‭COM soft

‭COM A

رکوردهای موجود با شماره رده : ‭COM soft

ارائه الگوریتمی به منظور کاهش مصرف انرژی در شبکه‌های حسگر بی‌سیم بر مبنای پروتکل Leach (1397) / داورپناه ، مهدی، نویسنده

نوع مدرک: متون چاپی سرشناسه داورپناه ، مهدی، نویسنده رده‌بندی کنگره : ‭COM soft ‭29 1397 عنوان : ارائه الگوریتمی به منظور کاهش مصرف انرژی در شبکه‌های حسگر بی‌سیم بر مبنای پروتکل Leach عنوان موازی : A New Approach Energy efficient in Wireless Sensor Networks Based on LEACH Protocol ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1397 صفحه شمار: س،89ص شابک/شاپا 23325 یادداشت پایان نامه کارشناسی ارشد: مهندسی کامپیوتر گرایش نرم افزار شناسه افزوده : نعمت بخش ، ناصر، استاد راهنما سلیمانی نیسیانی ، بهزاد، استاد مشاور توصیفگرها شبکه‌هاي حسگر بی سیم  الگوریتم LEACH  خوشه بندی  Wireless sensor networks  LEACH algorithm  Clustering چکیده : خصوصیات و ویژگی¬های منحصر به فرد شبکه¬های حسگر بی¬سیم باعث شده تا روش¬های بهینه¬سازی ارائه شده برای سایر شبکه¬های بی¬سیم در این نوع شبکه¬ها پاسخ¬گو نبوده و با مشکلات متعددی همراه باشند. بر همین اساس تکنیک¬های مدیریتی و روش¬های بهینه¬سازی کابردی برای این شبکه¬ها، دارای تفاوت¬های اساسی با سایر شبکه¬های بی¬سیم می¬باشند. مکانیزم¬های خوشه¬بندی این تفاوت¬ها را پاسخ گفته و به عنوان یکی از ابزارهای مؤثر جهت بهینه¬سازی منابع، مدیریت حسگرها و ارتقاء کارایی در شبکه¬های حسگر مطرح هستند. در پژوهش¬های گسترده¬ای از این ابزار به جهت افزایش کارایی شبکه، مدیریت گره¬ها، بهینه¬سازی منابع مصرفی به ویژه انرژی حسگرها، و موارد متعدد دیگری استفاده شده است. اما مطالعات پیرامون این حوزه، حاکی از وجود برخی چالش¬‌های حل نشده به ویژه در ارتباط با انتخابات مؤثر سرخوشه¬ها، مبادلات داده¬های گردآوری شده خوشه¬ها، موازنه¬سازی مصرف انرژی حسگرها و نهایتاً بهینه¬سازی انرژی است. عدم پوشش مؤثر این مسائل منجر به افت کارایی روش¬های خوشه¬بندی و در مجموع افت کارایی شبکه خواهد گردید. این‌رو با ارائه روشی بهینهESA-LEACH بر محوریت الگوریتم پایه LEACH توسعه یافته و بر مبنای ملاحظه تدابیری در راستای تقویت انتخابات سرخوشه¬ها، پیکربندی متناسب خوشه¬ها و مبادلات هدفمند داده¬های گردآوری شده، بهبود یافته است. ESA-LEACH یک الگوریتم سه مرحله¬ای بوده که بر اساس دو مرحله نخست خود تلاش بر بهبود و افزایش کارایی خوشه¬بندی و مبتنی بر مرحله پایانی خود سعی بر مبادله هدفمند اطلاعات خوشه-ها برای گره چاهک دارد. نتایج شبیه¬سازی الگوریتم پیشنهادی با نرم¬افزار OPNET حاکی از برتری خاصی بر اساس شاخص‌های (تاخیر 7.8تا11 ، مصرف انرژی12تا16، نرخ ترافیک سرخوشه‌ها 3تا 7.5، دریافت‌های موفق 4.5 تا 6.4، گذردهی 3.8 تا 5) ESA-LEACH در مقایسه با الگوریتم¬های مشابه تحت مقایسه پیشین است لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=12641 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
23325	‭COM soft ‭29 1397	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

ارائه روشی بر اساس رتبه بندی در عقیده‌کاوی به منظور پیش¬بینی و ارزیابی نظرات (1395) / عقدایی اردستانی ، سید محمد‌صادق، نویسنده

نوع مدرک: متون چاپی سرشناسه عقدایی اردستانی ، سید محمد‌صادق، نویسنده رده‌بندی کنگره : ‭COM soft ‭9 1397 عنوان : ارائه روشی بر اساس رتبه بندی در عقیده‌کاوی به منظور پیش¬بینی و ارزیابی نظرات ناشر: دانشگاه شهید اشرفی اصفهانی : بی نا سال نشر : 1395 صفحه شمار: د، 74ص شابک/شاپا 22729 یادداشت پایان نامه کارشناسی ارشد : کامپیوتر گرایش: نرم‌افزار شناسه افزوده : نعمت بخش ، ناصر، استاد راهنما ترابیان اصفهانی ، مهدی، استاد مشاور توصیفگرها عقیده‌کاوی  دسته‌بندی  نایو‌بیز  درخت تصمیمOpinion  Classification  Naive Bayesian  Decision tree چکیده : از زمان ظهور اینترنت تاکنون، نوع دیگری از جوامع به صورت مجازی شکل گرفته‌اند و ساختار و روابط اجتماعی بین افراد مختلف جامعه شکل تازه‌ای به خود گرفته است. اینترنت این امکان را فراهم کرده تا مردم در سرتاسر دنیا باهم ارتباط برقرار کنند و نظرات و عقاید خود را در بستر اینترنت و شبکه‌های اجتماعی به اشتراک بگذارند. تجزیه و تحلیل این نظرات با عنوان عقیده‌کاوی این امکان را فراهم کرده تا اطلاعات درون متن¬ها شناسایی و استخراج شوند. این اطلاعات به شرکت‌ها و ارائه‌دهندگان خدمات کمک می¬کند تا نظرات و عقاید مشتریان را بدانند و بر اساس نیاز آن‌ها محصولات و خدمات خود را ارائه دهند. در این تحقیق یک روش عقیده‌کاوی ارائه شده است که عقاید مشتریان را در سه رتبه مثبت، میانه و منفی دسته‌بندی می¬کند. در این مدل از روش طبقه‌بندی نایوبیز استفاده می شود. در ارزیابی مدل، عقاید مشتریان یک هتل در پرتغال به دو روش نایو‌بیز و درخت تصمیم دسته‌بندی می‌شوند. نتایج نشان می¬دهد روش نایو‌بیز در معیار دقت بهتر از درخت تصمیم است لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=1230 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
22729	‭COM soft ‭9 1397	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

