سیستم های پیشنهاددهنده با هدف کمک به کاربران برای انجام اولویت بندی های مناسب به وجود آمدند. از کاربردهای آن می توان در پیش بینی نتایج نظرسنجی فیلم های سینمایی استفاده کرد. از طرفی با توجه به رشد سریع تجارت الکترونیک، اهمیت پیشنهاد بهتر به مشتریان در وب سایت ها برای مدیران فروشگاه ها خیلی مورد توجه می باشد. هدف این گزراش ارائه الگوریتم در حوزه سیستم های پیشنهاددهنده ای است که نتایج و کارایی بهتری داشته باشد. فیلتر سازی همکارانه یکی از روش های سیستم های پیشنهاددهنده است که اولویت بندی های مشتریان را مدل سازی، تجزیه و تحلیل و توصیه های مناسبی ارائه می کند. تجزیه کمیت مفرد از الگوریتم های فیلتر سازی همکارانه است. این گزارش، الگوریتم لبه کرنل را شرح داده و بعد با استفاده از رگرسیون چند جمله ای کرنل و میانگین امتیازات، الگوریتم میانگین وزنی را پیشنهاد کرده و از نسبت میانگین امتیازهای هر فیلم و هر کاربر پایگاه دانشی ایجاد کرده و پیش بینی های الگوریتم میانگین وزنی را به این پایگاه دانش نزدیک می کنیم. با توجه به نتایج بدست آمده این الگوریتم در زمان قابل قبول، نتایج بهتری را ارائه می کند.

گروه هایی که بر روی کاربردهای مشارکتی کار می کنند، اسناد را به صورت تکراری ساخته و فراهم می کنند. اگرچه این محیط ها یک سند مشترک در بین اعضاء را دستکاری می نمایند، آنها معمولاً برای پیاده سازی سیاست ها، قرارداد ها یا زیرساخت های مختلف از همکاری با یکدیگر استفاده نمی کنند. بنابراین، برای کاربران دشوار است که از سیستم های همکارانه مختلف برای کار بر روی یک سند اشتراکی واحد استفاده کنند و اطلاعات ضروری مختلف را برای اجرای یک فرایند تالیف همکارانه ، که درگیر ابزارهای پیشنهادی متفاوتی است، به اشتراک بگذارند. برای یک چنین کار همکارانه ای، ما محیط و معماری کُلداک را پیشنهاد می نماییم. با استفاده از کُلداک، یک گروه مولفان می توانند یک سند را در محیط مطلوب بنویسند و سپس این سند را توسط کُلداک در دسترس دیگر مولفان گروه که از محیط های دیگری استفاده می کنند یا یک کاربر کاربردی، قرار دهند.

محاسبات ابری از حوزه های کاربردی علوم رایانه در عرصه تجارت است که به سرعت در حال گسترش می باشد، بهره گیری مطلوب از منابع و ارایه خدمات مناسب به مشتریان، نیازمند زمان-بندی دقیق خدمات و تخصیص بهینه منابع به وظایف می باشد. در توسعه الگوریتم های زمان بندی اهداف مختلفی مورد توجه بوده است، متوجه شدیم فعالیت هایی که تا کنون در زمینه ی زمان بندی کارهای تقسیم پذیر صورت گرفته است، به پارامتر قابلیت اطمینان که اهمیت بسزایی در کارایی منابع و دقت زمان بندی دارد، کمتر توجه داشته است، در این تحقیق تأثیر پارامتر قابلیت اطمینان بر روی الگوریتم "زمان بندی مطمئن توزیع شده در محاسبات ابری (rsdc)" مورد بررسی قرار گرفته است. این الگوریتم فرایند پردازش چندین بار، میان چندین پردازنده ی مستقل در یک شبکه ی درختی تک سطحی را با هدف کاهش زمان پردازش سراسری، بدون توجه به مفهوم قابلیت اطمینان، زمان بندی می کند. با توصیف شرایط و بررسی روابط موجود میان پارامترهای مختلف، الگوریتمی را ارائه داده ایم که توان پردازشی هر پردازنده را به صورت تابعی از قابلیت اطمینان آن پردازنده محاسبه می کند، به منظور به روز رسانی توان پردازشی هر پردازنده فرض می کنیم که شکست ها از توزیع پوآسن تبعیت می کنند و از تکنیک نقطه بازرسی برای تحمل خطا استفاده می شود، از روش تحلیل حساسیت برای ارزیابی الگوریتم پیشنهاد شده استفاده کرده، نتایج آزمایش ها حاکی بر این است که الگوریتم پیشنهادی علاوه بر این که به شرایط واقعی نزدیک تر است، عملکرد بهتری نیز نسبت به الگوریتم rsdc دارد.

