loading...
پایان نامه ، پروژه ، فایل فلش و روت گوشی
حسین بازدید : 110 جمعه 17 مهر 1394 نظرات (0)
داده كاوی به فرآیندی گفته می‌شود كه طی آن الگوهای مفیدی از داده ها كه تا كنون ناشناخته بودند، از داخل یك پایگاه داده بزرگ استخراج می شود، علاوه بر آن سیستمهای داده كاوی امكاناتی را به منظور خلاصه سازی و نمایش داده ها فراهم می‌كنند
دسته بندی مهندسی نرم افزار
بازدید ها 45
فرمت فایل ppt
حجم فایل 766 کیلو بایت
تعداد صفحات فایل 16
پاورپوینت استفاده از روشهای داده كاوی در تشخیص نفوذ به شبكه های كامپیوتری

فروشنده فایل

کد کاربری 2
کاربر

پاورپوینت استفاده از روشهای داده كاوی در تشخیص نفوذ به شبكه های كامپیوتری

نفوذ ( حمله ) :
نفوذ به عملیاتی اطلاق می‌شود كه تلاش می كند برای دسترسی غیر مجاز به شبكه یا سیستم های كامپیوتری از مكانیسم امنیتی سیستم عبور كند. این عملیات توسط نفوذ كننده گان خارجی و داخلی انجام میشود.

سیستم های تشخیص نفوذ ( IDS )

سیستم تشخیص نفوذ، برنامه‌ای‌است كه با تحلیل ترافیك جاری شبكه یا تحلیل تقاظاها سعی در شناسایی فعالیتهای نفوذگر می‌نماید و در صورتی كه تشخیص داد ترافیك ورودی به یك شبكه یا ماشین، از طرف كاربر مجاز و عادی نیست بلكه از فعالیتهای یك نفوذگر ناشی می‌شود، به نحو مناسب به مسئول شبكه هشدار داده یا واكنش خاص نشان می‌دهد

داده كاوی و كاربرد آن در كشف نفوذ

داده كاوی به فرآیندی گفته می‌شود كه طی آن الگوهای مفیدی از داده ها كه تا كنون ناشناخته بودند، از داخل یك پایگاه داده بزرگ استخراج می شود، علاوه بر آن سیستمهای داده كاوی امكاناتی را به منظور خلاصه سازی و نمایش داده ها فراهم می‌كنند.
جمع آوری داده های شبكه توسط سنسور های سیستم های مانیتورینگ
تبدیل داده های خام به داده های قابل استفاده در مدل های داده كاوی
ایجاد مدل داده كاوی (مدل های تشخیص سو استفاده ، مدل های موارد غیر متعارف )
تحلیل و خلاصه سازی نتایج

حسین بازدید : 181 جمعه 23 مرداد 1394 نظرات (0)
در این مقاله روشی برای طبقه بندی جریان داده ها با استفاده از عامل ارائه گردیده است که در آن از خصوصیات عاملها استفاده شده است
دسته بندی مهندسی نرم افزار
بازدید ها 5
فرمت فایل doc
حجم فایل 118 کیلو بایت
تعداد صفحات فایل 23
داده کاوی پویا با استفاده از عامل هوشمند

فروشنده فایل

کد کاربری 2
کاربر

داده کاوی پویا با استفاده از عامل هوشمند

حسین مرشدلو : احمد عبدالله زاده بارفروش
چکیده
امروزه بدلیل حجم بسیار بالای داده ها و نیاز به پردازش و استخراج پویای دانش موجود در داده ها، داده کاوی جریان داده-ها اهمیت بسزایی یافته است. طبقه بندی جریان داده ها نیز یکی از مهمترین شاخه های داده کاوی است که تاکنون روشهای مختلفی برای آن ارائه گردیده است. اکثر این روشها واکنشی عمل کرده و پس از وقوع تغییر مفهوم در جریان داده ها، مدل داده خود را با مفهوم جدید وفق می دهند. از آنجائیکه در دنیای واقعی بسیاری از رخدادها تکرار می شوند بنظر می رسدکه بتوان با استفاده از روشهای یادگیری، تغییرات احتمالی در جریان داده-ها را پیش بینی کرد.
البته بدلیل غیرقابل پیش بینی بودن برخی رخدادها لازم است که روش ارائه شده، قابلیت واکنشی نیز داشته باشد. بنابراین روشی که بتواند بطور هوشمندانه تناسب خوبی بین رفتارهای واکنشی و پیش فعال برقرار نماید، قادر خواهد بود قابلیت انطباق خوبی با محیط داشته و موفق عمل نماید. از طرفی با توجه به خصوصیات عاملها همچون خودمختاری، واکنشی، پیش فعالی، یادگیری و قابلیت استدلال، بطور قطع مساله طبقه بندی جریان داده ها بستر مناسبی برای استفاده از قابلیت های عامل ها می باشد. در این مقاله روشی برای طبقه بندی جریان داده ها با استفاده از عامل ارائه گردیده است که در آن از خصوصیات عاملها استفاده شده است.
در این روش عاملها قبل از وقوع تغییرات در جریان داده، بکمک استدلال و دانشی که از محیط بدست آورده اند، تغییرات را پیش بینی کرده و بر اساس آن برنامه ریزی می کنند. در صورتیکه رخدادهای پیش بینی شده اتفاق نیفتند، عامل متناسب با وضعیت فعلی از خود رفتار واکنشی نشان می دهد. این ویژگیها عامل را قادر می سازد که در محیط، یک رفتار هوشمند از خود نشان دهد. روش مورد نظر بر روی مجموعه داده های استاندارد که در اکثر کارهای انجام گرفته برای طبقه بندی جریان داده ها مورد استفاده قرار گرفته-اند، تست گردیده و نتایج حاصل از انجام آزمایشات نشان دهنده برتری استفاده از یک رفتار هوشمند پیش فعال نسبت به یک رفتار واکنشی می باشد.
کلمات کلیدی:

عامل

طبقه بندی

رفتار واکنشی

رفتار پیش فعال

داده کاوی جریان داده ها

مقدمه
امروزه بدلیل حجم گسترده و بسیار زیاد داده های موجود و همچنین عدم امکان ذخیره سازی آنها و نیاز به پردازش و استخراج پویای اطلاعات و دانش نهفته در داده ها، بحث داده کاوی جریان داده ها (Data Stream Mining) طی سالهای اخیر بسیار مورد توجه قرار گرفته است. از جمله کاربردهای داده کاوی جریان داده ها می توان به استفاده در بحث تشخیص تقلب در کارتهای اعتباری، بحث پردازش ترافیک شبکه و ... اشاره کرد. در این میان بحث طبقه بندی جریان داده ها از اهمیت بسزایی برخوردار است و کارهای متعددی در این زمینه انجام گرفته است که از آن جمله می توان به موارد ]4،7،10،11،12[ اشاره کرد.
یکی از مهمترین مباحثی که در بحث طبقه بندی و داده کاوی جریان داده ها وجود دارد ، بحث مربوط به تغییر مفهوم (concept drift) می باشد که بمعنی تغییر مدل یا مفهوم نهفته در پس داده های یک جریان داده می باشد، به این معنی که مدلهایی که از یک جریان داده در یک زمان خاص ساخته می شوند ، با گذشت زمان دقت خود را از دست داده و قادر به طبقه بندی صحیح داده ها با دقت لازم نیستند. اکثر روشهایی که تاکنون برای مدیریت تغییر مفهوم در داده ها ارائه گردیده اند، بصورت واکنشی عمل کرده و سعی می کنند، همواره مدل داده خود را با مفهوم های جدید در داده ها وفق دهند. بررسی و مرور جامعی بر این روشها را می توان در [9] مشاهده کرد.
از آنجایی که این روشها تنها از یک مدل داده استفاده می کنند، بحث دقیق نگه داشتن این مدل داده هنگامی که تغییر مفهوم در جریان داده وجود دارد، امری دشوار و مشکل می-باشد، لذا بنظر می رسد در صورت وجود تغییر مفهوم در داده استفاده از چند مدل داده مختلف متناسب با مفاهیم مختلف بر استفاده از یک مدل داده واحد برتری داشته باشد، اما مشکلی که وجود دارد تصمیم گیری درست در مورد استفاده از مدل داده مناسب در هر لحظه است. برخی روشها یا الگوریتمها همانند [7] که از چند مدل داده استفاده می کنند، برای بالا بردن دقت خود در طبقه بندی از روشهای Ensemble کردن چندین طبقه بند مختلف بهره می گیرند. برای مثال در ][7] طبقه بندهایی در بازه های زمانی مختلف بر روی داده هایی از جریان داده ایجاد می گردند.
الگوریتم این طبقه بندها را بر روی اخیرترین داده ها اعمال می-کند و بسته به دقت این طبقه بندها به هر کدام وزنی تخصیص می-یابد تا برای جریان داده های فعلی بکار گرفته شوند. در واقع اشکالی که روشهای Ensemble کردن دارند این است که نحوه انتخاب درست طبقه بندها برای Ensemble کردن نیز ساده تر از مشکل قبلی (انتخاب درست طبقه بند مناسب با مفهوم جاری موجود در جریان داده ) نمی باشد. رویکردهایی همانند رویکرد [7] اگر چه قادر به ارائه عملکرد قابل قبولی بر روی جریان داده هایی که در آنها تغییر تدریجی مفهوم وجود دارد می باشد، اما در مواردی که جریان داده دارای تغییر مفهوم ناگهانی (Concept shift) باشد، خطای این روشها زیاد می باشد.
فهرست مطالب
داده کاوی پویا با استفاده از عامل هوشمند 1
چکیده 1
کلمات کلیدی 2
ABSTRACT 3
1- مقدمه 4
2- مفاهیم پایه 6
شکل (1) پنجره نظاره بر روی جریان دادهها 7
2-2- عامل و ویژگیهای آن 8
3- رویکرد پیشنهادی 9
3-1-1- روش مقایسه طبقهبند ایجاد شده با طبقهبندهای موجود در حافظه 10
شکل (2) نسبت واریانس به حاصاضرب 50 متغیر دارای مجموع ثابت 11
شکل (3) وزندهی چند داده مختلف 12
3-2- رفتار پیشفعال 12
3-2-1- نحوه پیشبینی مفهوم آتی 14
3-3- ترکیب رفتارهای واکنشی و پیشفعال 15
شکل (5) شبه کد برای تعیین مقدار k 18
4- آزمایشات انجام شده 18
شکل (6) شبیه سازی تغییر مفهوم تدریجی در مجموعه داده استاندارد Hyperplane 19
4-2- نتایج 20
شکل (7) نتایج حاصل از انجام آزمایش بر روی Stagger 20
شکل (8) نتایج حاصل از انجام آزمایش بر روی Hyperplane با تغییر مفهوم تدریجی 21
5- جمع بندی 21
6- مراجع 22

حسین بازدید : 120 جمعه 23 مرداد 1394 نظرات (0)
در این مقاله ما به بررسی یکی از جدیدترین زمینههای مورد تحقیق در داده کاوی، متن کاوی می پردازیم در این مقاله روش های موجود برای پیش پردازش کردن، رده بندی ، استخراج اطلاعات ، روش های یافتن روابط شرح داده می شوند در پایان هر بخش ارزیابی و مقایسه ای روی روش های بیان شده در آن بخش صورات میگیرد و در پایان تعدادی از کاربردهای متن کاوی بیان می گردند
دسته بندی مهندسی نرم افزار
بازدید ها 8
فرمت فایل doc
حجم فایل 404 کیلو بایت
تعداد صفحات فایل 33
متن کاوی و ارزیابی مهمترین متد های متن کاوی

فروشنده فایل

کد کاربری 2
کاربر

متن کاوی و ارزیابی مهمترین متد های متن کاوی

چکیده
رشد فزاینده پایگاه داده ها در تقریبا هر ناحیه از فعالیت انسان باعث شده است که نیاز برای ابزارهای قدرتمند جدید برای تغییر دادن داده به دانش مفید افزایش یابد. برای برآوردن این نیاز محققان در ناحیه های مختلف مانند یادگیری ماشین ، شناسایی الگو، آنالیز داده آماری، بصری سازی داده ، شبکه های عصبی، اقتصاد سنجی، بازیابی اطلاعات، استخراج اطلاعات و..... روش ها و ایده هایی را کاوش کرده اند. ذات غیرساخت یافته ی این متون، اعمال همان روشهایی را که ما در مورد پایگاه داده های غیرمتنی بکار می بریم، غیر ممکن می سازد. بنابراین روش ها و الگوریتم-های پردازش (پیش پردازش)خاصی برای استخراج الگوهای مفید موردنیاز است. متن کاوی اطلاعات متنی غیرساختیافته را استفاده می کند و آنرا برای کشف ساختار و معناهای ضمنی پنهان در متن بررسی می کند.
در این مقاله ما به بررسی یکی از جدیدترین زمینه-های مورد تحقیق در داده کاوی، متن کاوی می پردازیم. در این مقاله روش های موجود برای پیش پردازش کردن، رده بندی ، استخراج اطلاعات ، روش های یافتن روابط شرح داده می شوند در پایان هر بخش ارزیابی و مقایسه ای روی روش های بیان شده در آن بخش صورات می-گیرد و در پایان تعدادی از کاربردهای متن کاوی بیان می گردند.
کلمات کلیدی:

متن کاوی

داده کاوی

استخراج اطلاعات

یکپارچه کردن داده کاوی

دسته بندی و مرتب سازی داده ها

مقدمه
بخش قابل توجهی از اطلاعات قابل دسترس در پایگاه داده های متنی (یا پایگاه داده های سند ) كه شامل مجموعه بزرگی از اسناد منابع مختلف (مثلا مقالات خبری، paperها، كتاب ها، ایمیل ها و صفحات وب) ذخیره شده اند. پایگاه داده های متنی به علت افزایش مقدار اطلاعات موجود به فرم الكترونیكی سریع رشد می كنند. امروزه بیشتر اطلاعات در صنعت، کسب و کار و سازمان های دیگر به صورت الكترونیكی و به فرم پایگاه داده متنی ذخیره شده اند. داده های ذخیره شده در بیشتر پایگاه داده های متنی، داده های نیمه ساختاریافته هستند چون نه به طور كامل غیرساختیافته هستند و نه به طور كامل ساختیافته هستند.
برا ی مثال یك سند شامل تعدادی فیلد ساختیافته مانند عنوان، نویسندگان، تاریخ انتشار، رده و ..... و از طرف دیگر شامل برخی كامپوننت های متنی غیرساختاریافته مانند چكیده و محتویات است. تكنیك های بازیابی اطلاعات مانند (متدهای ایندکس کردن متن ) برای هندل كردن سندهای غیر ساختاریافته ایجاد شده اند. تكنیك های بازیابی اطلاعات قدیمی برای مقدار زیادی داده متنی كه به طور فزاینده افزایش می یابند، ناكارآمد هستند. بدون دانستن محتویات سندها، فرمول بندی كردن Queryهای مناسب برای آنالیز كردن و استخراج كردن اطلاعات مفید از داده، مشكل است.
كاربرها نیاز به ابزارهایی برای مقایسه سندهای مختلف، مرتب كردن سندها بر اساس موبوط بودن آن ها و یافتن الگوها دارند. بنابراین یکی از جدیدترین زمینه های مورد تحقیق در داده کاوی، متن کاوی برای این منظور گسترش یافت. متن کاوی یعنی جستجوی الگوها در متن غیرساختیافته. متن کاوی برای کشف اتوماتیک دانش مورد علاقه یا مفید از متن نیمه ساختیافته استفاده می شود. چندین تکنیک برای متن کاوی پیشنهاد شده است عبارتند از ساختار مفهومی ،کاوش association ruleها درخت تصمیم گیری، روش های استنتاج قوانین ، همچنین تکنیک های بازیابی اطلاعات برای کارهایی مانند تطبیق دادن سندها، مرتب کردن کردن، کلاسترینگ و.....
فهرست مطالب
چکیده 3
1 مقدمه 3

1.1 کشف دانش و ارتباط آن متن کاوی 5

2.1 تعاریف متن کاوی 5

3.1 ناحیه های سرچ مرتبط 6
2 روش ها پیش پردازش کردن متون 7
1.2 مدل فضای برداری 9

2.2 پیش پردازش زبان شناختی 10

3 روش های متن کاوی ... 10
1.3 فازهای اصلی فرآیند کتن کاوی... 11
2.3 رده بندی ... 12
1.2.3 انتخاب ترم ایندکس 12
2.2.3 رده کننده Naïve Bayes 12
3.2.3 رده بندی کننده نزدیکترین همسایه 13
4.2.3 درخت تصمیم گیری 14
5.2.3 متدهای هسته و SVM 14
6.2.3 ارزیابی رده بندی کننده ها 15
3.3 استخراج اطلاعات 16
1.3.3 رده بندی برای استخراج اطلاعات 16

2.3.3 مدل مارکوف پنهان 17

3.3.3 فیلدهای رندم شرطی 17

4.3.3 مقایسه روش های استخراج اطلاعات 18

2.2 پیش پردازش زبان شناختی 18
4.3 روش ها ترکیبی 18
1.4.3 روش های dicsotex 18
1.1.4.3 مقدمه 19

2.1.4.3 یکپارچه کردن داده کاوی و استخراج اطلاعات 19

3.1.4.3 سیستم dicsotex 19
2.4.3روش textminer 21
1.2.4.3 مقدمه 21
2.2.4.3 استخراج اطلاعات 22

3.2.4.3 الگوریتم خوشه بندی 23

3.4.3 یافتن روابط 25
4.4.3 مقایسه روش های ترکیبی 26
4 کاربردهای متن کاوی 26
5 نتیجه گیری و کارهای آینده 27
6 مراجع 28

حسین بازدید : 107 چهارشنبه 21 مرداد 1394 نظرات (0)

مقاله رشته مهندسی نرم افزار با عنوان داده کاوه

در داده کاوی معمولا به کشف الگوهای مفید از میان داده ها اشاره می شود منظور از الگوی مفید ، مدلی در داده ها است که ارتباط میان یک زیر مجموعه از داده ها را توصیف می کند و معتبر ، ساده ، قابل فهم و جدید است
دسته بندی کامپیوتر و IT
بازدید ها 2
فرمت فایل doc
حجم فایل 904 کیلو بایت
تعداد صفحات فایل 21
مقاله رشته مهندسی نرم افزار با عنوان داده کاوه

فروشنده فایل

کد کاربری 2
کاربر

مقاله رشته مهندسی نرم افزار با عنوان داده کاوه

*یک PDF با 31 صفحه بصورت رایگان ضمیمه شده است:)
مقدمه
از سال 1950 به بعد که رایانه ، در تحلیل و ذخیره سازی داده ها به کار رفت ، حجم اطلاعات ذخیره شده درآن پس از حدود 20 سال دو برابر شد و همزمان با پیشرفت فناوری اطلاعات ، حجم داده ها در پایگاه داده ها هر دو سال یک بار ، دو برابر شد و همچنان باسرعت بیش تری نسبت به گذشته حجم اطلاعات ذخیره شده بیش تروبیش تر می شود . با وجود شبکه جهانی وب ، سیستم های یکپارچه اطلاعاتی ، سیستم های یکپارچه بانکی ، تجارت الکترونیکی و ... لحظه به لحظه به حجم داده ها در پایگاه داده ها اضافه شده و باعث به وجود آمدن انبارهای ( توده های ) عظیمی از داده ها شده است ، به طوری که ضرورت کشف و استخراج سریع و دقیق دانش از این پایگاه داده ها را بیش از پیش نمایان کرده است .
شدت رقابت ها در عرصه های علمی ، اجتماعی ، اقتصادی ، سیاسی و نظامی نیز اهمیت سرعت یا زمان دسترسی به اطلاعات را دو چندان کرده است . بنا براین نیاز به طراحی سیستم هایی که قادر به اکتشاف سریع اطلاعات مورد علاقه کاربران با تاکید بر حداقل مداخله انسانی باشند از یک سو و روی آوردن به روش های تحلیل متناسب با حجم داده های حجیم ازسوی دیگر ، به خوبــــــی احســاس می شود . در حال حاضر ، داده کاوی مهم ترین فناوری برای بهره وری موثر ، صحیح و سریع ازداده های حجیم است و اهمیت آن رو به فزونی است
داده کاوی پل ارتباطی میان علم آمار ، علم کامپیوتر ، هوش مصنوعی ، الگوشناسی ، فراگیری ماشین داده می باشد. داده کاوی فرآیندی پیچیده جهت شناسایی الگوها و مدل های صحیح، جدید و به صورت بالقوه مفید، در حجم وسیعی از داده می باشد، به طریقی که این الگو ها و مدلها برای انسانها قابل درک باشند.
داده کاوی به صورت یک محصول قابل خریداری نمی باشد، بلکه یک رشته علمی و فرآیندی است که بایستی به صورت یک پروژه پیاده سازی شود.داده ها اغلب حجیم می باشند و به تنهایی قابل استفاده نیستند،اما دانش نهفته در داده ها قابل استفاده می باشد.بنابراین بهره گیری از قدرت فرآیند داده کاوی جهت شناسایی الگوها و مدلها و نیز ارتباط عناصر مختلف در پایگاه داده جهت کشف دانش نهفته در داده ها و نهایتا تبدیل داده به اطلاعات، روز به روز ضروری تر می شود.در داده کاوی معمولا به کشف الگوهای مفید از میان داده ها اشاره می شود . منظور از الگوی مفید ، مدلی در داده ها است که ارتباط میان یک زیر مجموعه از داده ها را توصیف می کند و معتبر ، ساده ، قابل فهم و جدید است .
کلمات کلیدی:

داده کاوی

DATA MINING

استخراج اطلاعات

دسته بندی داده ها

فرآیند و مراحل داده کاوی

تفاوت داده کاوی و آنالیز های آماری

تاریخچه
با توجه به وجود اطلاعات ارزشمند در پایگاه های داده ای در اواخر دهه 80 میلادی ، تلاش برای استخراج و استفاده از اطلاعات پایگاه های داده ای شروع شد . داده کاوی فرایندی است که در آغاز دهه 90 پا به عرصه ظهور گذاشته و با نگرشی نو ، به مسئله استخراج اطلاعــات از پایگـــاه داده ها می پردازد . در سال 1989 و 1991 کارگاه های کشف دانش از پایگاه داده ها توسط پیاتتسکی و همکارانش و در فاصله سال های 1991 تا 1994 کارگاه های فوق ، توسط فایاد و پیا تتسکی و دیگران برگزار شد .
به طور رسمی اصطلاح داده کاوی برای اولین بار توسط « فیاض » در اولیـن کنفرانس بین المللی « کشف دانش و داده کاوی » در سال 1995 مطرح شد . از سال 1995 داده کاوی به صورت جدی وارد مباحث آمار شد.و در سال 1996 ، اولین شماره مجله کشف دانش از پایگاه داده ها منتشر شد .امروزه کنفرانس های مختلفی دراین زمینه در سراسر دنیا برگزار می شود . داده کاوی حاصل تحول تدریجی در طول تاریخ بوده و از اوایل دهه 90 همزمان با همه گیر شدن استفاده از پایگاه های داده ای به عنوان یک علم مطرح شده است.

حسین بازدید : 98 سه شنبه 16 تیر 1394 نظرات (0)
تحلیل الگوریتم شاخه و قید موازی آسنكرون Asynchronous Parallel Branch and Bound Algorithm
دسته بندی کامپیوتر و IT
بازدید ها 131
فرمت فایل doc
حجم فایل 38 کیلو بایت
تعداد صفحات فایل 50
تحلیل الگوریتم شاخه و قید موازی آسنكرون

فروشنده فایل

کد کاربری 2
کاربر

مقاله رشته کامپیوتر با عنوان تحلیل الگوریتم شاخه و قید موازی آسنكرون

خلاصه:

در این مقاله توضیحی درباره كامپیوترهای موازی می‌دهیم و بعد الگوریتمهای موازی را بررسی می‌كنیم. ویژگیهای الگوریتم branch & bound را بیان می‌كنیم و الگوریتمهای b&b موازی را ارائه می‌دهیم و دسته‌ای از الگوریتمهای b&b آسنكرون برای اجرا روی سیستم MIMD را توسعه می‌دهیم. سپس این الگوریتم را كه توسط عناصر پردازشی ناهمگن اجرا شده است بررسی می‌كنیم.

نمادهای perfect parallel و achieved effiency را كه بطور تجربی معیار مناسبی برای موازی‌سازی است معرفی می‌كنیم زیرا نمادهای قبلی speed up (تسریع) و efficiency (كارایی) توانایی كامل را برای اجرای واقعی الگوریتم موازی آسنكرون نداشتند. و نیز شرایی را فراهم كردیم كه از آنومالیهایی كه به جهت موازی‌سازی و آسنكرون بودن و یا عدم قطعیت باعث كاهش كارایی الگوریتم شده بود، جلوگیری كند.

فهرست

1- خلاصه: 1
2- معرفی: 2
3- كامپیوترهای موازی (Parallel computers): 6
4- الگوریتمهای موازی (Parallel Algorithm): 10
5- شاخه و قید (Branch and Bound): 14
- قانون Branching: 14
- قانون Bounding: 14
- قانون Selection: 15
- قانون Elimination: 15
قانون حذف شامل سر تست برای حذف زیر مسئله‌ها است: 17
- feasibility test (بررسی امكان‌پذیری): 17
- lower bound test (بررسی حد پایین): 17
- dominance test (بررسی تسلط): 18
Active subproblem: 18
Active set: 19
تعریف Knowledge: 20
6- الگوریتم شاخه و قید موازی: (Parallel B&B Algorithms): 21
موازی سازی در سطح high: 23
الگوریتم موازی شاخه و قید سنكرون : 25
lower bound calculation (محاسبه حد پایین): 25
7- پارامترهای الگوریتمهای شاخه و قید موازی آسنكرون: 29
Knowledgebase: 30
Sharing the Knowledge: 30
Using the Knowledge: 30
Knowledge hand ling: 30
1-7- Knowledge sharing: 33
2-7- Knowledge use: 36
3-7- Dividing the work: 37
4-7- Synchronicity : 39
8- پیچیدگی و تسریع (Complexity & Speedup): 42
1-9- پیاده سازی الگوریتم: 51


حسین بازدید : 70 یکشنبه 14 تیر 1394 نظرات (0)
این سیستم جهت سرعت بخشیدن به عملیات خرید و فروش و سفارش اجناس در عمده فروشها طراحی شده است همچنین تشخیص و متمایز کردن اجناس با توجه به مشخصات آنها ( نوع جنس، تعداد یک بسته از آن جنس – مارک جنس – کارخانۀ سازنده و ) سریعتر و آسوده تر و نظم بیشتری انجام می گیرد
دسته بندی کامپیوتر و IT
بازدید ها 11
فرمت فایل doc
حجم فایل 44 کیلو بایت
تعداد صفحات فایل 23
تجزیه و تحلیل سیستم عمده فروشی مواد غذایی

فروشنده فایل

کد کاربری 2
کاربر

تجزیه و تحلیل سیستم عمده فروشی مواد غذایی

خلاصه سیستم:
این سیستم جهت سرعت بخشیدن به عملیات خرید و فروش و سفارش اجناس در عمده فروشها طراحی شده است. همچنین تشخیص و متمایز کردن اجناس با توجه به مشخصات آنها ( نوع جنس، تعداد یک بسته از آن جنس – مارک جنس – کارخانۀ سازنده و ... ) سریعتر و آسوده تر و نظم بیشتری انجام می گیرد.
فهرست مطالب
خلاصه سیستم
شکل (1) .
دیاگرام متن .
شکل (2) .
شکل (3) .
موجودیت های خارجی .
شرح خطوط جریان در دیاگرام
دیاگرام گردش داده ها
شکل (4)
زیر سیستم های بخش دریافت و تحویل .
شکل (5)
زیر سیستم سفارشات .
شکل (6)
زیر سیستم حسابداری
شکل (7) .
فرمهای ورودی گذارشات خروجی .
فرم (1) خرید اجناس برای عمده فروشی
فرم (2) فروش اجناس به مشتری .
فرم (3) سفارش اجناس .
فایلهای سیستم
الگوریتم های پردازشهای نهایی .