ارائه روشی برای بهبود دقّت کشف حمله در شبکه های مخابراتی کامپیوتری به کمک الگوریتم های پیش بینی داده کاوی (1400) / مجیدی ، میلاد، نویسنده

نوع مدرک: متون چاپی سرشناسه مجیدی ، میلاد، نویسنده رده‌بندی کنگره : ‭COM soft ‭54 عنوان : ارائه روشی برای بهبود دقّت کشف حمله در شبکه های مخابراتی کامپیوتری به کمک الگوریتم های پیش بینی داده کاوی عنوان موازی : Provide a way to improve attack detection accuracy in computer telecommunication networks using data mining prediction algorithms ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1400 صفحه شمار: 106ص شابک/شاپا 24539 یادداشت پایان نامه کارشناسی ارشد: رشته مهندسی کامپیوتر گرایش نرم افزار شناسه افزوده : نعمت بخش ، ناصر، استاد راهنما نعمت بخش ، ناصر، استاد مشاور توصیفگرها دقت کشف حمله، شبکه های کامپیوتری، الگوریتم‌های پیش‌بینی‌کننده‌، داده‌کاوی  Accurately detect the attack, Computer Networks, Predictive algorithms, Data mining چکیده : امروزه با ظهور و گسترش داده‌های با ابعاد زیاد، روند انتخاب ویژگی نقش بسیار مهمی را در زمینه یادگیری ماشین و به خصوص مسائل طبقه‌بندی داده، بازی می‌کند. در هنگام کار با داده‌هایی با ابعاد بالا با مشکلاتی همچون وجود ویژگی‌های نامرتبط و زائد روبه رو هستیم که باعث کاهش نرخ صحت طبقه‌بند، افزایش هزینه و زمان اجرای محاسباتی و معظل بعد می‌شود. بنابراین یکی از چالش‌های انگیزشی این پژوهش وجود حجم بالای داده با ویژگی‌های زیاد است. مجموعه‌داده‌‌هایی با ابعاد بالا و ویژگی‌های زائد و نامرتبط باعث به وجود آمدن معظل بعد شده و تحلیل درست داده‌ها را با مشکل مواجه و خطای طبقه‌بندی را تشدید می‌‌کند. به همین سبب تنها با استفاده از تکنیک‌های داده‌کاوی می‌توان حجم بالایی از داده‌ها را تحلیل و بررسی کرد. هدف این پژوهش این است که با بهره‌گیری از مجموعه داده‌ی KDD 99 که شامل 40 ویژگی است، از یک روش کاهش بعد، ویژگی‌های مؤثر را شناسایی کرده و شاهد افزایش دقت تشخیص حملات و همچنین صرفه جویی در زمان تشخیص آنها شویم. در این تحقیق، ما یک روش یادگیری عمقی مبتنی بر شبکه های Iot / مه را ارائه خواهیم کرد. همچنین در این مطالعه نشان داده شده است که مدل عمقی ما نسبت به سیستم های یادگیری ماشینی متداول مانند سافتمکس برای طبقه بندی داده ها به صورت دو طبقه ای نرمال/ حمله در ارزیابی داده های تمرینی جدید، عملکرد بهتری داشته است لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=13614 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
24539	‭COM soft ‭54	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

ارائه روشی جهت ادغام و همگام‌سازی سرویس‌های Soap با سرویس‌های Rest تحت مدیریت وب (1396) / مبارکه ، مسلم، نویسنده

نوع مدرک: متون چاپی سرشناسه مبارکه ، مسلم، نویسنده رده‌بندی کنگره : ‭COM soft ‭22 1398 عنوان : ارائه روشی جهت ادغام و همگام‌سازی سرویس‌های Soap با سرویس‌های Rest تحت مدیریت وب ناشر: دانشگاه شهید اشرفی اصفهانی : بی نا سال نشر : 1396 صفحه شمار: ه،73ص شابک/شاپا 22742 یادداشت پایان نامه کارشناسی ارشد : مهندسی نرم افزار شناسه افزوده : کلینی ، مینا، استاد راهنما یراقی ، شکوفه، استاد مشاور توصیفگرها رست  رست فول  معماری سرویس گرا  سواپREST  RESTful  Service-Oriented Architectures  Soap چکیده : یکی از اصلی‌ترین چالش‌های پیش رو در توسعه دستگاه‌های با وسعت زیاد تغییرات متداول در نیازمندی‌های مشتریان و محیط کسب‌وکارهای آن‌ها است. معماری سرویس گرا با ادغام و همگام‌سازی سرویس‌ها به‌عنوان یک‌راه حل مؤثر برای رفع این مشکلات مطرح کرد که مزیت استفاده از این روش قابلیت یکپارچه‌سازی با تغییرات چندباره در نیازمندی‌های کاربران میسر است. هدف اصلی این پایان‌نامه،امکان ادغام و همگام‌سازی سرویس‌های وب رست و سرویس‌های تحت سوپ با ارائه مدل متاداده ای برای توصیف هم‌زمان آن‌ها است. سعی بر آن است کـه درروش ارائه‌شده، امکـان ادغام و همگام‌سازی سرویس‌های وب رست فول و سرویس‌های وب مبتنی بر سواپ با ارائه مـدل متـاداده ای بـرای توصـیف هم‌زمان آن‌ها، فـراهم گردد. برای رسیدن به این هدف ضمن مطالعه روش‌های موجود، سعی شده است که نقاط ضعف سایر روش‌های موجود پوشـش داده شـود و از نقاط قوت آن‌ها نیز بهره برده شود. در این پایان‌نامه با استفاده از API راهکاری جهت بهبود سرعت، امنیت و کارایی ارائه گردیده است. راهکار ارائه‌شده با تکیه‌بر سیستم رست و رست فول باعث تکمیل و بهبود سیستم لرا شده است و به ارائه نگاشت‌هایی که از این پیاده‌سازی پشتیبانی کند، پرداخته می‌شود و مستنداتی برای این نوع پیاده‌سازی ارائه می‌گردد. سپس راهکار ارائه‌شده با راهکار مشابه مقایسه می‌شود. در طراحی از زبان جاوااسکریپت استفاده‌شده است. نتایج حاصل نشان‌دهنده افزایش 5 درصدی سرعت، کیفیت، بهینه‌سازی با استفاده از سیستم LRAF می‌باشد لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=1525 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
22742	‭COM soft ‭22 1398	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