صنعت ساخت بازی های رایانه ای را شاید بتوان یکی از مهم ترین رشته های مرتبط با فناوری اطلاعات در ایران دانست که این صنعت به تازگی در حال برداشتن گام های نه چندان مطمئن نخستین است و به طور مسلم راهی بسیار طولانی و پرفراز و نشیب در میان شاخه های مرتبط با ساخت بازی پیش رو دارد، آشنایی با موتورهای بازی، جزء ناشناخته ترین یا باکمی اغماض، کم شناخته شده ترین زیرمجموعه های این صنعت در کشورمان است. در میان علت های مختلف این موضوع، به طور مسلم کمبود منابع به زبان فارسی یکی از مهم ترین آن ها است. در این پایان نامه سعی شده تا علاقه مندان به ساخت موتورهای بازی با مفاهیم، تعریف ها و اصول اولیه معماری و شناخت موتورهای بازی آشنا شوند تا شاید اندکی از خلأ موجود در این زمینه کاسته شود. بسیاری از بازی ها ی نسل کنونی با استفاده از موتورهای بازی توسعه یافته اند. بنابراین، یک موتور بازی باید به ویژگی ها ی پیشرفته ای برای تولید بازی هایی باکیفیت بالا مجهز باشد. ماهیت موتورهای بازی که به طور کلی دارای طراحی یکسان هستند اما تنها تفاوت در اطلاعات، مربوط به چگونگی موتور فرضی مورد استفاده است. طراحی موتور یکی از بزرگترین و پیچیده ترین مباحث در زمینه برنامه نویسی رایانه می باشد. بعد از مطالعات فراوان در زمینه ی موتورهای بازی، تصمیم گرفتیم یک موتور بازی برای بازی های صفحه ای طراحی کنیم. در این پایان نامه یک موتور بازی برای بازی های صفحه ای با زبان سی پلاس پلاس شرح داده شده است. به طور کلی، موتور بازی از مجموعه ای از رابط های برنامه نویسی کاربردی تشکیل شده است. این پایان نامه به شرح ساختار موتور بازی صفحه ای و هسته ی این موتور می پردازد اما فیزیک در این موتور بازی شرح داده نشده است. در مرحله ی اولیه، نگاه کلی بر روی موتور های بازی و ساختار آن داریم و سپس بر روی تجزیه و تحلیل خوب چند موتور بازی موجود تمرکز خواهیم کرد و در انتها به طراحی یک موتور بازی برای بازی های صفحه ای از جمله به گرافیک، ورودی، هوش مصنوعی و صدا در این موتور بازی می پردازیم.

منابع انسانی یکی از عوامل بسیار موثر در پیشبرد اهداف سازمانها میباشند. منابع انسانی با ارزشترین سرمایههای هر سازمان میباشند. مدیران همواره بر آنند که با ایجاد و افزایش انگیزه در کارکنان میزان بهرهوری آنها را افزایش دهند و اهداف سازمانی را هرچه بهتر تحقق بخشند. از این رو از روشهای بسیاری همچون افزایش امکانات رفاهی، ارتقای کارکنان، پرداخت پاداشهای مالی و ... در جهت ایجاد انگیزه در کارکنان استفاده میگردد. در بانکها به منظور افزایش سطح بهرهوری کارکنان و نیل به سوی یکی از مهمترین اهداف بانکی یعنی افزایش منابع و سپرده های بانکی از روش پرداخت پاداشهای مالی بسیار استفاده میگردد. در این تحقیق با استفاده از تکنیک داده کاوی میزان اثر بخشی پاداشهای مالی پرداخت شده به پرسنل یکی از بانکهای ایران بر افزایش جذب منابع و سپرده های بانکی بررسی شده است. مشاهده گردید که پرداخت پاداشهای مالی در افزایش کارایی پرسنل و جذب منابع شعب تأثیر چندانی نداشته است بلکه عواملی همچون تعداد کارکنان شعبه، کمینه سن کارکنان شعبه، تفاوت بیشینه و کمینه سن کارکنان شعبه، تفاوت بیشینه و کمینه سابقه کارکنان شعبه، بیشینه امتیاز تحصیلی کارکنان شعبه، مجموع امتیاز تحصیلی کارکنان شعبه، موقعیت جغرافیایی شعبه، تعداد کارکنان زن شعبه و تعداد کارکنان مرد شعبه بیشترین تأثیر را بر میزان جذب منابع شعبه داشته اند.

