید برای کمک به وظایف مهم تشخیص پزشکی و درمان بکار می‌رود. مدل های ترکیبی در داده کاوی و مطالعه پژوهش های پزشکی به تازگی مورد توجه قرار گرفتند. دقت و صحت عملکرد روش استفاده شده از پارامترهای مهم در فرآیندهای داده کاوی است؛ در نتیجه به دنبال روشی هستیم که با دقت بالاتری بیمارانی که خطر ابتلا به دیابت تهدیدشان می کند را پیش بینی کند تا از طریق روشهای پیشگیرانه و درمان؛ احتمال مبتلا شدن به دیابت را کاهش دهد.

کلمات کلیدی

داده کاوی؛ طبقه بندی:  خوشه بندی؛ مجموعه داده دیابتی PIMA

 

 

 Abstract

Data mining in medical data has successfully converted raw data into useful information. This information helps the medical experts in improving the diagnosis and treatment of diseases. In this paper, we review studied data mining applications applied exclusively on an open source diabetes dataset. Type II Diabetes Mellitus is one of the silent killer diseases worldwide. According to the World Health Organization, 346 million people are suffering from diabetes worldwide. Diagnosis or prediction of diabetes is done through various data mining techniques such as association, classification, clustering and pattern recognition. The study led to the related open issues of identifying the need of a relation between the major factors that lead to the development of diabetes. This is possible by mining patterns found between the independent and dependant variables in the dataset. This paper compares the classification accuracies of non-processed and pre-processed data. The results clearly show that the pre-processed data gives better classification accuracy.

Keywords:

Diabetes prediction; Type II Diabetes Mellitus; Data Mining; Data pre-processing

 
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir
سفارش پروژه

 
موضوعات مرتبط: مقالات شبیه سازی شده، مقالات ترجمه شده، شبیه سازی با weka
برچسب‌ها: داده کاوی, طبقه بندی, خوشه بندی, مجموعه داده دیابتی PIMA, شبیه سازی با وکا
منتشر شده در تاریخ پنجشنبه نهم بهمن ۱۳۹۳ توسط ADMIN
1501. A data placement strategy in cloud workflows

مقاله شبیه سازی شده

کد پروژه:1501

 

موضوع: مدیریت داده در جریان کاری ها روی ابرها

A data placement strategy in cloud workflows

 

شامل: 4مقاله از ژورنالهای معتبر + فایل گزارش مروری بر چهار مقاله

 

عنوان مقاله:
A data placement strategy in cloud workflows
استراتژی مدیریت داده روی جریان کاری ها در ابر
 
لیست مقالات:
    1.          A data placement strategy in scientific cloud workflows
    2.          On-demand minimum cost benchmarking for intermediate dataset storage in scientific cloud workflow systems
    3.          Policy Based Data Placement in High Performance Scientific Computing
    4.          Data Management Challenges of Data-Intensive Scientific Workflows
 

خلاصه:

 در جریان کاری علمی روی ابر، نیاز به ذخیره سازی مقادیر زیادی از داده های برنامه در مراکز داده توزیع شده است. برای ذخیره کارا و موثر این داده‌ها، مدیر داده‌ها باید هوشمندانه مراکز داده را برای اقامت این داده‌ها انتخاب کند. به طور سنتی، مرکز داده به طور انتخابی با توجه به ظرفیت ذخیره سازی سیستم تعیین می‌شود (تعیین دستی). در مورد داده‌هایی که مکان ثابت نیستند؛ وقتی یک کار نیاز به مجموعه داده های مختلف واقع در مراکز داده مختلف دارد، حرکت حجم زیادی از داده‌ها به یک چالش تبدیل می‌شود. در حال حاضر انجام کارهای علمی در ابرها محبوب شده است، مجموعه داده های میانی در جریان کاری علمی روی ابر را می‌توان با استراتژی‌های ذخیره سازی‌ مختلف بر اساس مدل «پرداخت به اندازه استفاده» ذخیره کرد و سیستم را مطلوب‌تر ساخت. در صورتی که مدیر داده­ها، مراکز داده محلی را برای استقرار مجموعه داده­ها انتخاب کند؛ حرکت داده­ها میان مراکز داده کم می­شود و تحقیقات نشان داده که کاهش میزان حرکت داده‌ها روی سرعت و کارایی جریان کاری موثر می‌باشد.