حسین بازدید : 166 جمعه 12 تیر 1394 نظرات (0)

مقاله ترجمه شده رشته کامپیوتر با عنوان مهندسی مجدد نرم افزاری فرایند کسب و کار در بهداشت و درمان در ارتباط با سیستم های ‏اطلاعاتی سلامت

کاربرد فناوری مانند سیستم اطلاعاتی بهداشتی در رائه خدامت بهداشتی از جمله خدمات ‏بالینی در مراقبت های بهداشتی تاثیر می گذارد
دسته بندی مهندسی نرم افزار و آی تی
بازدید ها 8
فرمت فایل doc
حجم فایل 387 کیلو بایت
تعداد صفحات فایل 12
مقاله ترجمه شده رشته کامپیوتر با عنوان مهندسی مجدد نرم افزاری فرایند کسب و کار در بهداشت و درمان در ارتباط با سیستم های ‏اطلاعاتی سلامت

فروشنده فایل

کد کاربری 2
کاربر

مقاله ترجمه شده رشته کامپیوتر با عنوان مهندسی مجدد نرم افزاری فرایند کسب و کار در بهداشت و درمان در ارتباط با سیستم های ‏اطلاعاتی سلامت

عنوان انگلیسی :

Business Process Re-Engineering Application in Healthcare in a relation to Health Information Systems - 2013

چکیده:‏
کاربرد فناوری مانند سیستم اطلاعاتی بهداشتی در رائه خدامت بهداشتی از جمله خدمات ‏بالینی در مراقبت های بهداشتی تاثیر می گذارد. نظام اطلاعات سلامت در مراقبت های ‏بهداشتی به طور گسترده مورد استفاده برای حمایت از زیرساخت های پزشکی قرار می گیرد. ‏بهبود فرایند بالینی را قادر می سازد تا درک بهتری از سیستم های مراقبت های به عنوان ‏فناوری و روند بالینی فرایند مهندسی مجدد کسب و کار است‎(BPR)‎‏.‏
هدف از این مقاله بررسی استفاده از ‏BPR‏ و اثر ان در بهداشت و درمان مرتبط با سلامت با ‏سیستم های اطالاعاتی ‏‎(HIS)‎‏ است. این مقاله همچنین به بررسی عوامل برای موفقیت ‏برای سازمان بهداشت و درمان با اجرای ‏BPR‏ است. در نتیجه استفاده از ‏BPR‏ قبل از اجرای ‏HIS‏ و حتی پس از پیاده سازی می تواند برای بهبود اثربخشی ‏HPS‏ مفید باشد. استفاده از ‏فناوری اطلاعات نیز می تواند یک توانمندسازی برای طراحی مجدد رودر رو داشته باشد که به ‏خصوص در یکپارچه سازی فرایند های متعدد و اتوماسیون می باشد.‏
کلمات کلیدی:

سیستم های اطلاعاتی

سیستم اطلاعاتی بهداشتی

مهندسی مجدد فرایند کسب وکار

بهداشت ‏و درمان

گردش کار بالینی

مقدمه:‏
فناوری اطلاعات‎(IT)‎‏ در بسیاری از صنایع با مزایای قابل توجهی استفاده می شود. علم ‏اطلاعات پزشکی علم استفاده از ابزارهای سیستم تحلیل با توسعه روش الگوریتم برای ‏مدیریت،کنترل فرایند،تصمیم گیری و تجزیه وتحلیل عملی از دانش پزشکی است. در ‏یک طرف توانایی سازمان بهداشت و درمان انجام عملکرد خود را مانند ثبت سفارش،نوشتن ‏گزارش و سیستم های پشتیبانی را برای کاهش ارتباطات دارد ورسیدن به اهداف می تواند با ‏استفاده از ارائه سیستم های مبتنی بر فناوری اطلاعات باشد. و همچنین به عنوان سیستم ‏های اطلاعاتی بهداشتی شناخته شده است. از سوی دیگر برخی از خطرات مانند نارسایی و ‏اثرات منفی بر بیمار یا مربوط به برنامه ‏HIS‏ گزارذش شده است. با این حال سازمان بهداشت ‏و درمان باید در تلاش برای رسیدن به بهترین شکل ممکن از عملکرد می باشد.
بنابراین ‏ارزیابی ‏HIS‏ بسیار مهم برای اینکه اطمینان حاصل شود که حداکثر مزایای آن به دست ‏آید. اگر فناوری جدید در مراقبت های بهداشتی به کار گرفته شود فعالیت های کاربر فعلی ‏سازگار نیست. ممکن است باعث نارضایتی کاربران شده و آنها از پذیرش تکنولوژی جدید ‏خودداری کنند. به عبارت دیگر ارزیابی ‏HIS‏ قادر می سازد که ارزیابی تا چه حد خود را در ‏انجام تصمیم گیرندگان و کاربران به اهداف در حامیت از خدمات بهداشت و درمان کنند. ‏
براساس مطالعات مورد بررسی 45% از ‏HIS‏ با توجه به مقاومت کاربرد رد شده است. گزارش ‏شده است که محیط غیر متجانس بین سیستم و عملکرد بالینی شایعتر بوده است . ‏بنابراین توانایی های این فناوری جدید به تناسب با محیط بالینی مهم است. بنابراین ‏برای ارزیابی و طراحی مجدد بالینی ضروری است که فرایند گردش کار بین فرایندهای ‏بالینی و ‏HIS‏ به عنوان پیاده سازی تکنولوژی اطلاعات در مراقبت های بهداشتی نیاز به ‏طراحی مجدد گردش کار به منظور دستیابی به موفقیت انجاغم شود. فرایند به عنوان ‏مجموعه اندازه گیری از فعالیت های طراحی شده برای تولید یک خروجی مشخص برای ‏تعریف مشتری خاص یا بازار است. ‏
فهرست مطالب :
‏چکیده:‏ ‏1‏
کلمات کلیدی:‏ ‏1‏
‏1-مقدمه:‏ ‏2‏

‏2-فرایند مهندسی مجدد کسب وکار:‏ ‏4‏

‏2-1 مراحل فرایند مهندسی مجدد کسب وکار:‏ ‏5‏

‏2-2 ابزار مهندسی مجدد فرایند کسب وکار:‏ ‏6‏

‏3-برنامه ‏BPR‏ در بهداشت و درمان:‏ ‏6‏

جدول 1 مروری بر منابع :استفاده از ‏BPR‏ در بهداشت و درمان:‏ ‏7‏

‏5-محدودیت های ‏BPR‏:‏ ‏10‏

‏6:بحث و نتیجه گیری:‏ ‏11‏

حسین بازدید : 90 جمعه 12 تیر 1394 نظرات (0)

مقاله-ترجمه-شده-رشته-کامپيوتر-با-عنوان-پيشرفت-ها-د.aspx"> مقاله ترجمه شده رشته کامپیوتر با عنوان پیشرفت ها در مهندسی نرم افزار - تحلیل تاثیر تکنیک های استخراج داده بر پایگاه داده ها

در جامعه ی اطلاعاتی امروز شاهد روند رو به رشد شرکت های الکترونیکی و ذخیره سازی ‏اطلاعات آنها در پایگاه های داده ای بزرگ هستیم
دسته بندی مهندسی نرم افزار و آی تی
بازدید ها 9
فرمت فایل doc
حجم فایل 651 کیلو بایت
تعداد صفحات فایل 16
مقاله ترجمه شده رشته کامپیوتر با عنوان پیشرفت ها در مهندسی نرم افزار - تحلیل تاثیر تکنیک های استخراج داده بر پایگاه داده ها