ارائه روشی برای دسته‌بندی کاربران در شبکه‌های اجتماعی جهت بهبود سیستم‌های توصیه‌گر آنلاین (1395) / فرجی بیرگانی ، مریم، نویسنده

نوع مدرک: متون چاپی سرشناسه فرجی بیرگانی ، مریم، نویسنده رده‌بندی کنگره : ‭COM soft ‭12 1397 عنوان : ارائه روشی برای دسته‌بندی کاربران در شبکه‌های اجتماعی جهت بهبود سیستم‌های توصیه‌گر آنلاین ناشر: دانشگاه شهیداشرفی اصفهانی : بی نا سال نشر : 1395 صفحه شمار: ث، 104ص شابک/شاپا 22732 یادداشت پایان نامه کارشناسی ارشد : مهندسی کامپیوتر نرم افزار شناسه افزوده : خیام باشی ، محمدرضا، استاد راهنما توصیفگرها شبکه‌اجتماعی  سیستم‌های توصیه‌گر  دسته‌بندی کاربران  جوامع آنلاین  انتشار برچسبsocial network  recommender systems  user's categorization  on-line communities  tag publishing چکیده : سیستم‌‌های توصیه‌گر در میـان حجم عظیمی از انتـخاب‌های ممکن برای رسیدن به گزینه‌های مفید و مورد‌ علاقه کاربـران، به‌عنـوان سیستـم‌های تأثیرگذار به‌منظور راهنمایی و هدایت افراد به‌کار گرفته شدند. برای ایجاد یک سیستم توصیه‌گر قدرتمند باید مهمترین چالش یعنی تعیین جامعه مطابق با علایق فرد را رفع نمود. برای این منظور در‌این تحقیق از الگوریتم خوشه‌بندی برای خوشه‌بندی افراد در شبکه‌های اجتماعی به‌منظور ایجاد یک سیستم توصیه‌گر استفاده شده است، با‌استفاده‌از خوشه‌بندی می‌توان افراد را بر‌اساس سلایق یکسان در دسته‌های یکسان قرار داد. الگوریتم خوشه‌بندی مورد استفاده در‌این پژوهش الگوریتم انتشار برچسب نام دارد که بزرگترین مزیت این الگوریتم تعیین خودکار تعداد خوشه می‌باشد. زیرا هیچگاه نمی‌توان در‌ یک شبکه اجتماعی تعداد دسته‌هایی که می‌توان افراد را در‌آن قرار داد، تعیین نمود و‌‌این بزرگترین مشکل در خوشه‌بندی این‌گونه سیستم‌های پویا می‌باشد. بر‌اساس این‌سیستم خوشه‌بندی افراد بر‌اساس نزدیک‌ترین فاصله‌ای که بر‌اساس ویژگی- های ثبت شده در مجموعه اعداد با یکدیگر دارند، در‌یک خوشه قرار می‌گیرند و نیازی به تعیین خوشه وجود ندارد. این عملیات تا زمانی‌که دیگر فردی بیخوشه‌ای وجود نداشته باشد، ادامه خواهد داشت. پس‌از خوشه‌بندی افراد در دسته‌های مختلف می‌توان از آیتم‌های انتخابی افراد دیگر در ‌‌یک خوشه برای توصیه به افراد دیگر در همان خوشه استفاده نمود. با استفاده از آزمایشات و نمودارها و نتایج به‌دست آمده ازمقایسه عملکرد روش ارائه شده بر‌روی مجموعه اعداد مووی لینز میزان دقت تشخیص الگوریتم در تمامی آزمایشات بهتر از روش های fcum و روشهای دیگر بوده است. بر‌اساس آزمایشات انجام شده مقدار پارامتر recall از بهبودی در‌حدود ده درصد نسبت به الگوریتم fcum و شش درصد نسبت به الگوریتم course cluster دارا می‌باشد. در‌میزان پارامتر precision نیز میزان پانزده درصد نسبت به الگوریتم fcum و مقدار هشت درصد نسبت به الگوریتمcourse cluster بهبود وجود داشته است و در‌نهایت در پارامتر f که ترکیب این دو پارامتر می‌باشد بهبودی در‌حدود بیست درصد نسبت به الگوریتم fcum و بهبودی در‌حدود پانزده درصد نسبت به الگوریتمcourse cluster به‌دست آورده شد لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=1291 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
22732	‭COM soft ‭12 1397	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

ارائه روشی نوین مبتنی بر یادگیری ماشین به منظور تحلیل احساسات و نظرکاوی مشتریان برای بهبود هوش تجاری در نقدهای فارسی (1394) / زینی اصفهانی ، وحید، نویسنده

نوع مدرک: متون چاپی سرشناسه زینی اصفهانی ، وحید، نویسنده رده‌بندی کنگره : ‭COM soft ‭4 1396 عنوان : ارائه روشی نوین مبتنی بر یادگیری ماشین به منظور تحلیل احساسات و نظرکاوی مشتریان برای بهبود هوش تجاری در نقدهای فارسی ناشر: دانشگاه شهید اشرفی اصفهانی : بی نا سال نشر : 1394 صفحه شمار: 112ص شابک/شاپا 22724 یادداشت پایان نامه کارشناسی ارشد : کامپیوتر گرایش نرم افزار شناسه افزوده : بصیری ، محمداحسان، استاد راهنما توصیفگرها نظرکاوی  تحلیل احساسات  یادگیری ماشین  ماشین بردار پشتیبان  بهینه سازی ازدحام ذرات  دیجی کالا چکیده : عقیده‌کاوی یک زمینه تحقیقاتی جدید و نو ظهور است. در عقیده‌کاوی یا تحلیل احساسات به واکاوی خودکار نگرش‌ها، نظرات و احساسات نسبت به موجودیت‌های مختلف مانند محصولات، خدمات، سازمان‌ها، افراد، مسائل، رویدادها، موضوعات و ویژگی‌های آنها از متون و منابع پایگاه داده از طریق پردازش زبان طبیعی پرداخته می‌شود تاکنون تحقیقات زیادی راجع به عقیده‌کاوی و تجزیه و تحلیل احساسات در زبان‌های انگلیسی، چین و روسیه انجام شده است. با وجود این که زبان فارسی، زبان اصلی ایران، افغانستان و تاجیکستان ‌می‌باشد، ولی در متن‌های فارسی تحقیقات بسیار کمی در تجزیه و تحلیل احساسات انجام شده است و هنوز چالش‌های بسیاری در تحلیل احساسات و عواطف در زبان فارسی وجود دارد. سه چالش مهم در متون فارسی شامل استفاده از طیف گسترده‌ای از پسوندهای معکوس، فاصله‌های مختلف کلمه و وجود بسیاری از کلمات غیر رسمی است. در این تحقیق، سعی شده است تا با بهبود روش‌های یادگیری ماشین بتوان نظرات مشتریان را در راستای افزایش هوش تجاری شرکت‌ها بررسی نمود. برای این منظور از مدل‌های یادگیری ماشین متفاوتی شامل مدل‌های درخت ‌تصمیم‌گیری، K-نزدیکترین همسایه، رگرسیون، نایوبیز، ماشین بردار پشتیبان و یک مدل بهبود یافته با عنوان ماشین بردار پشتیبان-‌بهینه‌سازی ازدحام ذرات برای تحلیل احساسات و نظرکاوی برای نظرات فارسی در سایت دیجی کالا استفاده شده است. مجموعه داده نظرات سایت دیجی کالا دارای بیش از 8000 نظر در رابطه با گوشی‌های تلفن همراه از برندهای مختلف ‌می‌باشد. نتایج نشان دادند که روش ترکیبی ماشین بردار پشتیبان-‌بهینه‌سازی ازدحام ذرات توانسته است بهترین نتیجه را نسبت به مدل‌های درخت ‌تصمیم‌گیری، K-نزدیکترین همسایه، رگرسیون، نایوبیز، ماشین بردار پشتیبان بدست آورد لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=1118 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
22724	‭COM soft ‭4 1396	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