در این پژوهش یک سیستم عصبی- فازی با قابلیت آموزش همزمان برای بازشناسی برخط زیر-کلمات فارسی ارائه شده است. روش بازشناسی پیشنهادی یک روش کلی نگر بوده و مدل بازشناسی آن نیز، زیر-کلمه می باشد. در روش پیشنهادی ما، برای شناسایی زیر-کلمات از دانش مربوط به بدنه و علائم ثانویه آنها بطور همزمان استفاده می شود یعنی فرض می شود که بدنه ی زیر-کلمه و هر کدام از اجزای کوچک آن، در یک حرکت قلم نوشته می شود و بنابراین سیستم به فاز قطعه بندی نیازی ندارد. در الگوریتم پیشنهادی، ابتدا گروهی که زیر-کلمه ی ناشناخته ورودی در آن قرار دارد، مشخص می شود. اگر این گروه فقط یک عضو داشته باشد، آن کلاس به زیر-کلمه ی ورودی نسبت داده می شود وگرنه، گروه بدنه ی زیر-کلمه ی ناشناخته با بدنه های زیر-کلمات هم گروه مقایسه می شود. زیر-کلمه ای که بدنه ی آن با بدنه ی زیر-کلمه ی ورودی، کمترین فاصله را داشته باشد، به زیر-کلمه ی ورودی نسبت داده می شود. سیستم بازشناسی علاوه بر شبیه ترین زیر-کلمه، حداکثر 9 زیر-کلمه ی دیگر را نیز که در رتبه های بعدی از نظر فاصله با زیر-کلمه ی ناشناخته قرار می گیرند، پیشنهاد می کند. اگر زیر-کلمه ی یافت شده، زیر-کلمه ی مورد نظر کاربر نبود، سیستم قادر است آنرا بعنوان نمونه ای جدید آموزش ببیند. این سیستم پیشنهادی بر روی مجموعه داده استاندارد شامل 12 نمونه از هر زیر-کلمه با یک فرهنگ 1000 زیر-کلمه ای آزمایش شده است. سرعت تشخیص برای این 1000 زیر-کلمه ی آموزش دیده توسط این سیستم، بطور متوسط 60 ثانیه برای هر زیر-کلمه و میزان بازشناسی درست، 99/86درصد بدست آمده است.

پیشنهاد دوست یک مسئله قابل توجه در شبکه های اجتماعی به شمار می آید، که هدف آن پیشنهاد دادن روابط دوستی جدید به کاربران است. در این تحقیق روشی جدید برای پیشنهاد بهینه دوست در شبکه های اجتماعی مبتنی بر ساختار گراف شبکه و الگوریتم کلونی زنبورهای مصنوعی ارائه شده است. در این روش برای پیشنهاد دوست به یک کاربر، ابتدا زیرگراف شبکه شامل کاربر مورد مطالعه و تمامی کاربران متصل به او تا 3 درجه فاصله تشکیل می شود. تمامی کاربرانی که دوست دوست کاربر مورد مطالعه باشند، به عنوان نامزد انتخاب شدن برای پیشنهاد به کاربر مورد مطالعه در نظر گرفته می شوند. سپس 4 معیار در این زیرگراف به ازای هر کاربر نامزد محاسبه می گردد. در نهایت یک رتبه بندی از گزینه های موجود بر اساس معیارهای مذکور حاصل شده، و کاربرانی که ضریب اولویت آن ها از یک حد آستانه بیشتر باشد، توسط سیستم پیشنهاددهنده به کاربر مورد مطالعه معرّفی می شوند. الگوریتم کلونی زنبورهای مصنوعی برای تنظیم ضرایب وزنی این معیارها مورد استفاده قرار گرفته است. برای شبیه سازی، 1000 کاربر یوتیوب در نظر گرفته شده است. در واقع با این ترفند، روابط دوستی موجود در این داده به دو دسته داده آموزش و داده تست تقسیم شده اند. پس از بهینه سازی سیستم پیشنهادی با استفاده از الگوریتم کلونی زنبورهای مصنوعی، سیستم معرفی شده با استفاده از 20% روابط دوستی حذف شده تست می گردد. برای بررسی دقت روش پیشنهادی، همچنین ساختار روش پیشنهادی با استفاده از الگوریتم ژنتیک بهینه سازی گردید. در نهایت سیستم پیشنهادی با روش دوستان دوست (fof)، و یک روش ساختاری دیگر مبتنی بر الگوریتم ژنتیک مقایسه شده است. همچنین از سیستم های تشخیص الگو شامل الگوریتم k-نزدیک¬ترین همسایه و ماشین بردار پشتیبان نیز برای شبیه سازی و مقایسه استفاده شده است.