فروشنده فایل

کد کاربری 2
کاربر
مقاله ترجمه شده رشته کامپیوتر با عنوان پیشرفت ها در مهندسی نرم افزار

تحلیل تاثیر تکنیک های استخراج داده بر پایگاه داده ها

عنوان انگلیسی :

Analysis the effect of data mining techniques on database

چکیده:‏
در جامعه ی اطلاعاتی امروز شاهد روند رو به رشد شرکت های الکترونیکی و ذخیره سازی ‏اطلاعات آنها در پایگاه های داده ای بزرگ هستیم. استخراج داده سبب دانش افروزی میشود. ‏استخراج اطلاعات میتواند مفاد بارزشی از پایگاه داده ها آشکار کند که به دانش افروزی و ‏بهبود تجارت هوشمند کمک میکند.
در این مقاله به این موضوغات می پردازیم که تکنیک ‏های استخراج داده ای چه تاثیری بر سیستم های پایگاه داده ای دارند، چگونه میتوان با ‏استفاده از آنها به اطلاعات مورد نظر دست یافت، به چه ابزارهایی برای استفاده از آنها نیاز ‏است، طرفداران و منتقدان اصلی آنها چه کسانی هستند. با تمامی این تفاسیر برآنیم تا نشان ‏دهیم چگونه میتوان تکنولوژی استخراج داده ای را در تکنیک های آن گنجاند.‏
کلمات کلیدی:‏

پایگاه داده ها

مهندسی نرم افزار

تکنیک های استخراج داده

تکنیک های استخراج داده

مقدمه:‏
در سال های اخیر استخراج داده به تکنیک بسیار معروفی برای استخراج اطلاعات از پایگاه ‏داده در حوزه های مختلف مبدل شده است که به عوامل گوناگونی من جمله قابلیت دسترسی ‏کاربران به آن و نتایج نشان دهنده آن بستگی دارد. استخراج داده به معنای جستجوی اطلاعات ‏بارزش در حخم وسیع داده ها میباشد.
با افزایش دسترسی به پایگاه های داده ای با ‏ساختارهای مشخص، نیاز به تکنیک های استخراج داده که برای این ساختارها طراحی شده ‏اند نیز بیشتر میشود. به جهت کیفیت بهتر نرم افزار، مهندسان نرم افزار الگوریتم های ‏بسیار ی را برای وظایف مهندسی نرم افزارهای مختلف بکار میبرند.
دستیابی سریع تر و ‏بهتر به پایگاه داده ها، تحلیل و درک نتایج و همچنین ذخیره سازی داده ها که از حیطه ‏ی توانایی افراد خارج است، دانشمندان و محققان را ترغیب نموده است تا در کشف و ابداع ‏فیلدهای خاش اکتساب دانش در پایگاه های داده ای حرکتی صعودی و روزافزون داشته باشند. ‏
حجم اطلاعاتی بالا و عدم توانایی برای درک و فهم فرآیندهایی که سبب ایجاد آنها شده اند ‏باعث استفاده از تکنیک های استخراج داده ای میشود که به این طریق میتوان الگوهای ‏ساختاری گوناگون با مطالب مفید را از پایگاه داده ای استخراج نمود
فهرست مطالب :
چکیده مقاله:‏ ‏2‏
‏1-مقدمه:‏ ‏2‏

‏2.ارائه ی مدل های استخراجی در پایگاه داده ها ‏3‏

‏3.‏IBM DB2‎ ‏4‏

‏3.1:استخراجگر هوشمند ‏DB2‎‏ با قابلیت مدل سازی:‏ ‏5‏

‏3.2:استخراجگر هوشمند ‏DB2‎‏ با قابلیت رتبه بندی:‏ ‏6‏

‏3.3:استخراجگر هوشمند ‏DB2‎‏ با قابلیت تصویرسازی:‏ ‏6‏

‏4.‏Microsoft SQL Server ‏7‏

‏4.1:خدمات تحلیلی:‏ ‏7‏

‏4.2:خدمات گزارشی:‏ ‏7‏

شکل2:پایگاه اطلاعات ‏IBM DB2‎ ‏8‏

‏4.3:خدمات پایگاه داده ای ‏SQL‏:‏ ‏8‏

‏4.4:خدمات ترکیبی سرور ‏SQL‏:‏ ‏9‏

‏4.5:اجزای ایستگاه کاری:‏ ‏9‏

‏4.6:خدمات پیشرفته:‏ ‏9‏
‏5.‏MYSQL ‏9‏
‏5.1:‏DBMyne 2008‎‏:‏ ‏10‏

‏6.پایگاه داده ای ‏ORACLE‏:‏ ‏11‏

‏6.1:واسط های برنامه ریزی استخراج داده در ‏ORACLE‏:‏ ‏12‏

‏6.2:عملکردهای استخراج داده ‏ODM‏:‏ ‏12‏
جدول1: خلاصه ای از توابع و الگوریتم ‏DBMS-DB ‏13‏
‏6.3:استخراجگر داده ای ‏ORACLE‏:‏ ‏13‏
‏7.مطالعه ی تطبیقی ‏14‏
‏8-نتیجه گیری:‏ ‏16‏

حسین بازدید : 104 جمعه 12 تیر 1394 نظرات (0)

مقاله ترجمه شده رشته کامپیوتر با عنوان داده کاوی جهانی: مطالعه تجربی از روند فعلی پیش بینی آینده و انتشار فناوری

با استفاده از روش داده کاوی این مطالعه و تجلیل روند تحقیقات و پیش بینی داده کاوی را ‏از سال ‏‎1989‎‏ تا سال ‏‎2009‎‏ را با عنوان داده کاوی در پایگاه ‏SSCI‏ انجام داده است
دسته بندی مهندسی نرم افزار و آی تی
بازدید ها 10
فرمت فایل doc
حجم فایل 477 کیلو بایت
تعداد صفحات فایل 29
مقاله ترجمه شده رشته کامپیوتر با عنوان داده کاوی جهانی: مطالعه تجربی از روند فعلی پیش بینی آینده و انتشار فناوری

فروشنده فایل

کد کاربری 2
کاربر

مقاله ترجمه شده رشته کامپیوتر با عنوان داده کاوی جهانی: مطالعه تجربی از روند فعلی پیش بینی آینده و انتشار فناوری

عنوان انگلیسی :

Global data mining-An empirical study of current trends, future forecasts and technology diffusions