 

کلمه کلیدی:

ابر؛ جریان کاری؛ مدیریت داده؛ جریان کارهای علمی

 

سفارش پروژه

 
موضوعات مرتبط: مقالات ترجمه شده
برچسب‌ها: ابر, جریان کاری, مدیریت داده, گردش علمی, cloud
منتشر شده در تاریخ چهارشنبه بیست و چهارم دی ۱۳۹۳ توسط ADMIN
آشوب کیاتیک chaotic chaos

انجامکلیهپروژههای

آشوب کیاتیک chaotic chaos

سیستمهایفوقآشوبیHyperChaos

نمودارهایسهبعدیودوبعدی

لورنزLorenz

چنChen

الیوLU

لجستیکمپLogistic Map

راسلرRossler

هنون henon

جاذبراسلرRössler attractor

نمایلیاپانفLyapunov exponents

سنکرونسازی synchronization

سنکرونسازیتطبیقیAdaptive synchronization

 

مقالهآمادهوشبیهسازیشدهرادرلینکزیرببینین:

مقالاتشبیهسازیشده
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir
تماسبگیرید.

 

سفارش پروژه
موضوعات مرتبط: مقالات شبیه سازی شده، مقالات ترجمه شده، پروژه درسی، شبیه سازی با MATLAB
برچسب‌ها: آشوب کیاتیک chaotic chaos, سیستمهای فوق آشوبیHyperChaos, آشوب, chaotic
منتشر شده در تاریخ جمعه هجدهم مهر ۱۳۹۳ توسط ADMIN
1054. A Bi-level Programming Model for Network Traffic Surveillance of Optimal Camera Location

 

مقاله شبیه سازی

 کد پروژه:1054

 

موضوع: کنترل بهینه

بهینه سازی ترافیک شهری

 

 

 

شامل: 17 مقاله مرتبط+ ترجمه مقاله+ شبیه سازی با ویژوال C + + 2008+ گزارش شبیه سازی 15 صفحه ای دارای توضیح کامل شبیه سازی+  فیلم DEMO آموزش شبیه سازی

 

عنوان مقاله:

A Bi-level Programming Model for Network Traffic Surveillance of Optimal Camera Location

 

 

 

Address: ieeexplore

 
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir
 

چکیده

دوربین های دیجیتال قادر به سنتز تفکیکاطلاعات خودرو از مکان های مختلف هستند.این مقاله، در مورد مشکل چگونگی تعیین محل بهینه  دوربین برای نظارت ترافیک در شبکه جاده های شهری است. همه کاربران به کلاس های متعدد با توجه به درجه پذیرش از نظارت دوربین (ADOCM) تقسیم شده اند. مدل دو سطحی برنامه نویسی برای مشکل محل دوربین (CLP) معرفی شده است.هدف از مسئله سطح بالایی، به حداکثر رساندن مشاهده جریان ترافیک  کل از نظر برنامه ریزان شبکه است. و مسئله سطح پایین تر به تصویر کشیدن مبتنی بر لگاریتم از انتخاب مسیر تصادفی کاربران است.  روش میانگین های متوالی (MSA) و الگوریتم فرانک ولف برای حل این مسئله به کار رفته است.

نمونه های عددی نشان می دهد، بینش مدیریتی دوربین های نظارت که رفتار در برابر دوربین های نظارت بر از دست دادن قابل توجه به نظارت ترافیک شبکه به ارمغان آورد.

 

Cameras enable synthesis of disaggregated vehicle information from multiple locations. This paper addresses the problem of how to determine the optimal locations of cameras for best traffic surveillance in urban road networks. All users are divided into multiple classes according to their own acceptance degree of camera monitoring (ADOCM). A bi-level programming model for camera location problem (CLP) is introduced. The objective of upper level problem is to maximize the total observed traffic flow from the viewpoint of network planners. The lower level problem is to depict the logit-based stochastic route choice behavior of users. The method of successive averages (MSA) and Frank Wolfe algorithm are employed to solve the problem. Numerical examples show the managerial insight that the behavior against camera monitoring has brought considerable loss to network traffic surveillance.

 

 

مقدمه

     یک شبیه سازی ترافیک (ATS) بسته توسعه یافته شبیه سازی میکروسکوپی ترافیک با استفاده از Visual C++ است.که قادر به تکثیر هزاران وسایل نقلیه این است ، که می تواند راه حل یا به عنوان عوامل راه حل تعیین شود، در حال اجرا بر روی یک شبکه طراحی شده جاده ها، چند خط تقاطع با درگیری های خودرو، چراغ های راهنمایی، حتی شبیه سازی میدان ها و تابلوهای راهنمایی وجود دارد، وسایل نقلیه می تواند به دنبال مدل های مختلف جریان ترافیک حرکت کند.