آموزش الکترونیکی، یک فرآیند یادگیری مبتنی بر اینترنت است که در آن از منابع سیستم به صورت بهینه استفاده نمی شود و از طرفی نرم افزارها و سیستم های ذخیره سازی نیاز به اجرای یک محیط سخت افزاری با قابلیت توسعه پذیری و دسترس پذیری بالا را دارند. فناوری های متفاوتی از جمله معماری سرویس گرا و عوامل هوشمند برای ساخت اکوسیستم آموزش الکترونیکی به منظور پشتیبانی و ارتقاء عملکرد آن ساخته شده است. امروزه یکی از فناوری هایی که توجه موسسات علمی و تجاری را به خود جلب نموده است رایانش ابری است. روزانه شاهد پیدایش زمینه های مختلف در این زمینه می باشیم. رایانش ابری مزایای بزرگی برای موسسات آموزشی و یادگیری به همراه خواهد داشت و ویژگی های مهم و اساسی را به اکوسیستم آموزش الکترونیکی می افزاید. در این پایان نامه یک مدل استقرار جهت همکاری مراکز آموزشی مبتنی بر رایانش ابری ارائه شده است. مزایای این مدل تأمین انعطاف پذیر منابع، کاهش هزینه، کنترل دقیق تر بر روی محل اطلاعات مراکز داده، مکانیسم های امنیتی و حفاظت از داده ها در محل و حصول اطمینان از انطباق با تمام الزامات قانونی می باشد. همچنین یک چارچوب مبتنی بر رایانش ابری سرویس گرا برای محیط آموزش الکترونیکی به عنوان یک مدل سرویس ارائه شده است که موجب صرفه جویی در هزینه، مقیاس پذیری، تخصیص بهینه ی منابع و طراحی و توسعه برنامه های کاربردی و ابزار یادگیری در محیط آموزش الکترونیکی می گردد. از محیط شبیه سازی cloud analyst برای آزمایش عملکرد استفاده شده است. نتایج این پژوهش می تواند به عنوان نقشه راهی برای انتقال زیرساخت مراکز آموزشی سنتی به ابر در نظر گرفته شود.

روش های مختلف واردکردن اطلاعات و رکوردها از منابع مختلف به پایگاه داده باعث به وجود آمدن رکوردهای تکراری می شود که این امر باعث افزایش حجم پایگاه داده می گردد که معمولاً خطاهایی را شامل می شود که عبارت اند از:خطاهای تایپی، اطلاعات ناقص، نادیده گرفتن فرمت های استاندارد و یا هر ترکیبی از عامل های فوق. یکی از مهم ترین بخش های موجود در پایگاه داده های تجاری، اطلاعات مربوط به اسامی افراد و آدرس پستی آنان است که بدون افزایش کیفیت داده ای این اطلاعات امکان پیاده سازی پایگاه داده های ملی میسر نخواهد شد. مثلاً گاهی اوقات اطلاعات واردشده استاندارد خاصی را رعایت کرده اند اما در جای صحیح وارد نشده است مانند واردکردن یک کد پستی صحیح در مقابل آدرسی که به آن تعلق ندارد لذا ثبت کردن درست و کامل اطلاعات مورد نیاز، اهمیت ویژه ای دارد زیرا امکان استفاده مجدد از داده در آینده وجود دارد. هدف این پروژه دستیابی به این مهم است. در این پایان نامه ابتدا به بررسی روش های تطبیق فیلد پرداخته شده است و زمان اجرای یکی از الگوریتم های آن را بهبود داده ایم و نیز روشی جدید بر مبنای الگوریتم ژنتیک و همچنین برنامه ای جهت بررسی صحت تعلق آدرس به کد پستی درج شده در مقابل آن، ارائه شد که منطبق با تقسیمات جدید کشوری است و برای اولین بار در ایران مورد آزمایش قرار می گیرد و از نسخه کدیاب مورد استفاده در سایت پست جمهوری اسلامی ایران کامل تر می باشد.