چکیده:‏
با استفاده از روش داده کاوی این مطالعه و تجلیل روند تحقیقات و پیش بینی داده کاوی را ‏از سال ‏‎1989‎‏ تا سال ‏‎2009‎‏ را با عنوان داده کاوی در پایگاه ‏SSCI‏ انجام داده است روش ‏کتاب سنجی تحلیل روشی بررسی موضوع در این بازه زمانی است. ما با برداشت از ‏‎1881‎‏ ‏مقاله به بررسی این موضوع پرداخته ایم در این مقاله پیاده سازی و طبقه بندی مقالات داده ‏کاوی با استفاده از سال نشر، استناد، کشور نشر، نوع سند، نام موسسه، زبان، عنوان منبع و ‏موضوع منطقه برای وضعیت های مختلف به منظور کشف تفاوت ها و اطلاعات چگونگی فناوری ‏و توسعه یافتگی آن در این دوره با گرایش های فناوری پرداخته ایم و پیش بینی نتایج ‏را از این مقالات انجام داده ایم همچنین این مقاله انجام آزمون ‏K-S‏ را برای بررسی اینکه ‏آیا تجزیه و تحلیل براساس قانون لوکتا است یا نه انجام دادند.
علاوه براین تجزیه و ‏تحلیل بررسی متون تاریخی جهت نفوذ فناوری داده کاوی انجام شده است. این مقاله یک ‏نقشه راه برای تحقیقات آینده، و روندهای تکنولوژی و پیش بینی و تسهیل انباشت دانش را ‏در دستور خود دارد به طوری که محققان داده کاوی بتواند با صرف هزینه کم بر روی موضوع ‏مشخص خود متمرکز شوند. ‏
این بدان معنی است که پدیده موفقیت در نشریات با کیفیت بالاتر شایع تر است .
کلمات کلیدی:‏

داده کاوی

نفوذ فناوری

روش کتاب سنجی

روند تحقیقات و پیش بینی ‏

مقدمه:‏
داده کاوی زمینه بین رشته ای است که ترکیبی مصنوعی از هوش، مدیریت پایگاه داده، ‏تجسم داده ها، دستگاه یادگیری، الگوریتم های ریاضی و آمار را به وجود آورده است. داده ‏کاوی نیز به عنوان کشف پایگاه داده ها شناخته شده است. دچن، هان ویو ‏‎1996‎‏ ، ‏پیاتتکسی و اسمیت ‏‎1996‎‏ که به سرعت در حال ظهور می باشند.این فناوریها روش های ‏مختلفی را برای تصمیم گیری حل مسئاله، تجزیه و تحلیل، برنامه ریزی، تشخیص، ‏یکپارچه سازی، پیشگیری آموزش و نوآوری را به ارمغان می آورد که نیاز به تکنیک های ‏جدید برای کمک به تجزیه و تحلیل، درک و حتی تجسم مقدار بسیار عظیمی از داده های ‏ذخیره شده را در برنامه های علمی و کاربردی را جمع آوری می کند. کشف دانش این ‏فرآیند جالب توجه است.
که مانند الگوهایی برای انجمن ها، تغییرات، ناهنجاری و سازه های ‏مهم که از مقادیر زیادی از داده های ذخیره شده در پایگاه داده ها، انبار داده ها و یا دیگر ‏مخازن اطلاعاتی تشکیل شده است. این می تواند به شرکت جهت تصمیم گیری به خاطر ‏ماندن در فضای رقابتی بازار کمک کند. توابع اصلی داده کاوی در تجارت توسعه یافته شامل ‏خلاصه، انجمن، طبقه بندی، پیش بینی و خوشه است.این توابع می تواند با استفاده از انواع ‏فناوریها مانند پیاده سازی پایگاه داده، یادگیری و روش های آماری اجرا شود. (پیا تتسکی ‏و اسمیت ‏‎1996‎‏ ) استخراج اطلاعات از پایگاه داده به عناون یک فرایند است که با استفاده ‏از آمار، ریاضی، تکنیک های هوشی مصنوعی و روشهای دیگر و شناسایی اطلاعات مفید و ‏پس از آن بدست آوردن دانش پایگاه های بزرگ تعریف می شود.
در تلاش برای توسعه بینش ‏های جدید با کارایی عمل مناسب داده کاوی به منظور بررسی برنامه های بهبود، اولویت ‏استراتژیک عوامل محیطی، ابعاد عملکرد تولید و اثر متقابل آنها مورد استفاده قرار گرفت ‏‏(حاجی زاده، حسینی، بارفروش و همکاران ‏‎2010‎‏ (اسمیت و برسون ‏‎2000‎‏ ) (لوژن ‏‎2001‎‏ ‏‏)(احمد‎2004‎‏ )(لینوف و بری ‏‎2004‎‏ ) همچنین داده کاوی به عنوان فرآیند استخراج ‏اطلاعات تعریف شده و یا تشخیص الگوهای پنهان و یا اطلاعات از پایگاه داده های بزرگ و ‏امکان پذیر می کند.با مقدار زیادی از داده ها، فناوریهای داده کاوی می تواند با بحث به ‏وجود آمدن هوش کسب و کار و در نهایت ایجاد فرصت های جدید می شود. به تازگی ‏تعدادی از برنامه های کاربردی داده کاوی و نمونه های اولیه برای انواع دامنه های توسعه یافته ‏است (بارچمن و خابازا، کلسژن پیاتتکسی، شاپیر و سیموریس ‏‎1996‎‏ ) که از جمله ‏بازاریابی، بانکداری و امورمالی، تولید و مراقبت های بهداشتی است. علاوه براین داده کاوی ‏نیز به عنوان دیگر داده ها مانند اعمال سری های زمانی، ارتباط است. ‏
فهرست مطالب :
چکیده:‏ ‏1‏
کلیده واژه ها:‏ ‏1‏
‏1- مقدمه:‏ ‏2‏

‏2- موارد و روش های تحقیق:‏ ‏4‏

‏2-1 مواد تحقیق:‏ ‏4‏
‏2-2 روش تحقیق:‏ ‏4‏
‏2-2-1 قانونی لوتکا:‏ ‏5‏

‏2-2-2 زیر ساخت های تحقیقات :‏ ‏6‏

‏1-جمع آوری داده ها ‏6‏

‏2-فهرست نویسنده و جدول توزیع مقاله ‏6‏

‏3-محاسبه مقدار ‏n‏ (شیب)‏ ‏6‏

معادله1‏ ‏6‏
‏4محاسبه مقدار ‏C ‏7‏
فرمول 3‏ ‏7‏
معادله 4‏ ‏7‏
‏3-نتایج:‏ ‏8‏
‏3-1:توزیع های سال نشر:‏ ‏8‏
‏3-2: توزیع های استنادی‎:‎ ‏8‏
‏3-3 توزیع های کشور- قلمرو:‏ ‏8‏
‏3-4:توزیع نام موسسه:‏ ‏9‏
جدول1 :25 کشور برتر در سال 2009-1989‏ ‏9‏
‏3-5:توزیع توسط نوع سند:‏ ‏12‏
‏3-6:توزیع شده توسط زبان:‏ ‏12‏
‏3-7توزیع های موضوع:‏ ‏12‏

شکل 1: انتشار و وضعیت استناد در هر سال‎. ‎منبع‎: ‎پایگاه دادهSSCI ‏13‏

جدول 2 :توزیع نوع و زبان سند2009-1989‏ ‏13‏
‏3-8: توزیع عنوان منبع:‏ ‏14‏
توزیع 25 گروه اول از منابع 2005-1989‏ ‏15‏

جدول4 :محاسبه بهره وری نویسنده داده کاوی ‏19‏

جدول 5 :محاسبه ‏n‏ برای داده کاوی ‏19‏
شکل 2: توزیع بهره وری ادبیات نویسنده در پژوهش داده کاوی ‏19‏
جدول 6:آزمون ‏K-S‏ برای داده کاوی ‏19‏
جدول 7 نمای کلی از نوآوری های فن آوری در داده کاوی ‏20‏
جدول 7: مروری بر نفوذ بازار در داده کاوی ‏21‏
جدول 8 :نمای کلی از قبول تعداد در داده کاوی:‏ ‏22‏
‏4-بحث:‏ ‏23‏
‏4-1:تجزیه و تحلیل بهره وری منابع توسط قانون لوتکا:‏ ‏23‏