 

طراحی ATS (نسخه روز به روز  (Day-to-day version

در آغاز یک روز به صورت تصادفی مسافران از ریشه تولید می شود، و مسافران برآورد زمان سفر و/ یا کوتاه ترین مسیر را بر اساس تجارب انتخاب می کنند. مسافران در طول انتخاب کوتاه ترین مسیر با توجه به پیش بینی های خود حرکت می کنند. زمان ورود به عنوان مرجع مورد نیاز است و مسافران در مقصد قبل از رسیدن به زمان ورود نیاز دارند؛ .مسافران به دلیل تاخیر و دیرکرد مجازات نمی شوند. در پایان یک روز تمام مسافران به منظور ایجاد شرایط ترافیک مشابه در تمام طول روز پاک خواهند شد.

 

سفارش پروژه

 
 
موضوعات مرتبط: مقالات شبیه سازی شده، مقالات ترجمه شده، پروژه درسی، شبیه سازی با #C
برچسب‌ها: شبیه سازی, ترجمه مقاله, بهینه سازی ترافیک شهری, کنترل بهینه
منتشر شده در تاریخ دوشنبه پانزدهم اردیبهشت ۱۳۹۳ توسط ADMIN
1508. Enhanced Topic-based Vector Space Model for semantics-aware spam filtering

مقاله شبیه سازی شده

کد پروژه:1508

 

موضوع:داده کاوی؛ سیستم خبره ؛ وب معنایی

 

شامل:مقاله اصلی +گزارش کامل از خلاصه ای از مقاله و نتایج شبیه سازی با وکا  Weka+ دیتاستdataset + فایل پاورپوینت برای ارائه

 

عنوان مقاله:
Enhanced Topic-based Vector Space Model for semantics-aware spam filtering
تشخیص هرز نامه‌ها (SPAM) در میان نامه های الکترونیکی (E-mail)

 

خلاصه:

  هرزنامه (اسپم) تبدیل به یک مسئله مهم در امنیت کامپیوتر شده است به دلیل آن که یک کانال برای تهدیدات مانند ویروس‌های کامپیوتری، کرم‌ها و حملات فیشینگ است. بیش از 85٪ از ایمیل‌ها دریافتی هرزنامه است. روش‌های هیوریستیک برای مقابله با این پیام‌ها شامل تکنیک‌های ساده از جمله لیست سیاه[1] فرستنده و یا استفاده از امضای ایمیل، دیگر کاملاً قابل اعتماد نیست. در حال حاضر، بسیاری از راه حل‌های الگوریتم‌های یادگیری ماشین از ویژگی‌های آموزش دیده با استفاده از بازنمایی آماری از قوانین است که معمولاً در ایمیل به نظر می‌رسد.

داده‌کاوی تلاش برای استخراج دانش از انبوه داده های موجود است . داده کاوی به کمک مجموعه ای از روشهای آماری و مدلسازی، می تواند الگوها و روابط پنهان موجود در پایگاه های داده را تشخیص دهد . تاکنون ابزارها و روش های مختلف برای پردازش اطلاعات ساخت یافته توسعه داده شده است که در نتیجه آن ها ساخت پایگاه‌های اطلاعاتی و ایجاد انبارهای داده به سادگی صورت می گیرد. امروزه سازمان‌ها قادرند با هزینه کم اطلاعات وسیعی از وضعیت کسب وکار خود جمع و نگهداری کنند و این موجب شده است که استفاده از روشهای داده‌کاوی، ارزش قابل توجهی را برای سازمان، به دست آورد . رویکردهای موجود به مساله داده کاوی متنوع است . دراین گزارش نگاهی به یکی از کاربردهای داده کاوی یعنی طبقه بندی ایمیل انداخته خواهد  شد و با طبقه بندی های انجام شده هرزنامه ها (spam) را شناسایی می کنیم و در نهایت این مسئله را پیاده سازی خواهیم نمود. ما از چند مدل درختی  شناخته شده‌ یادگیری ماشین استفاده می‌کنیم و نشان می‌دهیم که روش پیشنهادی می‌تواند پیام‌های اسپم شناسایی کند.

