تشخیص بیماری نیوکاسل مرغ با استفاده از آنالیز موجک صدای قلب
چکیده
در این پژوهش به تشخیص بیماری نیوکاسل پرنده از روی سیگنال صدای قلب پرداخته شده است. بدین منظور جوجه-
های مرغ ابتدا به دو دسته تقسیم شدند. یک گروه توسط بیماری نیوکاسل آلوده گردید و توسط گوشی پزشکی به ضبط
صدای قلب جوجهها پرداخته شد. این سیگنالها توسط تبدیل موجک دابچی نوع اول به حوزه زمان فرکانس انتقال داده -
شدند و 93 ویژگی از ضرایب تقریب و جزییات سطح دوم تبدیل موجک استخراج گردید. به منظور دسترسی به بهترین
ویژگیها با استفاده از روش IDE ، تعداد 12 ویژگی انتخاب شد. ماشین بردار پشتیبان ) SVM ( به عنوان طبقه بند مورد
استفاده قرار گرفت و تابع شعاعی گوسی ) RBF ( به منظور ابر صفحه این طبقه بند به کار گرفته شد. در مرحله اول ماشین
بردار پشتیبان با 172 سیگنال صدای قلب آموزش داده شد تا ساختار مناسب طبقه بند شکل گیرد و پس از آن با 12 سیگنال
صدای قلب مورد آزمون قرار گرفت. دقت SVM در تشخیص بیماری نیوکاسل بر اساس سیگنال صدای قلب 2 روز پس از
32 % بهدست آمد.
پایان نامه رشته کامپیوترو نرم افزار بررسی ومطالعه ی کامل داده کاوی و داده کاوی با SQL SERVER2005
دانلود پایان نامه آماده
دانلود پایان نامه رشته کامپیوترو نرم افزار بررسی ومطالعه ی کامل داده کاوی و داده کاوی باSQL SERVER2005 با فرمت ورد و قابل ویرایش تعدادصفحات 220
چکیده
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 را پردازش کرد و اطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد. داده کاوی یکی از مهمترین روش ها ی کشف دانش 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.داده کاوی را تحلیل گران با اهداف گوناگونی از قبیل کلاس بندی, پیش بینی, خوشه بندی ,تخمین انجام می دهند. برای کلاس بندی, مدل هاو الگوریتم هایی مانند قاعده ی بیز, درخت تصمیم, شبکه ی عصبی, الگوریتم ژنتیک مطرح شده است.برای پیش بینی مدل رگرسیون خطی ومنطقی و برای خوشه بندی الگوریتم های سلسله مراتبی و تفکیکی, وبرای تخمین مدل های درخت تصمیم و شبکه ی عصبی مطرح می شود. در فصل دوم و سوم با الگوریتم ژنتیک که یکی از الگوریتم های داده کاوی و با شبکه ی عصبی که یکی از مدل های داده کاوی هستند آشنا می شویم .درفصل چهارم به محاسبات نرم و برخی از اجزای اصلی ان و نقش آنها در داده کاوی می پردازیم. در فصل پنجم با ابزارهای داده کاوی آشنا می شویم . برای داده کاوی ابزارهای متنوعی وجود دارد. می توان ابزارداده کاوی را با تطبیق آن ابزار با داده های مسئله و با توجه به محیط داده ای که می خواهید از آن استفاده کنید، و امکاناتی که آن ابزار دارد انتخاب کنید.وسپس به داده کاوی با SQLSERVER2005 می پردازیم .ودرفصل ششم به داده کاوی با SQL SERVER2005 روی بانک اطلاعاتی دانشگاه آزاد قوچان پرداختیم.
-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 را پردازش کرد و اطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد .با استفاده از 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 خیلی بالا باشد ، کاربران هر چند زبر دست 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 شوند ، هزینه عملیات از نظر نیروی انسانی و مادی بسیار بالا است .از سوی دیگر کاربران معمولا فرضیه ای را مطرح می کنند و سپس بر اساس گزارشات مشاهده شده به اثبات یا رد فرضیه می پردازند ، در حالی که امروزه نیاز به روشهایی است که اصطلاحا به کشف دانش بپردازند یعنی با کمترین دخالت کاربر و به صورت خودکار الگوها و رابطه های منطقی را بیان نمایند . داده کاوی یکی از مهمترین این روش ها 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 .
مقاله بررسی داده کاوی در محاسبات ابری
تعداد صفحات : 5
زبان مقاله : انگلیسی
موضوع : داده کاوی در محاسبات ابری
سال چاپ : 2012 میلادی
دانلود مقاله 2016 انگلیسی داده های بزرگ -- داده کاوی در بیگ دیتا با حفظ حریم خصوصی -- Data Mining Big Data Privacy
نوع مطلب: مقاله انگلیسی ژورنال
تعداد صفحات: 4
زبان مقاله: انگلیسی
محل انتشار: ژورنال بین المللی پژوهش های پیشرفته در مهندسی کامپیوتر و مخابرات(International Journal of Advanced Research in Computer and Communication Engineering)
هزینه ترجمه تخصصی : 75 هزار تومان
چکیده انگلیسی:
Abstract: Big data is large volume, heterogeneous, decentralized distributed data with different dimensions. In Big data applications data collection has grown continuously, due to this it is difficult to manage, capture or extract and process data using existing software tools. Performing data analysis is becoming expensive with large volume of data in data warehouse. Data privacy is one of the challenge in data mining with big data. To preserving the privacy of the user we need to use some method so that data privacy is preserve and at the same time increase the data utility. In existing centralized algorithms it assumes that the all data should be at centralized location for anonymization which is not possible for large scale dataset,and there was distributed algorithms which mainly focus on privacy preservation of large dataset rather than the scalability issue. In the proposed system we focus to maintain the privacy for distributed data, and also overcome the problems of M-privacy and secrecy approach with new anonymization and slicing technique. Our main goal is to publish an Genuine or Anonymized view of integrated data, which will be immune to attacks. We use MR-Cube approach which addresses the challenges of large scale cube computation with holistic measure.Slicing contains tuple partition, generalization, slicing and anonymization. Once slicing is done the anonymized data can freely access by user with more data availability.