با افزایش استفاده از اینترنت، رایانش ابری وعده عصر جدیدی از ارائه خدمات را به مصرف کنندگان داده است، که در آن هر فرد می تواند هر نوع سرویسی مانند استفاده از منابع ذخیره سازی، برنامه های کاربردی، سیستم عامل و منابع پردازشی را در هر نقطه و هر زمان با استفاده از اینترنت دریافت نماید. رشد سریع تقاضا برای استفاده از منابع محاسباتی ابری توسط مراکز داده عظیم، موجب مصرف مقادیر بالای انرژی و در نتیجه افزایش هزینه عملیاتی و افزایش تولید دی اکسید کربن شده است. یکپارچگی منابع ابری این امکان را فراهم می کند تا با تعلیق مراکز داده بی کار و یا کم کار، با استفاده از مهاجرت بار آن ها به مراکز داده واجد شرایط، در مصرف انرژی صرفه جویی به عمل آید. با توجه به ماهیت پویای جریان های کاری در محیط رایانش ابری، در اکثر تحقیقات انجام شده، رفتار جریان های کاری در بازه های زمانی گذشته و ناهمگنی ماشین های مجازی در نظر گرفته نشده است. ما در این تحقیق یک الگوریتم مکاشفه ای دو مرحله ای ارائه داده ایم که در هنگام انتخاب منبع به رفتار گذشته و میزان ناهمگنی جریان های موجود روی میزبان ها و تعداد رقیبانی که برای بدست آوردن آن در تلاشند توجه کند؛ و الگوریتم بهبود یافته خود را بر اساس سه معیار مصرف انرژی و میزان رضایت کاربر و تعداد مهاجرت های انجام شده، با الگوریتم های معروف pabfd، bfd و ffd مقایسه کرده ایم و برای پیاده سازی و ارزیابی الگوریتم خود از شبیه ساز معروف cloudsim3 استفاده نموده ایم. همان طور که خواهید دید موفق شده ایم در نتایج به بهبود قابل توجهی دست یابیم.

سیستم ها و شبکه های کامپیوتری با اتصال به اینترنت در معرض تهدیدات امنیتی بی شماری قرار گرفته اند. این حملات و تهدیدات روز به روز پیچیده تر و فراگیرتر شده تا آنجا که ارائه یک روش انعطاف پذیر برای امنیت سیستم های کامپیوتری متخصصان را با یک چالش بزرگ مواجه ساخته است. بر این مبنا سیستم های کشف نفوذ با استفاده از داده کاوی ارائه شدند که تکنولوژی ارزشمندی جهت کشف انواع تلاش ها برای نفوذ به یک سیستم یا شبکه است. آنچه در این پژوهش ارائه شده است بهبودی بر الگوریتم اپریوری است تا با استفاده از تقسیم متوازن داده ها بین دو سیستم توزیع شده، منجر به سرعت بخشیدن در یافتن الگوی مخرب شود و سیستم کشف نفوذ را قادر سازد تا در زمان کوتاهتری به حملات پی برده و متخصصان امنیت شبکه را در نشان دادن اقدامات واکنشی مناسب یاری دهد.