 
Abstract

Spam has become a major issue in computer security because it is a channel for threats such as computer viruses, worms and phishing. More than 85% of received e-mails are spam. Historical approaches to combat these messages including simple techniques such as sender blacklisting or the use of e-mail signatures, are no longer completely reliable. Currently, many solutions feature machine-learning algorithms trained using statistical representations of the terms that usually appear in the e-mails. Still, these methods are merely syntactic and are unable to account for the underlying semantics of terms within the messages. In this paper, we explore the use of semantics in spam filtering by representing e-mails with a recently introduced Information Retrieval model: the enhanced Topic-based Vector Space Model (eTVSM). This model is capable of representing linguistic phenomena using a semantic ontology. Based upon this representation, we apply several well-known machine-learning models and show that the proposed method can detect the internal semantics of spam messages.
Keywords

Spam detection; Information Retrieval; Semantics; Computer security;  Machine-learning

 
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir
 

سفارش پروژه
 
موضوعات مرتبط: مقالات شبیه سازی شده، مقالات ترجمه شده، شبیه سازی با weka
برچسب‌ها: مقاله شبیه سازی شده, شبیه سازی با WEKA, ترجمه مقاله و گزارش Word, وب معنایی
منتشر شده در تاریخ پنجشنبه هشتم اسفند ۱۳۹۲ توسط ADMIN
1509. Early Detection of Numerical Typing Errors Using Data Mining Techniques

مقاله شبیه سازی شده

کد پروژه:1509

 

موضوع:داده کاوی؛ سیستم خبره ؛ وب معنایی

 

شامل:مقاله اصلی +گزارش کامل از خلاصه ای از مقاله و نتایج شبیه سازی با وکا  Weka و متلبMatlab+ دیتاستdataset

 

عنوان مقاله:


Early Detection of Numerical Typing Errors Using Data Mining Techniques

تشخیص زودهنگام اشتباهات تایپ عددی با استفاده از تکنیک های داده کاوی

 

خلاصه:

  در این مقاله به مطالعه برنامه های کاربردی از تکنیک های داده کاوی در تشخیص زود هنگام از اشتباهات تایپ کردن عددی توسط اپراتورهای انسانی را از طریق تجزیه و تحلیل کمی از منحنی هایی که توسط دستگاه الکتروگرام چندکاناله (EEG) ضبط شده است. سه تکنیک استخراج ویژگی توسعه یافته براساس capture temporal و morphologicalو مشخصات time–frequency (wavelet)  داده های EEG است.دو مورد متداول مورد استفاده ی تکنیک های داده کاوی عبارتند از:

    1.      خطی (LDA) : linear discriminantan alysis
    2.      ماشین بردار پشتیبان (SVM)

این روشها برای کلاس بندی نمونه های EEG مرتبط با کلید های درست و نادرست است. روشهای cross-validation leave-one-error-pattern-out و leave-one-subject-out طراحی شده اند برای ارزیابی  کارآیی in-and cross-subject classification. برای in-subject classification بهترین عملکرد تست دارای حساسیت 62.20٪ و  حساسیتی که توسط SVM با ویژگی های morphological به دست آمد 51.68٪ است. برای classification cross-subject  بهترین کارآیی عملکرد بوسیله ی LDA با استفاده از ویژگی های زمانی  که در آن حساسیت 68.72٪ و ویژگی از 49.45٪ است. علاوه بر این، آنالیز عامل مشخصه گیرنده (ROC) نشان داد که مقادیر میانگین سطح زیر منحنیROC از LDA و SVM برای طبقه بندی in- and cross subject classifications هر دو بزرگتر از 0.60 با استفاده از EEG 300 میلی ثانیه قبل از کلید است. طبقه بندی نتایج این مطالعه نشان داد که الگوهای EEG کلید اشتباه ممکن است از آنهایی که درست است متفاوت باشد.  در نتیجه،پیش بینی کلید اشتباه را قبل از وقوع خطا ممکن است. مشکل طبقه بندی classification مورد بررسی  در این مطالعه چالش تعداد بسیار محدودی کلید اشتباه ساخته شده توسط هر یک از موضوع و ویژگی های فضایی و زمانی complex spatiotemporal پیچیده ای از داده ها EEG است. با این حال، نتیجه این مطالعه بسیار دلگرم کننده است، و آن را وعده آینده نگر به منظور توسعه یک سیستم تشخیص زود هنگام برای کلید اشتباه بر اساس موج سیگنال های مغز است.