Keywords: Big Data, Hadoop, Map-Reduce, HDFS, MR-Cube, Data Security, slicing.
کلمات کلیدی:
دانلود مقاله داده های بزرگ، دانلود مقاله کلان داده ها، دانلود مقاله داده های حجیم، دانلود مقاله داده های عظیم، دانلود مقاله Big Data، دانلود مقاله بیگ دیتا، چالش های رایانش ابری، چالش های داده های بزرگ، چالش های Big Data، ارتباط رایانش ابری و داده های بزرگ، دانلود پایان نامه کامپیوتر، دانلود پایان نامه انگلیسی کامپیوتر، تز دکتری کامپیوتر، تز ارشد کامپیوتر، تز کارشناسی ارشد کامپیوتر، دانلود پایان نامه رشته کامپیوتر، دانلود پایان نامه کارشناسی ارشد کامپیوتر، دانلود پایان نامه دکتری کامپیوتر، دانلود پایان نامه دکترای کامپیوتر، مقاله آی اس آی، مقاله ای اس ای، مقاله آی اس آی 2015، مقاله isi 2015، مقاله رشته کامپیوتر، مقاله داده کاوی، مقاله داده های بزرگ، دانلود مقاله داده های بزرگ، دانلود مقاله کلان داده ها، دانلود مقاله داده های حجیم، دانلود مقاله داده های عظیم، دانلود مقاله Big Data، دانلود مقاله، دانلود پایان نامه کامپیوتر، دانلود پایان نامه انگلیسی کامپیوتر، تز دکتری کامپیوتر، تز ارشد کامپیوتر، تز کارشناسی ارشد کامپیوتر، دانلود پایان نامه رشته کامپیوتر، دانلود پایان نامه کارشناسی ارشد کامپیوتر، دانلود پایان نامه دکتری کامپیوتر، دانلود پایان نامه دکترای کامپیوتر، مقاله آی اس آی، مقاله ای اس ای، مقاله آی اس آی 2015، مقاله isi 2015، مقاله رشته کامپیوتر، مقاله داده کاوی، مقاله داده های بزرگ، مقاله 2015 ، مقاله انگلیسی ترجمه شده، مقاله کامپیوتر ترجمه شده، مقاله داده های بزرگ ترجمه شده، مقاله ترجمه شده جدید داده های بزرگ، داده های بزرگ مکانی، داده های مکانی بزرگ، داده های عظیم مکانی، داده های مکانی عظیم، کلان داده های مکانی، داده های کلان مکانی، داده های مکانی کلان، داده های حجیم مکانی، داده های مکانی حجیم، زمینه های کاری داده های بزرگ، زمینه های کاری big data، موضوع پایان نامه داده های بزرگ، موضوع پایان نامه big data، مقاله ترجمه شده جدید، مقاله با ترجمه، مقاله ISI با ترجمه، 2015 Thesis, ISI Article, Big data Thesis, Data mining thesis, privacy preserving data mining thesis, numerical matrices thesis, social network analysis thesis, مقاله 2015 ، مقاله انگلیسی ترجمه شده، مقاله کامپیوتر ترجمه شده، مقاله داده های بزرگ ترجمه شده، مقاله ترجمه شده جدید داده های بزرگ، داده های بزرگ مکانی، داده های مکانی بزرگ، داده های عظیم مکانی، داده های مکانی عظیم، کلان داده های مکانی، داده های کلان مکانی، داده های مکانی کلان، داده های حجیم مکانی، داده های مکانی حجیم، زمینه های کاری داده های بزرگ، زمینه های کاری big data، موضوع پایان نامه داده های بزرگ، موضوع پایان نامه big data، مقاله ترجمه شده جدید، مقاله با ترجمه، مقاله ISI با ترجمه، 2015 Thesis, ISI Article, Big data Thesis, Data mining thesis, privacy preserving data mining thesis, numerical matrices thesis, social network analysis thesis, numerical matrix, social networks analysis
پس از خرید از درگاه امن بانکی لینک دانلود در اختیار شما قرار میگیرد و همچنین به آدرس ایمیل شما فرستاده میشود.
تماس با ما برای راهنمایی، درخواست مقالات و پایان نامه ها و یا ترجمه با آدرس ایمیل:
ArticleEbookFinder@gmail.com
شماره تماس ما در نرم افزار واتس آپ:
+98 921 764 6825
شماره تماس ما در نرم افزار تلگرام:
+98 921 764 6825
شناسه ما در تلگرام:
@TopArticle
توجه: اگر کارت بانکی شما رمز دوم ندارد، در خرید الکترونیکی به مشکل برخورد کردید و یا به هر دلیلی تمایل به پرداخت الکترونیکی ندارید با ما تماس بگیرید تا راههای دیگری برای پرداخت به شما پیشنهاد کنیم.