در دنیای محاسبات مسائل چالش برانگیزی وجود دارند که حل آن ها در زمان معقول و با استفاده از یک پردازنده، دشوار است. با معماری پردازنده های چندهسته ای، زمان اجرای این کاربردها کاهش می یابد. پردازنده های گرافیکی با معماری چندهسته ای موازی، توان پردازشی بسیار بالایی را نسبت به پردازنده های مرکزی ارائه می دهند. این قابلیت موجب گسترش استفاده از آن ها در کاربردهای غیرگرافیکی شده است. توسعه استفاده از پردازنده های گرافیکی همه منظوره، گسترش زبان ها و ابزارهای برنامه نویسی موازی را به دنبال داشته است. محاسبات با کارایی بالا، زمانی امکان پذیر است که برنامه نویس روی سخت افزار این پردازنده ها، تخصیص وظایف بین آن ها، هماهنگ سازی و زمان بندی تمرکز کند. کودا، یک مدل برنامه نویسی موازی در راستای استفاده آسان از سخت افزار پردازنده های گرافیکی است. کودا، سلسله مراتبی از بلوک های نخ و حافظه مشترک را برای نوشتن برنامه های کاربردی بسیار موازی ارائه می دهد. هدف، استفاده از پردازش موازی به عنوان راه حلی کارآمد در افزایش کارایی محاسبات با حجم بالا است. در محاسبات داده-موازی، مانند خوشه بندی، که عملیات های محاسباتی بیشتر از عملیات های حافظه است می توان به حداکثر کارایی روی پردازنده های گرافیکی رسید. خوشه بندی، فرایند تجزیه و تحلیل آماری است که اشیاء مشابه را در مجموعه های همگن گروه بندی می نماید که با رشد داده ها و افزایش زمان انجام محاسبات، کارایی آن کاهش می یابد. خوشه بندی فازی، الگوریتمی تکراری است که گروه بندی داده ها را با استفاده از محاسبات خطی و جمع های تکراری، انجام می دهد؛ لذا انتخاب مناسبی برای موازی سازی به منظور شتاب دهی و افزایش کارایی است. در این تحقیق، تسریع محاسبات خوشه بندی فازی با استفاده از پردازنده گرافیکی و مدل برنامه نویسی موازی کودا، نسبت به پردازنده مرکزی بررسی می گردد. نتایج حاصل از پیاده سازی این الگوریتم با روش پیشنهادی نشان می دهد که زمان اجرا، از تسریع قابل توجهی برخوردار است.

یکی از مسائل مورد توجه توسعه دهندگان نرم افزار، ارزیابی کیفیت نرم افزار و به تبع آن، پرداختن به موضوع تعیین شاخص های موثر ارزیابی است. با توجه به چرخه حیات نرم افزار می توان گفت بررسی و ارزیابی کیفیت نرم افزار، فرآیندی است که باید طییک چرخه صورت گیرد. در این پایان نامه، سعی بر آن است با معرفینمونه ها و استانداردهای معروف موجود در حوزه ارزیابی کیفیت نرم افزار، آشنایی نسبی با پژوهش ها و کارهایی که تا کنون صورت گرفته، به دست آید. همچنین نمونه ای ابداعی که در جهت تحقیقات و پژوهش های صورت گرفته تدوین شده، معرفی خواهد شد که در آن با باز تعریفشاخص های کیفی، فرآیند ارزیابی نهایی محصولات نرم افزاری پژوهشی میسر می گردد.

یکی از مشکلات اساسی وجود تکنیک های جدید بدافزار است که نویسندگان آن ها را قادر می سازند تا از آن ها در جهت فرار از چنگال ضد بدافزارها استفاده کنند. به همین دلیل روش های سنتی قادر به شناسایی بدافزارهای ناشناخته نبوده و میزان هشدار نادرست بالایی دارند. در اینجاست که تشخیص هوشمند به موازات پیچیده تر شدن بدافزارها، موردتوجه قرارگرفته است. روش های هوشمند کنونی که امروزه توسط متخصصان امنیت برای تشخیص مخرب ها استفاده می شوند، با تکیه بر کد اجرایی بدافزارها و مشاهده رفتار آن ها، راه را برای شناسایی و تشخیص آن ها، هموارتر ساخته اند.با توجه به اهمیت این موضوع، ایده اصلی ما ارائه یک روش ایستا و ترکیب آن با روش پویا هست تا با استفاده از توابع سیستمی فراخوانی شده در کد اسمبلی بدافزارها، منجر به سرعت بخشیدن و بهبود فرایند شناسایی نوعی از بدافزارها بانام روت کیت شود و سیستم های کشف بدافزار را قادر سازد تا در زمان کمتری مخرب را با دقت بالایی تشخیص دهند.

کاوی برای تحلیل بهتر مشتریان و شناسایی نیازهای بالفعل و بالقوه آن هاست. امروزه اغلب بانک ها و موسسات مالی و اعتباری که به نوعی درگیر اعطای اعتبار هستند، معمولاً یکی از روش های موجود را بر اساس شرایط خود و جامعه پیرامون جهت رتبه بندی اعتباری مشتریان? مورد استفاده قرار می دهند، اکثر الگوهای تعیین ریسک? چارچوب معنایی مشابهی دارند اما اختلافاتی را که در اجرای این مدل ها وجود دارد، ناشی از طریقه برآورد پارامتر های اصلی از اطلاعات در دسترس است. در این تحقیق پس از بررسی برخی تکنیک های پرکاربرد داده کاوی جهت رتبه بندی ریسک اعتباری مشتریان در بانک ها و موسسات مالی و ساخت مدل های مربوط به هر یک از آن ها، با ارائه یک چارچوب بهینه در ترکیب این مدل ها میزان دقت صحت دسته بندی را ارتقا داده ایم.