 

 

کلمه کلیدی:: تشخیص زود هنگام - طبقه بندی(EEG)- نظارت بر وضعیت روانی -  تایپ کردن اشتباه
Abstract
This paper studies the applications of data mining techniques in early detection of numerical typing errors by human operators through a quantitative analysis of multichannel electroencephalogram (EEG) recordings. Three feature extraction techniques were developed to capture temporal, morphological, and time-frequency (wavelet) characteristics of EEG data. Two most commonly used data mining techniques, namely, linear discriminant analysis (LDA) and support vector machine (SVM), were employed to classify EEG samples associated with correct and erroneous keystrokes. The leave-one-error-pattern-out and leave-one-subject-out cross-validation methods were designed to evaluate the in- and cross-subject classification performances, respectively. For the in-subject classification, the best testing performance had a sensitivity of 62.20% and a specificity of 51.68%, which were achieved by SVM using morphological features. For the cross-subject classification, the best testing performance was achieved by LDA using temporal features, based on which it had a sensitivity of 68.72% and a specificity of 49.45%. In addition, the receiver operating characteristic (ROC) analysis revealed that the averaged values of the area under ROC curves of LDA and SVM for the in- and cross-subject classifications were both greater than 0.60 using the EEG 300 ms prior to the keystrokes. The classification results of this study indicated that the EEG patterns of erroneous keystrokes might be different from those of the correct ones. As a result, it may be possible to predict erroneous keystrokes prior to error occurrence. The classification problem addressed in this study is extremely challenging due to the very limited number of erroneous keystrokes made by each subject and the complex spatiotemporal characteristics of the EEG data. However, the outcome of this study is quite encouraging, and it is promising to develop a prospective early detection system for erroneous keystrokes based on brain-wa- - ve signals.
Keywords
data mining; electroencephalography ; feature extraction ; medical signal processing ; pattern classification; statistical analysis; support vector machines
 

سفارش پروژه

 
موضوعات مرتبط: مقالات شبیه سازی شده، مقالات ترجمه شده، شبیه سازی با MATLAB، شبیه سازی با weka
برچسب‌ها: شبیه سازی با MATLAB و WEKA, ترجمه مقاله, گزارش Word, مقاله شبیه سازی شده, داده کاوی
منتشر شده در تاریخ پنجشنبه هشتم اسفند ۱۳۹۲ توسط ADMIN
1518. A best-first multivariate decision tree method used for urban land cover classification

مقاله شبیه سازی شده

کد پروژه:1518

موضوع:  Data Miningداده کاوی

شامل: فایل Word ترجمه + شبیه سازی با وکا

A best-first multivariate decision tree method used for urban land cover classification

 

Address: ieeexplore

EndNote

W.-t. Cai, et al., "A best-first multivariate decision tree method used for urban land cover classification," in Geoinformatics, 2010 18th International Conference on, 2010, pp. 1-5.

Abstract

Nowadays China has speeded up urbanization, urban land use occurred in areas of significant change. In order to obtain land cover information speedily and correctly, many methods from data mining are used to classify the remote sensing image. In recent years, using decision trees (DTs) to classify remotely sensed data has increased, due to the algorithm running fast and making no statistical assumptions. While in remotely sensed data, the classification borders of topographic features are often not parallel with the feature space axes. So it will result in a large decision tree and poor generalization to the unobserved instances, if we use univariate DT method which tests a single feature at a node and splits the instance space with borders parallel with the features'. Aiming at the defect of univariate DT method, in this paper, principal component analysis-based approach and “best-first” method which is superior to the depth-first method that standard DT learners used are combined to construct a multivariate DT in which each tree node test can be based on one or more of the input features. In order to construct a good multivariate DT, the following issues are considered in this paper: calculating features for classification, determining the best feature space dimension, and avoiding overfitting the training data. In this study, separate test and training data sets from multispectral Landsat TM are used to evaluate the performance of univariate and multivariate DT for land cover classification. Evaluation factors considered are: the training data set size, the final tree size built by DT algorithms and algorithms classification accuracy. When compared our multivariate method with C4.5, a univariate DT algorithms, the experiments confirm that the multivariate DT builds a pithiness tree and generally improves the accuracy of the resulting DT over a univariate tree.
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir
 

Keywords

data mining; decision trees; geophysical techniques; principal component analysis; remote sensing; terrain mapping; topography (Earth)

سفارش پروژه
موضوعات مرتبط: مقالات شبیه سازی شده، مقالات ترجمه شده، شبیه سازی با weka
برچسب‌ها: داده کاوی, روش های درخت تصمیم گیری, شبیه سازی با وکا, classification
منتشر شده در تاریخ سه شنبه ششم اسفند ۱۳۹۲ توسط ADMIN
1506. A Data Mining Analysis of the Parkinson’s Disease

 

مقاله شبیه سازی شده

 

کد پروژه:1506

 

 

 

موضوع: سیستم خبره + داده کاوی Data Mining

 

A Data Mining Analysis of the Parkinson’s Disease

 

 

 

 

 

شامل:مقاله اصلی + ترجمه + شبیه سازی با وکا + گزارش شبیه سازی


Address: ebscohost

خلاصه:

 

امروزه تصمیم گیری بالینی نیاز به اطلاعات موجود به عنوان راهنمایی برای پزشکان دارد. روش داده کاوی در تحقیقات پزشکی در جهت تجزیه و تحلیل حجم زیادی از داده های پزشکی مورد استفاده است. این مطالعه به منظور استفاده از روش استخراج داده به تجزیه و تحلیل بانک اطلاعاتی از بیماری پارکینسون و بررسی اینکه آیا متغیرهای اندازه گیری صوتی می تواند ابزار تشخیصی برای بیماری پارکینسون است.