‏3-محاسبه مقدار ‏n‏(شیب)‏ ‏24‏

معادله 5‏ ‏24‏
‏4-محاسبه ارزش ‏C ‏24‏
معادله 6‏ ‏24‏
معادله 7‏ ‏25‏
‏2-4 بحث و گفتگو:‏ ‏25‏

‏1-5 نوآوری های فناوری داده کاوی (1998-1989):‏ ‏25‏

‏2-5 قبولی داده کاوی سازمانی(2003-1999):‏ ‏26‏

‏3-5نفوذ در بازر با استفاده از داده کاوی(2009 -2004)‏ ‏26‏
‏6- نتیجه گیریک ‏26‏

‏5-روند اصلی مقاله از نوع سند داده کاوی در پژوهش هست.‏ ‏28‏

‏6-زبان انگلیسی هنوز زبان اصلی در داده کاوی پژوهشی می باشد.‏ ‏28‏


حسین بازدید : 76 جمعه 12 تیر 1394 نظرات (0)

مقاله-ترجمه-شده-رشته-نرم-افزار-با-عنوان-تکامل-بازي.aspx"> مقاله ترجمه شده رشته نرم افزار با عنوان تکامل بازیابی ، به صورت مفهومی

در این فصل به بررسی توسعه روش بازیابی نرم افزار متحمل خطا و کارهای بعدی بر اساس این ‏رویکرد پرداخته ایم
دسته بندی مهندسی نرم افزار و آی تی
بازدید ها 1
فرمت فایل doc
حجم فایل 414 کیلو بایت
تعداد صفحات فایل 21
مقاله ترجمه شده رشته نرم افزار با عنوان تکامل بازیابی ، به صورت مفهومی

فروشنده فایل

کد کاربری 2
کاربر

مقاله ترجمه شده رشته نرم افزار با عنوان تکامل بازیابی ، به صورت مفهومی

عنوان انگلیسی :

The Evolution Of the Recovery Block Concept

چکیده :
در این فصل به بررسی توسعه روش بازیابی نرم افزار متحمل خطا و کارهای بعدی بر اساس این ‏رویکرد پرداخته ایم. این را با یک بررسی ازتوسعه و پیاده سازی طرح بلوک بهبود اساسی در سال ‏‏1970که در نیوکاسل اتفاق افتاد شروع می کنیم و سپس در ادامه به توصیف کار در نیوکاسل و ‏جاهای دیگر که به صورت طرح اولیه کار می کردند پرداخته و بهبود سیستم در زمان و حمایت برای ‏بهبود استفاده از مفاهیم برنامه نویسی شی گرا ، است.‏
کلیدواژه ها:

بازیابی

نرم افزار

بحران نرم ‏افزار

مقدمه :
پروژه تحقیقاتی به منظور بررسی قابلیت اطمینان سیستم توسط اولین محقق در دانشگاه نیوکاسل ‏در سال 1971 آغاز شد این در زمانی بود که مشکلات نرم افزاری به عنوان مثال در سال 1968 به ‏وجود آمده بود و در همایش مهندسی نرم افزار ناتو در سال 1969 در مورد آنچه در آن زمان بحران نرم ‏افزار نامیده می شد مورد بررسی قرار گرفت. این بحث یکی از مهم ترین تلاشهای تحقیقاتی را در ‏تعدادی نقاط با هدف پیدا کردن ابزار تولید برنامه بدون خطا شروع شد با این حال در نیوکاسل برای ‏انجام هر کاری با وجود استفاده از بهترین روشهای موجود از رسیدن به کد بدون خطای تحقیقاتی ‏شروع شد که به عنوان یک هدف جالب توجه و ارزشمند در نظر گرفته شده بود. مرحله مقدماتی این ‏پروژه شامل مطالعه و تعیین یک نماینده برای سیستم های بزرگ نرمافزاری از جمله سیستم های ‏بانکی یارزرو خطوط هوایی بود.این داده های آماری تایید می کرد که گسل نرم افزاری باقیمانده ‏یکی از مهم ترین علل خرابی های سیستم بوده است.
این است که در تمام این سیستم ها کد ‏بخش قابل ملاحظه بوده و پیچیدگی آنها مربوط به مقررات تحمل خطا مانند چک کردن سازگاری داده ‏ها و طرح های محرکه بود. با این حال این مقررات هر چند به طور معمول و نه موقت اغلب موثر بودند ‏و در واقع به مقابله با برخی از خطاهای نرم افزاری موفق بوده که در عمل در سیستم های عملیاتی ‏مواجه شده بودند
فهرست مطالب :
چکیده ‏1‏
کلیدواژه ها:‏ ‏1‏
‎-1‎‏1مقدمه :‏ ‏1‏

‎1‎‏-2ساختار سیستم :‏ ‏3‏

‏3. 1 : بلوکها (مانع های ) بازیابی :‏ ‏5‏

الف) شکست آزمون پذیرش ‏7‏

ب)تشخیص خطای ضمنی ‏7‏

د) سابقه شکست ‏7‏
‏1-4 پیاده سازی های اولیه و آزمایشی :‏ ‏8‏
‏5-1 توسعه و کاربرد بلوک های بازیابی پایه ای :‏ ‏10‏

‏1-5-2 : اجماع بازیابی بلوک :‏ ‏11‏

‏1-5-3-سعی دوباره بلوک با تنوع داده ها :‏ ‏12‏

‏1-5-4 خود پیکر بندی بهینه برنامه نویسی :‏ ‏12‏

‏1-5-5- برنامه های دیگر:‏ ‏13‏
‏1-6 بازیابی سیستم های همزمان :‏ ‏13‏
‏1-6-1 مکالمات :‏ ‏13‏
‏1-هماهنگی با استفاده از برنامه ها ‏14‏

‏2-هماهنگی با استفاده از دستگاه ‏14‏

‏1-6-2 : ضمیمه ها و پیاده سازی گفتگو :‏ ‏15‏
‏1-7-1- نماد گذاری طراحی و محیط :‏ ‏16‏

‎1‎‏-7-2 تحمل خطای نرم افزار پیاده سازی در ‏C++‎‏ :‏ ‏17‏

‎1‎‏-7-3 بازتاب و انعکاس زبان :‏ ‏17‏
‎1‎‏-8 نتیجه گیری :‏ ‏18‏

اطلاعات کاربری
  • فراموشی رمز عبور؟
  • آرشیو
    آمار سایت
  • کل مطالب : 1054
  • کل نظرات : 13
  • افراد آنلاین : 4
  • تعداد اعضا : 3
  • آی پی امروز : 64
  • آی پی دیروز : 66
  • بازدید امروز : 198
  • باردید دیروز : 126
  • گوگل امروز : 0
  • گوگل دیروز : 0
  • بازدید هفته : 1,618
  • بازدید ماه : 3,847
  • بازدید سال : 24,798
  • بازدید کلی : 253,855