ارائه روش‌هایی برای بهبود کاهش آلودگی هوا در شبکه‌های بین خودرویی (1401) / تقیان ، معصومه، نویسنده

نوع مدرک: متون چاپی سرشناسه تقیان ، معصومه، نویسنده رده‌بندی کنگره : ‭COM soft ‭48 عنوان : ارائه روش‌هایی برای بهبود کاهش آلودگی هوا در شبکه‌های بین خودرویی عنوان موازی : Providing methods to improve air pollution reduction in inter-vehicle networks ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1401 صفحه شمار: 85ص شابک/شاپا 24533 یادداشت پایان‌نامه کارشناسی ارشد: رشته کامپیوتر گرایش مهندسی نرم‌افزار شناسه افزوده : خیام‌باشی ، محمدرضا، استاد راهنما توصیفگرها شبکه‌های خودرویی، آلودگی هوا، پروتکل مسیریابی، پیش‌بینی ترافیک  Vehicular networks, Air pollution, Routing protocol, Traffic forecasting چکیده : شبکه‌های بین‌خودرویی برای برقراری ارتباط بین خودروها، کنترل ترافیک و جلوگیری از تصادفات و کاربردهای دیگر ایجاد شده است. پیش‌بینی ترافیک به رانندگان امکان می‌دهد، سریعترین مسیر را به سمت مقصد مورد نظر خود انتخاب کنند. هر چقدر راننده مسیری سریعتری را برای رسیدن به مقصد انتخاب کند باعث کاهش ترافیک شده و خودرو سوخت کمتری استفاده می‌کند و در نتیجه آلودگی هوا را کاهش می‌دهد. سرعت بالای گره‌ها باعث تغییرات سریع توپولوژی در شبکه شده که منجر به قطعی‌های متعدد و متوالی در شبکه می‌گردد، لذا مسیریابی در این شبکه‌ها مسأله‌ای اساسی می‌باشد. یکی از روش‌های بهبود مسیریابی در شبکه بین‌خودرویی استفاده از خوشه‌بندی گره‌ها می‌باشد. روش پیشنهادی خودروهای در شبکه را به نحوی خوشه‌بندی می‌کند که ضمن کاهش کل تعداد خوشه‌ها باعث کاهش سربار شبکه شود. تعیین سرخوشه‌های شبکه براساس دو معیار سرعت نسبی و فاصلة اقلیدوسی صورت می‌پذیرد. پس از تجزیه و تحلیل روی داده‌های شبکه‌های مختلف با استفاده از روش مذکور شبیه‌سازی این پایان‌نامه با استفاده از نرم افزارNS-2.35 انجام شده است. همچنین فضای شهری در این شبیه‌سازی با استفاده از نرم افزار SUMO ایجاد گردیده است. این پژوهش به دنبال بهبود معیارهایی مانند افزایش %6.8 توان عملیاتی شبکه، افزایش %4.5 نرخ تحویل بسته، %10.6 کاهش تأخیر انتقال و%2.6 کاهش انرژی مصرفی است و نتایج حاکی نشان دهنده کارایی بالاتر نسبت به تحقیقات قبلی می‌باشد لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=13608 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
24533	‭COM soft ‭48	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

ارائه یک سیستم بازیابی تصاویر مبتنی بر محتوا برای بیماری های ریوی با استفاده از ویژگی‌های بافت و شبکه‌های عمیق (1401) / سلمانی ، محمد جواد، نویسنده

نوع مدرک: متون چاپی سرشناسه سلمانی ، محمد جواد، نویسنده رده‌بندی کنگره : ‭COM soft ‭71 عنوان : ارائه یک سیستم بازیابی تصاویر مبتنی بر محتوا برای بیماری های ریوی با استفاده از ویژگی‌های بافت و شبکه‌های عمیق عنوان موازی : Presentation Of a Content-Based Image Retrieval System for Lung Diseases Using Texture Features and Deep Networks ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1401 صفحه شمار: 77ص شابک/شاپا 24907 یادداشت کارشناسی ارشد: رشته مهندسی کامپیوتر گرایش نرم افزار شناسه افزوده : اکبری ، مهدی، استاد راهنما توصیفگرها بازیابی تصاویر پزشکی، شبکه کانولوشن پیش آموزش دیده، ویژگی بافت محلی  Medical Image Retrieval, Pre-Trained Convolutional Network, Local Texture Feature. چکیده : توسعه ابزارهای تصویر برداری نوین اگرچه امکان ذخیره‌سازی تصاویر متنوع پزشکی را فراهم کرده، اما افزایش تعداد این قبیل داده، بازیابی و مدیریت آن‌ها را چالش برانگیز کرده است. از آنجایی که تصاویر پزشکی در تشخیص زودرس اغلب بیماری‌ها به شدت مورد استفاده و قابل استناد هستند؛ ارائه سیستمی هوشمند مبتنی بر یادگیری ماشین که بتواند این حجم از تصاویر را مدیریت کرده و تصاویری که دارای محتوای یکسان هستند را بازیابی نماید؛ می‌تواند به عنوان دستیار پزشک بسیار کارگشا باشد. در این راستا، محققان زیادی تاکنون برای ارائه یک سیستم بازیابی تصاویر پزشکی هوشمند تلاش کرده‌اند. روش‌های موجود، هر یک دارای محدودیت‌هایی مثل عدم استخراج دانش کافی از تصاویر هستند که تاحدودی منجر به ناکارآمدی آن‌ها شده است. از اینرو، در این تحقیق یک روش بازیابی تصاویر پزشکی کارآمد با استفاده از دو دسته ویژگی عمیق و ویژگی محلی ارائه شده است. در این روش با استفاده از شبکه کانولوشن پیش آموزش دیده ResNet101، ویژگی‌های عمیق از تصاویر پزشکی استخراج شده است. همچنین سه نوع ویژگی بافت محلی شامل آنتروپی، الگوی باینری محلی و ماتریس همرخداد خاکستری از تصاویر استخرج شده است. سپس با استفاده از تکنیک انتخاب ویژگی Relieff زیر مجموعه‌ای بهینه از ویژگی‌ها انتخاب شده و بازیابی تصاویر مشابه با تصویر پرس‌وجو با استفاده از فاصله کسینوسی انجام شده است. نتایج ارزیابی روش پیشنهادی بر روی دو پایگاه داده تصاویر ریه حاکی از آن است که روش پیشنهاد شده در تعداد 20 تصویر پرس‌وجو توانسته است در پایگاه کووید19 به میانگین متوسط دقت (mAP) 92.42‌‌% و در پایگاه داده ذات‌الریه به 98.01‌% دست یابد، که نشان می‌دهد در مقایسه با روش پیشین در بازیابی تصاویر ریه عملکرد بهتری داشته است لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=13937 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
فاقد شماره ثبت