 

در تحقیقات بالینی اطلاعات پزشکی برای تشخیص و مراقبت از بیمار ضروری است.وآن را نیزبه عنوان اطلاعات مفید برای تسهیل بهبود درمانیو انجام تحقیقات پزشکی استفاده می کنند. به منظور ادغام و یکپارچه سازی مدیریت اطلاعات بالینی، تجزیه و تحلیل داده های پزشکی و توسعه برنامه های کاربردی، هوش تصمیم گیری بالینی(CDI) محدوده ی  جدید برای ساده کردن مدیریت داده ها از عملکرد بالینی، پرستاری، بهداشت و درمان؛ مدیریت بهداشت و درمان ایجاد کرده است.

 

بیماری پارکینسون (PD)  بیماری عصبی می باشد؛ بسیاری از بیماریهای عصبی دوی آوای بیماران تاثیر می گذارد و صدا می تواند کمک های ارزشمند در تشخیص بیماری عصبی داشته باشد. بیماری پارکینسون  در حدود 45٪ از بیماران را تحت تاثیر اختلالات صوتی  قرار می دهد.

 

این مطالعه شامل چندین روش های تجزیه و تحلیل های مختلف، از جمله تجزیه و تحلیل عاملی، رگرسیون لجستیک، درخت تصمیم گیری وشبکه عصبی به تجزیه و تحلیل داده ها از PD است.

 

azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir
ABSTRACT

 

 Clinical decision–making needs available information to be the guidance for physicians. Nowadays, data mining method is applied in medical research in order to analyze large volume of medical data. This study attempts to use data mining method to analyze the databank of Parkinson’s disease and explore whether the voice measurement variables can be the diagnostic tool for the Parkinson’s disease.

 

Keywords:

 

Parkinson’s Disease, Data Mining, Decision Tree, Neural Network

 

 

 

سفارش پروژه
موضوعات مرتبط: مقالات شبیه سازی شده، مقالات ترجمه شده، شبیه سازی با weka
برچسب‌ها: داده کاوی, درخت تصمیم, بیماری پارکینسون, شبکه عصبی, Data Mining
منتشر شده در تاریخ سه شنبه ششم اسفند ۱۳۹۲ توسط ADMIN
1505. Applying Data Mining to the Geosciences Data


مقاله شبیه سازی شده

کد پروژه:1505

 

 موضوع: سیستم خبره + داده کاوی Data Mining

Applying Data Mining to the Geosciences Data

 

 

 

شامل:مقاله اصلی + ترجمه + شبیه سازی با وکا + گزارش شبیه سازی

Address: sciencedirect

خلاصه:

در این زمینه داده کاوی بنا به ویژگی های داده های پتروفیزیکی، داده های مربوط به زمین، داده های لرزه نگاری وداده های زمین شناسی(geological data) انجام می گیرد. با استفاده از روش های مختلف استخراج از داده ها؛ پردازش اطلاعات مربوطه، و توصیف نتایج موثرتر استفاده شده است.

با توجه به تکنیک های داده کاوی، داده های  پتروفیزیکی برای پیدا کردن روابط و پیش بینی مخازن ؛و داده های واقعه نگاری(logging data) برای ارزیابی فازی مخازن و مشخص کردن مخازن موثر در شرایط زمین شناسی پیچیده؛ نتایج معادن فضایی از داده های لرزه ای سه بعدی3d؛ نتایج نمودار و متن کاوی از داده های زمین شناسی است. استخراج داده های نفت و گاز طبیعی از اکتشاف و روش تجزیه و تحلیل داده ها و مدل ریاضی مربوطه برای پردازش داده های اکتشافی، و گرفتن اطلاعات بالقوه و پنهانی از آنهاست.


ABSTRACT

The article detailedly addresses the features of the petrophysical data, logging data, seismic data and geological data based on the concepts of the data mining.