بانک ها یکی از ارکان اصلی نهادهای مالی در هر اقتصادی محسوب می شوند که در سال های اخیر با توجه به رشد چشمگیر بازارها و نهادهای مالی، نقش آن ها روزبه روز بیشتر می شود. با گسترش دامنه فعالیت بانک ها در کشورهای مختلف نقش مدیران و کارشناسان باتجربه و آشنا با علوم جدید بانکداری بیشتر مشخص می شود. یکی از تکنیک های مطرح در دو دهه اخیر بانکداری، به منظور حفظ مشتریان، استفاده از ابزار داده کاوی برای تحلیل بهتر مشتریان و شناسایی نیازهای بالفعل و بالقوه آن هاست. امروزه اغلب بانک ها و موسسات مالی و اعتباری که به نوعی درگیر اعطای اعتبار هستند، معمولاً یکی از روش های موجود را بر اساس شرایط خود و جامعه پیرامون جهت رتبه بندی اعتباری مشتریان? مورد استفاده قرار می دهند، اکثر الگوهای تعیین ریسک? چارچوب معنایی مشابهی دارند اما اختلافاتی را که در اجرای این مدل ها وجود دارد، ناشی از طریقه برآورد پارامتر های اصلی از اطلاعات در دسترس است. در این تحقیق پس از بررسی برخی تکنیک های پرکاربرد داده کاوی جهت رتبه بندی ریسک اعتباری مشتریان در بانک ها و موسسات مالی و ساخت مدل های مربوط به هر یک از آن ها، با ارائه یک چارچوب بهینه در ترکیب این مدل ها میزان دقت صحت دسته بندی را ارتقا داده ایم.

بانک ها یکی از ارکان اصلی نهادهای مالی در هر اقتصادی محسوب می شوند که در سال های اخیر با توجه به رشد چشمگیر بازارها و نهادهای مالی، نقش آن ها روزبه روز بیشتر می شود. با گسترش دامنه فعالیت بانک ها در کشورهای مختلف نقش مدیران و کارشناسان باتجربه و آشنا با علوم جدید بانکداری بیشتر مشخص می شود. یکی از تکنیک های مطرح در دو دهه اخیر بانکداری، به منظور حفظ مشتریان، استفاده از ابزار داده کاوی برای تحلیل بهتر مشتریان و شناسایی نیازهای بالفعل و بالقوه آن هاست. امروزه اغلب بانک ها و موسسات مالی و اعتباری که به نوعی درگیر اعطای اعتبار هستند، معمولاً یکی از روش های موجود را بر اساس شرایط خود و جامعه پیرامون جهت رتبه بندی اعتباری مشتریان? مورد استفاده قرار می دهند، اکثر الگوهای تعیین ریسک? چارچوب معنایی مشابهی دارند اما اختلافاتی را که در اجرای این مدل ها وجود دارد، ناشی از طریقه برآورد پارامتر های اصلی از اطلاعات در دسترس است. در این تحقیق پس از بررسی برخی تکنیک های پرکاربرد داده کاوی جهت رتبه بندی ریسک اعتباری مشتریان در بانک ها و موسسات مالی و ساخت مدل های مربوط به هر یک از آن ها، با ارائه یک چارچوب بهینه در ترکیب این مدل ها میزان دقت صحت دسته بندی را ارتقا داده ایم.

متون حقوقی یکی از پرکاربردترین مسائلی است که مردم زیادی با آن برخورد دارند با توجه به حجم زیاد داده و عدم توانایی کاوش معانی توسط انسان، ارائه یک الگوریتم به منظور کاوش معانی ضروری است. با استفاده از الگوریتم ارائه شده می توان به کشف دانش در پایگاه های داده مرتبط با متون حقوقی پرداخت. در الگوریتم ارائه شده از ساختمان داده گراف استفاده شده است و با در نظر گرفتن اصول داده کاوی پیاده سازی شده است و الگوریتم ارائه شده با الگوریتم nir مقایسه گردید و ازلحاظ متریک های نرم افزاری الگوریتم ارائه شده عملکرد بهتری داشت.