ارائه یک سیستم شناسایی چند بیومتریک مبتنی بر ویژگی‌های عمیق برای شناسایی افراد از طریق ترکیب چهره و اثر انگشت و عنبیه (1400) / صبوری ، شکوه، نویسنده

نوع مدرک: متون چاپی سرشناسه صبوری ، شکوه، نویسنده رده‌بندی کنگره : ‭COM soft ‭42 1400 عنوان : ارائه یک سیستم شناسایی چند بیومتریک مبتنی بر ویژگی‌های عمیق برای شناسایی افراد از طریق ترکیب چهره و اثر انگشت و عنبیه عنوان موازی : The Presentation of a Multibiometric Identification System Based on the Deep Features for Person Identification Via Fusion of Face and Fingerprint and Iris ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1400 صفحه شمار: ز،78ص شابک/شاپا 24095 یادداشت پایان نامه کارشناسی ارشد: رشته مهندسی کامپیوتر گرایش نرم افزار شناسه افزوده : اکبری کوپایی ، مهدی، استاد راهنما توصیفگرها تشخیص چهره  تشخیص عنبیه  ویژگی عمیق  شناسایی افراد  شبکه‌های عصبی عمیق  Face Recognition  Iris Recognition  Deep Features  Person Identification  Deep Neural Networks چکیده : با رشد تکنولوژی‌های نوین شناسایی مبتنی بر بیومتریک به عنوان یک روش قابل اعتماد برای شناسایی خودکار افراد به شدت مورد توجه واقع شده است. ویژگی‌های بیومتریک بدلیل منحصر بفرد بودن و عدم توانایی در جعل آن‌ها در مقایسه با روش‌های شناسایی سنتی مبتنی بر کد‌ها و کارت‌ها، بسیار قابل اعتماد‌تر هستند. در تلاش‌های اخیر محققان سعی در ترکیب چندین بیومتریک مختلف برای ارائه سیستم‌های شناسایی دقیق‌تر دارند، چراکه در سیستم‌های مبتنی بر یک بیومتریک احتمال بروز خطا افزایش می‌یابد. در برخی از روش‌های ترکیبی از بیومتریک‌های چهره و اثر انگشت استفاده نموده‌اند که هر یک از آن‌ها می‌توانند بدلایل مختلفی مثل سن و آسیب‌دیدگی کاملا ناکارآمد شوند. از اینرو انتخاب بیومتریک‌هایی که کمتر در معرض تغییرات و آسیب دیدگی ‌باشند می‌تواند در ارائه یک سیستم شناسایی کارآمد موثرتر واقع گردد. در این راستا در این تحقیق یک سیستم شناسایی ترکیبی مبتنی بر سه بیومتریک عنبیه، اثر انگشت و چهره ارائه شده است. در این روش ترکیب بیومتریک‌های فوق در دو سطح ویژگی و امتیاز انجام شده است. برای استخراج ویژگی‌های مناسب از سه بیومتریک فوق از شبکه‌های عصبی عمیق کانولوشن ساده و پیش آموزش دیده استفاده شده است. نتایج تجربی این روش بر روی پایگاه داده مجازی تشکیل شده از سه پایگاه داده CASIA-IRIS‌، YaleB و FVC2000 نشان می‌دهد که ترکیب در سطح ویژگی بدلیل استفاده از ویژگی‌های عمیق و عدم وابستگی مدل به حداقل آستانه می‌تواند نتایج بهتری ارائه دهد. علاوه بر این نتایج روش نشان می‌دهد که استفاده از معماری‌های عمیق پیش آموزش دیده جهت استخراج ویژگی از بیومتریک چهره باعث شده است که این بیومتریک در مقایسه با دو بیومتریک دیگر در تشخیص دقیق مدل تاثیر بیشتری داشته باشد. روش پیشنهادی در ترکیب در سطح ویژگی و در سطح امتیاز به نرخ تشخیص 100‌% رسیده است که نشان می‌دهد در مقایسه با روش پیشین بدلیل انتخاب روش‌های استخراج ویژگی مناسب موفق‌تر عمل نموده است و در مقایسه با روش پیشین بدلیل انتخاب سه بیومتریک جامعیت بیشتری دارد لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=13244 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
24095	‭COM soft ‭42 1400	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

ارائه یک مدل تشخیص دیابت مبتنی بر شبکه‌های عصبی عمیق بازگشتی و افزایش داده (1401) / آقا محمودیان اصفهانی ، فرزانه، نویسنده