The mining ideas regarding the petrophysical and logging data, seismic data and geological data are made based on their features. The article uses different mining ways to process the corresponding data, and describes the results from the perspective of the functions of data mining.

According to the data mining techniques, the petrophysical data are applied to find the relations and forecast reservoirs; the logging data will be employed to evaluate the fuzzy reservoirs and recognize the effective reservoirs in complicated geological conditions; the space mining results of the 3D seismic data; the charts and text mining results of the geological data. The oil and natural gas data mining in the exploration adopts the methods of data analysis and the corresponding mathematical model to process the exploration data, and get the potential information. It has realized the purpose that the data guide exploration and given the concept of data exploration.

 

Keywords:

data mining; petrophysical data; logging data; seismic data; geological data; data exploration;


            سفارش پروژه

موضوعات مرتبط: مقالات شبیه سازی شده، مقالات ترجمه شده، شبیه سازی با weka
برچسب‌ها: data mining, داده کاوی, petrophysical data, logging data, geological data
منتشر شده در تاریخ سه شنبه ششم اسفند ۱۳۹۲ توسط ADMIN
1519. Bayesian-Inference-Based Recommendation in Online Social Networks

مقاله ترجمه شده

کد پروژه: 1519

موضوع: وب معنایی

شامل: فایل Word ترجمه

Bayesian-Inference-Based Recommendation in Online Social Networks

Address: ieeexplore

EndNote
X. Yang, et al., "Bayesian-Inference-Based Recommendation in Online Social Networks," Parallel and Distributed Systems, IEEE Transactions on, vol. 24, pp. 642-651, 2013.
Abstract

In this paper, we propose a Bayesian-inference-based recommendation system for online social networks. In our system, users share their content ratings with friends. The rating similarity between a pair of friends is measured by a set of conditional probabilities derived from their mutual rating history. A user propagates a content rating query along the social network to his direct and indirect friends. Based on the query responses, a Bayesian network is constructed to infer the rating of the querying user. We develop distributed protocols that can be easily implemented in online social networks. We further propose to use Prior distribution to cope with cold start and rating sparseness. The proposed algorithm is evaluated using two different online rating data sets of real users. We show that the proposed Bayesian-inference-based recommendation is better than the existing trust-based recommendations and is comparable to Collaborative Filtering (CF) recommendation. It allows the flexible tradeoffs between recommendation quality and recommendation quantity. We further show that informative Prior distribution is indeed helpful to overcome cold start and rating sparseness.

Keywords

belief networks; inference mechanisms; query processing;recommender systems; social networking (online)

 

سفارش پروژه
موضوعات مرتبط: مقالات ترجمه شده
برچسب‌ها: شبکه اجتماعی, داده کاوی, وب معنایی, سیستم خبره
منتشر شده در تاریخ سه شنبه ششم اسفند ۱۳۹۲ توسط ADMIN
1038. Development of Monocular Vision System for Depth Estimation in Mobile Robot – Robot Soccer

مقاله ترجمه شده

کد پروژه:1038

 

موضوع:رباتیک - روبات فوتبالیست

 

شامل:مقاله اصلی + فایل Word ترجمه و PowerPoint ارائه

 

عنوان مقاله:

Development of Monocular Vision System for Depth Estimation in Mobile Robot – Robot Soccer

توسعه سیستم بینایی یک چشم (Monocular) برای برآورد عمق در ربات متحرک - ربات فوتبالیست

Address: ieeexplore

 

EndNote

 

M. Wahab, et al., "Development of monocular vision system for depth estimation in mobile robot—Robot soccer," in Sustainable Utilization and Development in Engineering and Technology (STUDENT), 2011 IEEE Conference on, 2011, pp. 36-41.

 
Abstract

 

Vision system could enhance the mobile robot applications and features. However, the vision system could also improve the overall system of mobile robot so as to contain higher complexity with the purpose to be reliable, effective, robust and fast enough to achieve their goals. This paper will present a simple yet reliable monocular vision system in the mobile robot to increase their capabilities in depth estimation. By comparing few methods for circle detection such as Hough Transform (HT), Fast-Finding-and-Fitting (FFF) and background subtraction algorithm, the object of interest can be detected thus diameter will be calculated and finally estimated depth is obtained. This paper also will show the trick on how to solve the depth estimation if the object being too close to the camera. The relationship between distance and diameter is calculated by formula that is derived from calibration data.

