پایان نامه ی بسیار جالب و کاملی در زمینه ی تشخیص بیماری با استفاده از الگوریتم های داده کاوی می باشد. برای دانشجویان و علاقمندان به این نوع مباحث، پیشنهاد می کنم حتما این پایان نامه رو مطالعه فرمائید
چکیده
درختان تصمیم گیری به عنوان یکی از تکنیک های داده کاوی کاربرد زیادی در اعتبارسنجی مشتریان بانک و
شناسایی آن ها برای اعطای تسهیلات اعتباری دارد. مسئله اصلی در پیچیدگی درختان تصمیم گیری، اندازه بیش از حد،
عدم انعطاف پذیری و دقت کم در طبقه بندی است. هدف از این مقاله ارائه مدل ترکیبی در بهینه سازی درختان تصمیم
گیری توسط تکنیک الگوریتم ژنتیک به منظور حل مسائل ذکر شده در فوق برای اعتبارسنجی مشتریان بانک است. به
نظر می رسد بتوان با انتخاب ویژگی های مناسب و ساخت درختان تصمیم گیری توسط الگوریتم ژنتیک به کاهش
پیچیدگی و افزایش انعطاف پذیری درختان تصمیم گیری پرداخت. در مدل ترکیبی پیشنهادی ابتدا داده های اعتباری
به دو خوشه تقسیم می شوند. سپس با استفاده از الگوریتم ژنتیک، پنج SimpleKmeans توسط تکنیک خوشه بندی
و طرح جاسازی شده بر پایه درخت تصمیم گیری ژنتیکی، Wrapper ، الگوریتم انتخاب ویژگی مبتنی بر سه رویکرد فیلتر
به انتخاب ویژگی های اعتبارسنجی مهم در مجموعه داده می پردازند. در ادامه پنج درخت تصمیم گیری مبتنی بر
در هر خوشه با مجموعه ویژگی های منتخب ساخته می شود. بهترین درختان تصمیم گیری در هر خوشه C الگوریتم 4.5
مبتنی بر معیارهای بهینگی مورد نظر در این مقاله انتخاب شده و با هم ترکیب می شوند تا درخت تصمیم گیری نهایی
برای رسیدن به نتایج بکار GATree برای اعتبارسنجی مشتریان بانک ایجاد شود. ابزار یادگیری ماشین وکا و نرم افزار
گرفته شده است. نتایج پژوهش نشان می دهد که استفاده از مدل ترکیبی پیشنهادی در ساخت درخت تصمیم گیری
منجر به افزایش دقت طبقه بندی نسبت به بسیاری از الگوریتم های مقایسه شده در این مقاله می شود؛ ولی پیچیدگی
الگوریتم مدل ترکیبی پیشنهادی از برخی الگوریتم های طبقه بندی مقایسه شده در این مقاله بیشتر است.
این محصول در قالب ورد و قابل ویرایش در 104 صفحه می باشد.
چکیده
داده کاوی و کشف دانش در پایگاه داده ها از جمله موضوع هایی هستند که همزمان با ایجاد و استفاده از پایگاه داده ها در اوایل دهه 80 برای جستجوی دانش در داده ها شکل گرفت.شاید بتوان لوول (1983) را اولین شخصی دانست که گزارشی در مورد داده کاوی تحت عنوان « شبیه سازی فعالیت داده کاوی » ارائه نمود. همزمان با او پژوهشگران و متخصصان علوم رایانه، آمار، هوش مصنوعی، یادگیری ماشین و . . . نیز به پژوهش در این زمینه و زمینه های مرتبط با آن پرداخته اند.هدف از انجام این پروژه ایجاد یک وب سایت فروشگاه اینترنتی با قابلیت ارزیابی مشتری به کمک الگورینم رگرسیون است. همچنین به بررسی دیگر الگوریتمها نیز پرداخته شده است.
بهینه سازیِ شبیه سازیِ برنامه تولید با استفاده از الگوریتم ژنتیک مطالعه موردی: کارخانه کاشی گلدیس
130 صفحه
چکیده:
در حال حاضر پیچیدگی و پویایی روزافزون محیط‌های تولیدی، کاربرد مدل‌های تحلیلی را در ارزیابی و تصمیم‌گیری آن‌ها با محدودیت‌های قابل توجهی روبه‌رو نموده است. لذا استفاده از شبیه‌سازی رایانه‌ای به‌عنوان ابزاری که قابلیت گسترده‌ای در فرموله‌نمودن سیستم‌های فوق دارد، به‌طور وسیع مورد استقبال قرار گرفته است. با این وجود، ارائه بهترین راه‌حل همواره یکی از چالش‌های اصلی این حوزه است.
در این راستا، پژوهش پیش رو به چگونگی حل مشکل برنامه‌ریزی خط تولید کاشی کارخانه مورد مطالعه پرداخت. مسئله تعیین تعداد بافرهای تخصیصی به هر خط بود. با استفاده از ترکیب تکنیک شبیه‌سازی رایانه‌ای و الگوریتم بهینه‌سازی ژنتیک، تعداد بهنیه بافرهای تخصیصی مشخص شد و زمان توقف کوره به حداقل ممکن خود رسید. ابتدا، سیستم تولیدی با استفاده از تکنیک شبیه‌سازی مدل شد و سپس از ترکیب آن با الگوریتم بهینه‌سازی ژنتیک، جواب‌های بهینه حاصل شدند.
بطور خلاصه، می‌توان هدف از انجام این پژوهش را این‌چُنین بیان کرد:
کاهش زمان توقف کوره از طریق تخصیص بهینه بافرها به خطوط تولیدی از طریق ترکیب تکینک شبیه‌سازی و الگوریتم بهینه‌سازی ژنتیک.
کلمات کلیدی: بهینه سازیِ شبیه سازی، الگوریتم های فرا ابتکاری، الگوریتم ژنتیک، برنامه ریزی تولید