نوع مدرک: متون چاپی سرشناسه آقا محمودیان اصفهانی ، فرزانه، نویسنده رده‌بندی کنگره : ‭COM soft ‭67 عنوان : ارائه یک مدل تشخیص دیابت مبتنی بر شبکه‌های عصبی عمیق بازگشتی و افزایش داده عنوان موازی : Presenting a Diabetes Diagnosis Model Based on Recurrent Deep Neural Networks and Augmented Data ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1401 صفحه شمار: 81ص شابک/شاپا 24719 یادداشت پایان نامه کارشناسی ارشد :رشته مهندسی کامپیوترگرایش نرم افزار شناسه افزوده : نعمت بخش ، ناصر، استاد راهنما توصیفگرها تشخیص دیابت، شبکه عصبی بازگشتی، بیش نمونه‌گیری، داده‌های پرت، یادگیری ماشین  Diabetes Diagnosis, Recurrent Neural Network, Oversampling, Outlier Data, Machine Learning چکیده : دیابت، به گروهی از اختلالات متابولیکی گفته می‌شود که نتیجه عدم کنترل قند خون است. دیابت سالانه باعث مرگ افراد زیادی می‌شود و آمار ابتلا به آن در سال‌های اخیر بدلیل سبک زندگی مدرن به شدت افزایش یافته است. تشخیص به موقع و در ادامه کنترل این بیماری به خوبی باعث کاهش اثرات ناشی از آن مثل رتینوپاتی دیابتی، گرفتگی قلبی و عروقی سکته های مغزی و غیره می‌شود. بنابراین، ارائه روشی برای تشخیص به موقع این بیماری از اهمیت بالایی برخوردار است. محققان تا به امروز تلاش‌های بسیاری برای ارائه روش های یادگیری ماشین جهت تشخیص دیابت کرده‌اند. اما اغلب این مدل‌ها یا مبتنی بر روش‌های یادگیری ماشین ساده مثل بردار پشتیبان هستند و یا بر این فرض استوار هستند که داده‌های دیابت در دسترس متوازن هستند؛ که هر دو مورد، از عوامل عدم موفقیت کامل آن‌ها محسوب می‌شود. از اینرو با توجه به چالش‌های موجود و همچنین اهمیت تشخیص به موقع بیماری دیابت، در این تحقیق یک مدل تشخیص بیماری دیابت مبتنی بر شبکه های عصبی بازگشتی عمیق و الگوریتم بیش نمونه‌گیری SMOTE ارائه شده است. در این مدل برای بهبود تشخیص دیابت چندین مرحله پیش پردازش شامل مقدار دهی به مقادیر از دست رفته، حذف داده‌های پرت و سپس بیش نمونه‌گیری انجام شده است. برای تشخیص دیابت نیز از سه شبکه عصبی عمیق بازگشتی با سه واحد پنهان بازگشتی شامل LSTM, GRU و BiLSTM استفاده شده است. نتایج مدل ارائه شده بر روی پایگاه داده Pima دریافت شده از مخزن UCI حاکی از آن است که میانگین صحت در 10 اجرای مختلف در LSTM و GRU و BiLSTM به ترتیب 91.21 % ، 89.61 و 90.99‌% است. شبکه عصبی بازگشتی با واحد پنهان GRU بطور میانگین در 10 اجرای مختلف توانسته به بیشترین دقت برابر با 93.74‌% دست یابد. نتایج مدل بازگشتی مطرح شده نشان می‌دهد، شبکه‌های عصبی عمیق در مقایسه با روش‌های یادگیری ماشین سنتی در تشخیص دیابت عملکرد بسیار موفق‌تری دارند لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=13785 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
24719	‭COM soft ‭67	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

ارائه مدلی برای مدارس هوشمند برمبنای ITIL (مطالعه موردی دبستان غیر انتفاعی باقرالعلوم اصفهان) (1395) / صفری ، زهرا، نویسنده

نوع مدرک: متون چاپی سرشناسه صفری ، زهرا، نویسنده رده‌بندی کنگره : ‭COM soft ‭11 1397 عنوان : ارائه مدلی برای مدارس هوشمند برمبنای ITIL (مطالعه موردی دبستان غیر انتفاعی باقرالعلوم اصفهان) ناشر: دانشگاه شهید اشرفی اصفهانی : بی نا سال نشر : 1395 شابک/شاپا 22731 یادداشت پایان نامه کارشناسی ارشد : مهندسی کامپیوتر گرایش مهندسی نرم‌افزار شناسه افزوده : نعمت بخش ، ناصر، استاد راهنما علوی ، سمیه، استاد مشاور توصیفگرها هوشمندسازی  فناوری اطلاعات  مدارس هوشمند  زیرساخت  تحلیل شکافmake smart  information technology  smart schools  infrastructure  gap analysis چکیده : با توجه به اینکه لزوم همراه شدن با تحولات جهانی، پرداختن به مسایل مرتبط با کاربرد فناوری در آموزش و یادگیری ضروری است در عصر کنونی، ماندگاری و پایایی نظام آموزش و پرورش هر جامعه ای به میزان بهره مندی آن از فناوری اطلاعات و ارتباطات نیز بستگی دارد. هدف از انجام این پژوهش ارائه مدلی برای هوشمندسازی مدارس برمبنایITILمی باشد. این تحقیق به روش توسعه ای – کاربردی انجام گرفته است. جامعه آماری این تحقیق چند شعبه ی دبستان پسرانه غیرانتفاعی باقرالعلوم سطح شهر اصفهان در مقطع ابتدایی می باشد. به صورت تصادفی ساده به چند مدرسه هوشمند در سطح شهر اصفهان مراجعه و با مدیران و معلمان آنها مصاحبه شد و توسط پرسشنامه محقق ساخته و نیز با مطالعه تحقیقات پیشین مشابه اطلاعات و نظرات جمع آوری شد. نتایج این تحقیق حاکی از آن است که هوشمندسازی مدارس بالاخص در مقطع پایه و ابتدایی و بهره گیری مدارس از فناوری اطلاعات می تواند در سطح پیشرفت دانش آموزان تاثیر بسزایی داشته باشد وهمچنین با توجه به تجزیه و تحلیل پرسشنامه اول توسط دلفی و پرسشنامه دوم توسط نرم افزارSpss مدل ارایه شده بررسی و تایید شد.یافته های این پژوهش نشان میدهد که طراحی و پیاده سازی مدارس هوشمند برتصمیم های مرتبط با زیر ساخت، فرهنگ سازی، آموزش و ارزیابی، مدیریت، قوانین و مقررات، رضایت و استفاده کاربران مبتنی است. ازاین رو می توان برای ارائه مدل مفهومی به منظور پیاده سازی و بهبود شرایط زیر ساخت مدارس هوشمند به بررسی این ابعاد و شاخصهای مهم درهر بعد پرداخت که در این پایان نامه با مطالعه ابعاد هوشمند سازی وITILمدلی ارایه شد. توجه به مدل ارائه شده درصدد فراهم ساختن این هدف برآمده است تا بتواندموانع پیاده سازی و عدم پیشرفت مدارس هوشمند و غیر هوشمند.و تحلیل شکاف وضعیت هوشمند سازی مدارس باقرالعلوم برمبنای مدل ارائه شده راتاحدممکن برطرف سازد لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=1256 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
22731	‭COM soft ‭11 1397	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