 

Keywords

 

Hough transforms; mobile robots; object detection; robot vision

 

چکیده

 

سیستم بینایی می تواند برنامه های کاربردی و ویژگی های ربات را بهبود بخشد.با این حال، سیستم بینایی نیز می تواند کل سیستم رباتهای متحرک به طوری که شامل پیشرفت و پیچیدگی بالاتر با هدف قابل اعتماد، موثر، قوی و به اندازه کافی سریع برای رسیدن به اهداف خود را بهبود بخشد.این مقاله یک سیستم ساده و در عین حال قابل اعتماد در سیستم بینایی یک چشمMonocular رباتهای متحرک برای افزایش قابلیت های آنها در برآورد عمق ارائهمی دهد. با مقایسه چند روش برای تشخیص دایره مانند تبدیل هاف Hough Transform (HT)، پیدا کردن سریع و مناسب Fast-Finding-and-Fitting (FFF) و الگوریتم تفاضل پس زمینهbackground subtraction algorithm ، می توان به این ترتیب شی مورد نظر را شناسایی و قطر را محاسبه کرد و در نهایت عمق به دست آمده تخمین زده می شود. این مقاله همچنین روشی در مورد چگونگی حل برآورد عمق اگر شیئی بیش از حد نزدیک به دوربین باشد را نشان می دهد. رابطه بین فاصله و قطر با استفاده از فرمولی که از داده های کالیبراسیون مشتق شده است محاسبه می شود.

 

کلمات کلیدی

 

:ربات های متحرک mobile robot، تبدیل هاف Hough Transform (HT)، پیدا کردن سریع و مناسب Fast-Finding-and-Fitting (FFF)، الگوریتم تفاضل پس زمینه  background subtraction algorithm، فاصلهdistance ، قطر diameter

سفارش پروژه
موضوعات مرتبط: مقالات ترجمه شده
برچسب‌ها: رباتیک, ربات فوتبالیست
منتشر شده در تاریخ دوشنبه پنجم اسفند ۱۳۹۲ توسط ADMIN
1036. A Bi-level Programming Model for Network Traffic Surveillance of Optimal Camera Location

مقاله ترجمه شده

 

کد پروژه:1036

 azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir

 

 

موضوع: کنترل بهینه

 

 

 

شامل:مقاله اصلی + فایل Word ترجمه و PowerPoint ارائه

 

 

 

عنوان مقاله:

 


A Bi-level Programming Model for Network Traffic Surveillance of Optimal Camera Location

 


EndNote


نوشته شده در : پنجشنبه 14 اردیبهشت 1396  توسط : پروژه پروزتی.    نظرات() .

Cialis generic
دوشنبه 7 خرداد 1397 06:38 ق.ظ

Incredible many of terrific knowledge.
cialis australian price wow look it cialis mexico cialis 20 mg cut in half only here cialis pills cialis 10mg prix pharmaci cialis patent expiration tadalafil 20 mg cialis generico in farmacia generic cialis in vietnam cialis tablets
Viagra sans ordonnance
سه شنبه 4 اردیبهشت 1397 11:38 ق.ظ

Appreciate it! Plenty of information.

how to get prescription viagra how to order viagra pharmacy usa online how to order viagra online honest place to buy viagra viagra on prescription uk buy viagra over the counter cheap sildenafil uk buy viagra brand online buy viagra walgreens
Buy cialis online
شنبه 18 فروردین 1397 03:44 ق.ظ

With thanks! A lot of posts.

overnight cialis tadalafil cialis bula generic cialis soft gels click here cialis daily uk cialis 200 dollar savings card cialis generico postepay generico cialis mexico precios cialis peru cialis 10mg prix pharmaci cialis kamagra levitra
Buy cialis
شنبه 4 فروردین 1397 02:20 ق.ظ

Nicely put. Regards.
canadian discount cialis cialis kamagra levitra generic cialis pill online order a sample of cialis cialis 5mg prix deutschland cialis online cialis per paypa cialis in sconto achat cialis en europe only here cialis pills
Online cialis
دوشنبه 28 اسفند 1396 07:33 ق.ظ

Info effectively taken.!
how to buy cialis online usa cialis en 24 hora cialis 5 mg scheda tecnica cialis manufacturer coupon cialis kaufen bankberweisung cialis for daily use cialis online cialis daily new zealand canadian cialis tadalafil 5mg
How does Achilles tendonitis occur?
دوشنبه 16 مرداد 1396 10:05 ب.ظ
Hi there to all, the contents present at this site are
truly awesome for people experience, well, keep up the nice work fellows.
 
لبخندناراحتچشمک
نیشخندبغلسوال
قلبخجالتزبان
ماچتعجبعصبانی
عینکشیطانگریه
خندهقهقههخداحافظ
سبزقهرهورا
دستگلتفکر