ارائه مدلی چندتایی از روش های هوش جمعی برای تشخیص بیماری قلب (1394) / هاشمی ، معظمه، نویسنده

نوع مدرک: متون چاپی سرشناسه هاشمی ، معظمه، نویسنده رده‌بندی کنگره : ‭COM soft ‭10 1396 عنوان : ارائه مدلی چندتایی از روش های هوش جمعی برای تشخیص بیماری قلب ناشر: دانشگاه شهید اشرفی اصفهانی : بی نا سال نشر : 1394 صفحه شمار: 102ص شابک/شاپا 22730 یادداشت پایان نامه کارشناسی ارشد : کامپیوتر گرایش نرم افزار شناسه افزوده : نعمت بخش ، ناصر، استاد راهنما توصیفگرها الگوریتم های تکاملی  الگوریتم ژنتیک  الگوریتم گروه ذرات  الگوریتم کلونی زنبور عسلEvolutionary Algorithms  Sample selection  Genetic Algorithm  Particle Group Algorithm  Bee Cluster Algorithm چکیده : بیماری‌های قلبی یک از عوامل اصلی مرگ و میر در دنیا و بهترین درمان آن تشخیص به موقع و پیشگیری آن است، که معمولا از آن به عنوان بیماری شریان‌های اکلیلی نام برده می‌شود؛ امروزه با پیشرفت تکنولوژی، استفاده از سیستم های هوشمند در پردازش و تحلیل سیگنال های حیاتی و تشخیص بیماری های مختلف، از اهمیت ویژه ای برخوردار است. سیستم های هوشمند از الگوریتمهای بهینه‌سازی الهام گرفته از طبیعت به عنوان روشهای هوشمند بهینه‌سازی در کنار روش‌های کلاسیک بهره می¬برند. از جمله این روش‌ها می‌توان به الگوریتم‌های ژنتیک ، الگوریتم گروه پرندگان با ذرات و روش کلونی زنبور عسل اشاره نمود. در این نوشتار بهترین نمونه های آموزش از مجموعه داده آموزش که بیشترین تاثیر در تشخیص بیماری را دارند، توسط این چهار روش هوشمند انتخاب می شوند و در ادامه بهترین عامل با دقت بالا مشخص می شود. در این پژوهش روشی نوین برای تشخیص بیماری قلب معرفی شده است که دقت تشخیص را بالاتر برده است آخرین مقدار دقت به دست آمده توسط روش پیشنهادی 98 درصد بوده است لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=1265 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
22730	‭COM soft ‭10 1396	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

ارایه مدلی جهت سنجش آمادگی سازمان برای همراستایی استراتژیک فناوری اطلاعات و کسب و کار (1400) / یوسفی گورتی ، علیرضا، نویسنده

نوع مدرک: متون چاپی سرشناسه یوسفی گورتی ، علیرضا، نویسنده رده‌بندی کنگره : ‭COM soft ‭45 1400 عنوان : ارایه مدلی جهت سنجش آمادگی سازمان برای همراستایی استراتژیک فناوری اطلاعات و کسب و کار عنوان موازی : Provide a model for measuring the organization's readiness for strategic alignment of information technology and business ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1400 صفحه شمار: خ، 83ص شابک/شاپا 24330 یادداشت پایان نامه کارشناسی ارشد: مهندسی کامپیوتر گرایش نرم افزار شناسه افزوده : اکبری ، مهدی، استاد راهنما توصیفگرها فناوری اطلاعات  همراستایی  استراتژی  عملکرد سازمان  Information Technology  Alignment  Strategy  Organizational Performance  Southern Steel چکیده : هدف پژوهش حاضر بررسی ارتباط و ارائه مدلی بین همراستایی سرمایه گذاری فناوری اطلاعات با استراتژی کسب و کار با عملکرد سازمان بوده است. روش تحقیق از نوع کیفی و کمی بود .جامعه آماری تحقیق شامل کلیه کارکنان شرکت فولاد جنوب بوده که طی بررسی های به عمل آمده 130 نفر بوده است که با روش سرشماری کل تمامی کارکنان به عنوان حجم نمونه انتخاب شدند.جهت گردآوری اطلاعات از پرسشنامه استفاده شد که روایی آن با نظرات خبرگان و پایایی با آلفای کرونباخ بررسی شده و تائید گردید.با توجه به روش تحقیق مورد نظر در این پژوهش، تجزیه و تحلیل داده ها در دو فاز صورت گرفت در فاز اول که کیفی است با روش تحلیل محتوای کیفی و در بخش کمی رویکرد معادلات ساختاری،تحلیل عاملی و تاییدی و نرم افزارهای مورد نظر SPSS-PLS می باشد.نتایج نشان داد که که رابطه بین استراتژی سرمایه گذاری و مولفه های آن دارای ضریب (0/763)،استراتژی فناوری اطلاعات،دارای ضریب (0/411)استراتژی های کسب و کار،دارای ضریب (0/266)عملکرد سازمانی، دارای ضریب (0/326)تصمیم گیری دارای ضریب (0/299) با سنجش آمادگی شرکت جهت همراستایی سرمایه گذاری فناوری اطلاعات با استراتژی کسب و کار با عملکرد سازمان می باشند و روابط بین مولفه ها و زیر مولفه ها مثبت و معنادار است لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=13405 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
24330	‭COM soft ‭45 1400	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

استفاده ازتکنیکهای دادهکاوی جهت بهبود دقت تشخیص بیماری دیابت (1397) / کشانی ، امین، نویسنده

نوع مدرک: متون چاپی سرشناسه کشانی ، امین، نویسنده رده‌بندی کنگره : ‭COM soft ‭38 1397 عنوان : استفاده ازتکنیکهای دادهکاوی جهت بهبود دقت تشخیص بیماری دیابت عنوان موازی : Use of Data Mining Techniques to Improve the Accuracy of Diagnosis of Diabetes ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1397 صفحه شمار: 92ص شابک/شاپا 23793 یادداشت پایان نامه کارشناسی ارشد: کامپیوتر نرم افزار توصیفگرها دیابت  داده‌کاوی  الگوریتم‌های داده‌کاوی  متدولوژی CRISP-DMو انتخاب ویژگی  Diabetes  Data Mining  Data Mining Algorithms  CRISP-DM Methodology  Feature Selection چکیده : امروزه، داده‌کاوی یکی از تکنیک‌های پرکاربرد می‌باشد که پـردازش خـود را روی داده‌هـای انبـوه انجام می‌دهد. با توجه به فراوانی داده‌های پزشکی و بیماری‌ها، این موضوع می‌تواند بستر مناسبی برای به کارگیری تکنیک‌های مختلف داده‌کاوی باشد. تشخیص زودرس افراد مبتلا به یـک بیمـاری مخفـی مانند دیابت از اهمیت زیادی برخوردار است. به طوری که می‌توان اقـدامات فـوری بـرای جلـوگیری ازپیشرفت بیماری و یا آسیب رساندن به اعضای بدن را انجام داد. دیابت بیماری‌ای است که توانایی بدن برای تولید یا پاسخ دادن به هورمون انسولین ضعیف است، که منجر به متابولیسم غیر طبیعی کربوهیدرات‌ها و افزایش سطح گلوکز در خون و ادرار می‌شود. همه می‌توانند از آن رنج ببرند و تاکنون درمان برای آن وجود ندارد. در این تحقیق از مجموعه داده UCI Machine Learning Repositoryاستفاده شده است کـه شـامل 101766 رکورد با 50 ویژگی و حاوی داده‌های بیماران دیابتی از 130 بیمارستان در ایالات متحده که طی 10 سال (1999-2008) جمع‌آوری شده است می‌باشد. سـپس بـرای کار با داده‌ها از متدولوژی CRISP-DM استفاده شد. داده‌ها در دو قسمت مورد مدل‌سازی و ارزیابی قرار گرفتند: انتخاب ویژگی‌ها پس از پیش‌پردازش داده‌ها و انتخاب ویژگی. در ادامـه بـرای مدل‌سازی از چهار الگوریتم درخت تصمیم، بیز ساده، شبکه‌های عصـبی مصـنوعی و KNN (با K=1، K=5 و K=10) در دو حالـت انتخاب ویژگی‌ها پس از پیش‌پردازش داده‌ها و انتخاب ویژگی، استفاده گردید. بـا اسـتفاده از روش X-Validationجهت ارزیابی مدل‌سازی‌های انجام شد، روش درخت تصمیم بالاترین دقت (100%) را کسب کرده و به عنوان مدل برتر انتخاب شده است. بـا روش بیز ساده نیز دقت قابل قبولی (98.58%) بدست آمده است. همچنین با استفاده از انتخاب ویژگی برای 3 الگوریتم درخت تصمیم، بیز ساده و KNN (با K=1، K=5 و K=10) توانستیم دقت بسیار خوب (99.91%) را بدست آوریم لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=13008 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
23793	‭COM soft ‭38 1397	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

استفاده از الگوریتم مسیریابی خوشه‌بندی در NDN برای شبکه‌های رادیو شناختی موردی (1395) / شیرمهد ، فروزان، نویسنده

نوع مدرک: متون چاپی سرشناسه شیرمهد ، فروزان، نویسنده رده‌بندی کنگره : ‭COM soft ‭14 1397 عنوان : استفاده از الگوریتم مسیریابی خوشه‌بندی در NDN برای شبکه‌های رادیو شناختی موردی ناشر: دانشگاه شهید اشرفی اصفهانی : بی نا سال نشر : 1395 صفحه شمار: ج، 71ص شابک/شاپا 22734 یادداشت پایان نامه کارشناسی ارشد : مهندسی کامپیوتر گرایش نرم‌افزار شناسه افزوده : خیام باشی ، محمد رضا، استاد راهنما توصیفگرها شبکه مبتنی بر نام داده  شبکه‌های رادیو شناختی موردی  مسیریابی  بسته درخواست  بسته محتواNamed Data Networking  Ad-hoc wireless network  routig  Interest packet  content packet چکیده : NDN یکی از معماری‌های پیشنهادی شبکه‌های اطلاعات محور (ICN) برای نسل آینده اینترنت است که ارتباطات میان گره‌ها بر اساس نام داده به‌جای مکان و آدرس آن‌ها است. هدف طراحی این شبکه‌ها افزایش کارایی، مقیاس‌پذیری و امنیت در مقایسه با اینترنت امروزی است. شبکه‌های رادیو شناختی زیرمجموعه‌ای از شبکه‌های موردی است. در شبکه‌های رادیو شناختی موردی مبتنی بر IP ارتباطات بر اساس اتصال انتها به انتها است. با توجه به اینکه در این شبکه‌ها شرایط کانال پویا و متناوب است نگهداری مسیر انتها به انتها بین گره‌های رادیو شناختی به‌خصوص در حضور کاربران اولیه و شرایط نامطمئن کانال دشوار است و به‌علاوه این شبکه‌ها مسائل مانند مقیاس‌پذیری، خودسازمان‌دهی و ناکارآمدی را به همراه دارند. با توجه به مزایا NDN در این شبکه‌ها در این پایان‌نامه یک الگوریتم مسیریابی خوشه‌بندی در NDN برای شبکه‌های رادیو شناختی موردی معرفی و ارائه‌شده است که برای این منظور در مرحله اول یک مقاله پایه انتخاب و شبیه‌سازی اولیه انجام‌شده است. در مرحله بعد برای بهبود مقاله پایه الگوریتم مسیریابی خوشه‌بندی گره‌ها ارائه و شبیه‌سازی‌شده است که خوشه‌بندی را با ایده الگوریتم تقریبی گوچه و خالر انجام می‌دهد و برای حداقل کردن سر خوشه‌ها و کاهش سربار داده‌ها از قوانینی استفاده‌شده است. شبیه‌سازی‌ها نشان داده‌اند که روش پیشنهادی در مقایسه با مقاله پایه در سناریو افزایش تعداد گره‌ها برای پارامتر نرخ تحویل بسته 3% و برای پارامتر بار مسیریابی نرمال شده 17.5% و برای نرخ تأخیر 23.5% و برای نرخ گذردهی 14.5% و در سناریو تغییر سرعت برای پارامتر نرخ تحویل بسته 2.25% و برای پارامتر بار مسیریابی نرمال شده 24.5% و برای نرخ تأخیر 19.25% و برای نرخ گذردهی 19.75% و همچنین در سناریو ترافیک روش پیشنهادی برای پارامتر نرخ تحویل بسته 1.75% و برای پارامتر بار مسیریابی نرمال شده 26.85% و برای نرخ تأخیر 21.5% و برای نرخ گذردهی 18% بهبود داشته است لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=1335 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
22734	‭COM soft ‭14 1397	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت