طبقه بندی تصاویر خشونت آمیز وب بر اساس توصیف کننده های رنگ MPEG7
- عنوان لاتین مقاله: Violent Web images classification based on MPEG7 color descriptors
- عنوان فارسی مقاله: طبقه بندی تصاویر خشونت آمیز وب بر اساس توصیف کننده های رنگ MPEG7.
- دسته: روانشناسی - کامپیوتر و فناوری اطلاعات
- فرمت فایل ترجمه شده: WORD (قابل ویرایش)
- تعداد صفحات فایل ترجمه شده: 15
- جهت دانلود رایگان نسخه انگلیسی این مقاله اینجا کلیک نمایید
- ترجمه سلیس و روان مقاله آماده خرید است.
خلاصه
در این مقاله، روش طبقه بندی تصاویر خشونت آمیز وب را ارائه می کنیم. این موضوع بسیار مهم است زیرا کاربرد بسیاری در زمینه های مختلف مثل فیلتر کردن وب سایت های خشونت آمیز دارد. ما پیشنهاد ترکیب تکنیک های تحلیل تصویر و داده کاوی را می دهیم تا خصوصیات سطح پایینی که از رنگ های تصاویر استخراج شده را به خصوصیات خشن بالاتر موجود در تصویر مرتبط کنیم. مقایسه ای نیز روی تکنیک های مختلف داده کاوی خواهیم داشت تا بتوانیم تصاویر خشن وب را دسته بندی کنیم. همچنین، توضیح می دهیم که ترکیب روش های یادگیری چگونه روی دقت کار تأثیر می گذارد. نتایج ما نشان می دهد که این روش می تواند محتوای خشن را به طور کارایی تشخیص دهد.
مقدمه
شبکۀ گستردۀ جهانی (WWW) روی همۀ جنبه های جامعه شامل تجارت، علوم، سیاست و دولت، روابط فردی و سلامتی تأثیر زیادی داشته است. با این حال، وب روند نزولی داشته است. در حین گشت و گذار در اینترنت دسترسی به محتوای نزاعی مثل محتواهای خشونت آمیز آسان است. در واقع، کودکان در معرض شدید خشونت در اینترنت هستند؛ از سایت های کم عمق با حالت های بیرحمانه گرفته تا نمایش های مزاحمت آمیز شکنجه و آزار. امروزه کودکان و نوجوانان می توانند موزیک های خشن و ویدئو کلیپ ها و تصاویر خشن را با یک کلیک ماوس از اینترنت دانلود کنند. افراد جوان نیز از وب برای سیاحت استفاده می کنند و خلاقیت خود را به روش های مختلفی با ساختن فیلم ها، موزیک، وب سایت و بلاگ ها یا خاطرات آنلاین نشان می دهند.
کار اولیۀ ما یک سیستم فیلتر و شناسایی محتوای خشن وب به نام WebAngels filter را پیشنهاد می دهد که از تحلیل های ساختاری و زمینه ای استفاده می کند. ابزار ارزیابی ما کارایی روش را برای شناسایی و فیلتر صفحات خشن وب نشان می دهد. با این وجود WebAngels filter با مشکلاتی در طبقه بندی سایت های خشن که فقط دارای محتوای خشن گرافیکی هستند مواجه است. در این مقاله، این مسئله را بررسی کرده و یک روش جدید طبقه بندی تصاویر خشن پیشنهاد می دهیم. ما روی استفاده از توصیف کننده های رنگ و ترکیب طبقه بندها تمرکز می کنیم تا دقت طبقه بندی تصاویر خشن وب را بهبود بخشیم.
ادامۀ مقاله به این ترتیب سازماندهی شده است: در بخش 2 مروری روی کارهای انجام شده داریم. روش پیشنهادی برای طبقه بندی تصاویر خشن وب در بخش 3 ارائه می شود. نتایج ارزیابی و مقایسه ها در بخش 4 بحث می شود.
- فرمت: zip
- حجم: 0.48 مگابایت
- شماره ثبت: 411
ادغام برنامه ریزی سلسله مراتبی و داده کاوی (ترجمه)
چکیده
پیشنهاد محصول، فعالیت کسب و کاری می باشد که برای جذب مشتری مهم می باشد. بنابراین، بهبود کیفیت این پیشنهادات برای تامین نیاز مشتریان در محیط رقابتی شدید دارای اهمیت زیادی می باشد. اگرچه سیستم های پیشنهاد دهنده متفاوتی مطرح شده است، اما تعداد کمی ارزش دوام مشتری را بریا شرکت مد نظر قرار داده اند. معمولا ارزش دوام مشتری ((CLV از نظر متغیرهای تازگی، تکرار و پولی (RFM) مورد ارزیابی قرار گرفته اند. به هر حال اهمیت نسبی در بین آن ها با توجه به مشخصات تولید و صنعت متفاوت می باشد. ما روش جدیدی از پیشنهاد محصول را ایجاد کرده ایم که تکنیک های تصمیم گیری گروهی و پردازش اطلاعاتی را مد نظر قرار می دهد. برنامه ریزی های سلسله مراتبی (AHP) نیز برای تعیین وزن نسبی متغیرهای RFM در ارزیابی ارزش دوام و وفاداری مشتری، مد نظر قرار می گیرد. سپس تکنیک های دسته بندی برای مشتریان طبقه بندی شده بر طبق به ارزش وزنی RFM به کار برده شده است. سرانجام روش بررسی قوانی مربوطه بکار گرفته شد، تا پیشنهاد محصول برای هر یک ار گروه های مشتری ارائه شود. نتایج تجربی نشان داده است که این روش ها پا را فراتر نهاده و از RFM های یکسان و روش های فیلترینگ همکاری استفاده کرده اند.
مقدمه
رقابت بیشتر شرکت ها را وادار می کند تا نوع آوری های خود را در بازار برای تامین نیاز مشتری و بهبود رضایت آن ها توسعه دهند. استفاده از اینترنت و رشد تجارت الکترونیک فعالیت های بازار را گسترش داده و حجم عظیمی از اطلاعات مربوط به مشتریان را برای تجزیه و تحلیل ایجاد کرده است. این گونه از فعالیت های اقتصادی با استفاده از تجزیه و تحلیل اطلاعات مربوط به مشتریان برای تعیین اولویت های آن ها دارای اهمیت زیادی بوده و باعث بهبود فرایند تصمیم گیری در بازار می گردد. ایجاد حمایت مناسب برای تامین نیاز مشتری در افزایش موفقیت فروشگاه های آنلاین اهمیت داشته و به این ترتیب موفقیت وب سایت ها بستگی به افزایش کیفیت خدمات و اطلاعات برای ارائه به مشتریان دارد.
روش های خوشه بندی لاگ های وب سرور
- عنوان لاتین مقاله: Web Log Clustering Approaches – A Survey
- عنوان فارسی مقاله: روش های خوشه بندی لاگ های وب سرور (وب لاگ) یک بررسی.
- دسته: فناوری اطلاعات و کامپیوتر
- فرمت فایل ترجمه شده: WORD (قابل ویرایش)
- تعداد صفحات فایل ترجمه شده: 8
- جهت دانلود رایگان نسخه انگلیسی این مقاله اینجا کلیک نمایید
- ترجمه سلیس و روان مقاله آماده خرید است.
خلاصه
با توجه به سازمان دهی هرچه بیشتر اینترنت و شبکه گسترده جهانی برای انجام تجارت و کسب و کار، لازم است که برنامه ریزی های استراتژیک و تکنیک های راهبردی جهت جهت تجزیه و تحلیل در این زمینه مورد بررسی قرار گیرند. به همین منظور، ما یک بررسی و مطالعه اجمالی از تحقیقات و کارهای علمی اخیر در زمینه وب کاوی را با تمرکز بر روی سه روش و دیدگاه در رابطه با خوشه بندی وب ارائه می دهیم. تجزیه و تحلیل خوشه بندی، یک الگوریتم داده کاوی با کاربرد وسیع می باشد که در واقع فرآیند تقسیم بندی یکسری از داده ها به شماری از خوشه هاست که هر داده ای، شباهت بالایی با داده های دیگر در همان خوشه دارد اما از دیگر داده ها در خوشه های دیگر متفاوت است.
در این تحقیق علمی، ما سه روش متفاوت را پیرامون وب کاوی بررسی کرده و سپس مزایا و معایب آن ها را آنالیز و تجزیه و تحلیل می کنیم و در پایان بر مبنای موثر ترین الگوریتم بدست آمده و همچنین نتایج حاصل از آزمایشات انجام شده بر روی فایل های وبلاگی گوناگون، به یک نتیجه گیری کلی دست پیدا می کنیم.
لغات کلیدی: وب کاوی-web usage mining (یکی از انواع وب کاوی) -لاگ های وب سرور (وب لاگ ها) -خوشه بندی مقدمه
وب کاوی که با عنوان وب لاگ کاوی نیز شناخته می شود، فرآیند استخراج الگوها و طرح های قابل توجه از جستجو در فهرست قابل دسترسی به وب می باشد. وب کاوی در واقع کاربرد تکنیک های داده کاوی به منظور کشف الگوهایی از وب می باشد. کاوش استفادۀ وب، روش پیداکردن کاربرانی است که در اینترنت به دنبال اهداف خاصی می گردند. بعضی از کاربران ممکن است به دنبال داده های متنی باشند در حالی که بعضی دیگر ممکن است بخواهند داده های سمعی و بصری را از اینترنت دریافت نمایند.
کاوش استفادۀ وب به ما کمک می کند تا الگو هایی از گروه های مشخصی از افراد را که به مناطق مشخصی تعلق دارند پیدا کنیم. هر زمان که درخواست هایی جهت تخصیص منابع دریافت شود، سازمان های سرویس دهندۀ شبکه، به محاسبه داده های جمع آوری شده دربارۀ کاربران می پردازند. لاگ های وب سرور یک منبع مهم برای انجام وب کاوی محسوب می شوند چرا که به طور دقیق، رفتار مرورگری تمام مشاهده کنندگان سایت را ثبت می کنند.
- فرمت: zip
- حجم: 0.27 مگابایت
- شماره ثبت: 411
طبقه بندی تصاویر نامناسب وب با استفاده از تحلیل مبتنی بر متن
- عنوان لاتین مقاله: Classification Of Violent Web Images using Context Based Analysis
- عنوان فارسی مقاله: طبقه بندی تصاویر نامناسب وب با استفاده از تحلیل مبتنی بر متن.
- دسته: فناوری اطلاعات و کامپیوتر
- فرمت فایل ترجمه شده: WORD (قابل ویرایش)
- تعداد صفحات فایل ترجمه شده: 14
- جهت دانلود رایگان نسخه انگلیسی این مقاله اینجا کلیک نمایید
- ترجمه سلیس و روان مقاله آماده خرید است.
خلاصه
توسعۀ وب با ازدیاد محتوای نامناسب در صفحات آن همراه بوده است. ما با بررسی تصاویر وب، می خواهیم یک روش جدید برای طبقه بندی آن ها ارائه دهیم. این موضوع از اهمیت بالایی برخوردار است زیرا کاربرد بسیاری در اغلب برنامه ها مثل فیلترینگ سایت های نامناسب وب دارد. بنابراین، ما روی استخراج ویژگی های تصاویر از صفحات وب تمرکز می کنیم. همچنین، مقایسه ای روی تکنیک های مختلف داده کاوی برای طبقه بندی تصاویر نامناسب وب خواهیم داشت. نتایجی که بدست آوردیم نشان می دهند روش ما می تواند به طور کارایی محتوای نامناسب را تشخیص دهد.
مقدمه
اینترنت هر روز برای همگان مهم و مهم تر می شود زیرا یکی از جدیدترین و رو به رشدترین رسانه ها است و مطمئناً رسانۀ آینده نیز خواهد بود. با این حال، همانند هر اختراع جدیدی در علم و تکنولوژی، اینترنت نیز کاستی هایی دارد. وقتی در اینترنت می گردیم، دسترسی به سایت هایی با محتوای متنازع مثل محتوای خشن و نامناسب آسان است. در واقع، اینترنت بعد کاملاً جدیدی به مسئلۀ خشونت رسانه اضافه کرده است. نوجوانان با خشونت در اینترنت مواجه هستند از سایت های بی رحم و کم عمق گرفته تا نمایش های مزاحم برای آزار و اذیت افراد. امروزه کودکان و نوجوانان می توانند غزل های موسیقی نامناسب (شامل سروده هایی که از آهنگ ها گرفته شده و در دست فروشی ها فروخته می شود) را از اینترنت دانلود کنند و به تصاویر و ویدئو کلیپ های نامناسب تنها با یک کلیک ماوس دسترسی پیدا کنند.
پیدایش محتوای خشن در سطح وب، ضرورت ساخت سیستم های فیلترینگ که برای امن سازی دسترسی به اینترنت به کار می رفت را آشکار کرد. در این مقاله، ما روی این مسئله تحقیق می کنیم و روش جدیدی برای طبقه بندی تصاویر نامناسب وب ارائه می دهیم. ما کارمان را روی استفاده از ویژگی های تصاویری که به طور خودکار از صفحۀ وب گرفته شده منعطف می کنیم تا متوجه شویم کدام تصویر مربوط به طبقۀ تصاویر نامناسب است. یک مقایسۀ کوتاه نیز روی روش های مختلف داده کاوی خواهیم داشت.
- فرمت: zip
- حجم: 0.75 مگابایت
- شماره ثبت: 411
پایان نامه داده کاوی در بانکداری الکترونیکی
- پایان نامه جهت اخذ درجه کارشناسی
- عنوان کامل: داده کاوی در بانکداری الکترونیکی
- دسته: مهندسی کامپیوتر
- فرمت فایل: WORD (قابل ویرایش)
- تعداد صفحات: 95
- فهرست مطالب: جهت مشاهده فهرست مطالب این پایان نامه اینجا کلیک نمایید
مقدمه
بسیاری از شرکت ها و موسسات دارای حجم انبوهی از اطلاعات هستند. با گسترش سیستمهای پایگاهی و حجم بالای داده های ذخیره شده در این سیستم ها، به ابزاری نیازاست تا بتوان این داده ها راپردازش کرد و اطلاعات حاصل از آن را در اختیار کاربران قرار داد. معمولا کاربران پس از طرح فرضیه ای بر اساس گزارشات مشاهده شده به اثبات یا رد آن می پردازند، در حالی که امروزه به روشهایی نیازداریم که به اصطلاح به کشف دانش بپردازند یعنی روشهائی که با کمترین دخالت کاربر و به صورت خودکار الگوها و رابطه های منطقی را بیان نمایند. یکی از روشهای بسیار مهمی که با آن می توان الگوهای مفیدی را در میان داده ها تشخیص داد، داده کاوی است، این روش که با حداقل دخالت کاربران همراه است اطلاعاتی را در اختیار آنها وتحلیل گران قرار میدهد تا براساس آنها تصمیمات مهم و حیاتی در سازمانشان اتخاذ نمایند. باید توجه داشت که اصطلاح داده کاوی زمانی به کار برده می شود که با حجم بزرگی از داده ها، در حد مگا یا ترابایت، مواجه باشیم. در تمامی منابع داده کاوی بر این مطلب تاکید شده است. هر چه حجم داده ها بیشتر و روابط میان آنها پیچیده تر باشد دسترسی به اطلاعات نهفته در میان داده ها مشکل تر می شود و نقش داده کاوی به عنوان یکی از روشهای کشف دانش، آشکارتر می گردد.
1.2.تعریف مسائله و بیان سوال های اصلی تحقیق
یکی از مباحث مهم در بانکداری الکترونیکی بحث مدیریت ارتباط با مشتری می باشد. به عبارتی کامل تر مدیریت ارتباط با مشتری یک روش، یک نظام و از همه مهم تر یک راهبرد در کسب و کار است که هدف آن طبقه بندی مشتریان و مدیریت آن ها به منظور بهینه سازی ارزش مشتری در دراز مدت، و بهرگیری سازمان از آن است. مدیریت ارتباط با مشتری، در واقع در فرایند های پیدا کردن مشتری، نزدیک شدن به آن، مدیریت و ایجاد رضایت در مشتریان و نگهداری آن ها است] 1 [. ادلیستن این فرایند را تحت عنوان چرخه حیات مشتری این گونه بیان می کند: بدست آوردن مشتری، افزایش ارزش مشتریان و نگهداری مشتریان خوب.
برای هر مشتری، سازمان باید قادر باشد به سوالاتی نظیر زیر پاشخگو باشد؟
1-آیا مشتری سود ده است؟
2-چرا مشتری این کسب و کار را با سازمان انجام می دهد؟
3-مشتری چه چیزی را دوباره سازمان دوست دارد؟
4-آیا مشتری این کسب و کار را با رقبای سازمان هم انجام می دهد؟
- فرمت: zip
- حجم: 0.93 مگابایت
- شماره ثبت: 806
ادغام برنامه ریزی سلسله مراتبی و داده کاوی (پیشنهاد محصول به مشتری)
چکیده
پیشنهاد محصول، فعالیت کسب و کاری می باشد که برای جذب مشتری مهم می باشد. بنابراین، بهبود کیفیت این پیشنهادات برای تامین نیاز مشتریان در محیط رقابتی شدید دارای اهمیت زیادی می باشد. اگرچه سیستم های پیشنهاد دهنده متفاوتی مطرح شده است، اما تعداد کمی ارزش دوام مشتری را بریا شرکت مد نظر قرار داده اند. معمولا ارزش دوام مشتری ((CLV از نظر متغیرهای تازگی، تکرار و پولی (RFM) مورد ارزیابی قرار گرفته اند. به هر حال اهمیت نسبی در بین آن ها با توجه به مشخصات تولید و صنعت متفاوت می باشد. ما روش جدیدی از پیشنهاد محصول را ایجاد کرده ایم که تکنیک های تصمیم گیری گروهی و پردازش اطلاعاتی را مد نظر قرار می دهد. برنامه ریزی های سلسله مراتبی (AHP) نیز برای تعیین وزن نسبی متغیرهای RFM در ارزیابی ارزش دوام و وفاداری مشتری، مد نظر قرار می گیرد. سپس تکنیک های دسته بندی برای مشتریان طبقه بندی شده بر طبق به ارزش وزنی RFM به کار برده شده است. سرانجام روش بررسی قوانی مربوطه بکار گرفته شد، تا پیشنهاد محصول برای هر یک ار گروه های مشتری ارائه شود. نتایج تجربی نشان داده است که این روش ها پا را فراتر نهاده و از RFM های یکسان و روش های فیلترینگ همکاری استفاده کرده اند.
مقدمه
رقابت بیشتر شرکت ها را وادار می کند تا نوع آوری های خود را در بازار برای تامین نیاز مشتری و بهبود رضایت آن ها توسعه دهند. استفاده از اینترنت و رشد تجارت الکترونیک فعالیت های بازار را گسترش داده و حجم عظیمی از اطلاعات مربوط به مشتریان را برای تجزیه و تحلیل ایجاد کرده است. این گونه از فعالیت های اقتصادی با استفاده از تجزیه و تحلیل اطلاعات مربوط به مشتریان برای تعیین اولویت های آن ها دارای اهمیت زیادی بوده و باعث بهبود فرایند تصمیم گیری در بازار می گردد. ایجاد حمایت مناسب برای تامین نیاز مشتری در افزایش موفقیت فروشگاه های آنلاین اهمیت داشته و به این ترتیب موفقیت وب سایت ها بستگی به افزایش کیفیت خدمات و اطلاعات برای ارائه به مشتریان دارد.
پاورپوینت داده کاوی جریان داده ها با درختهای تصمیم گیری
کلاسه بندی
فرایندی دو مرحله ای است:
ساخت مدل:
تحلیل یک مجموعه آموزشی که مجموعه ای از تاپل های پایگاه است و مشخص کردن برچسب کلاس های مربوط به این تاپل ها.
یک تاپل X با یک بردار صفت X= (x۱,x۲,.,xn) نمایش داده می شود. فرض می شود که هر تاپل به یک کلاس از پیش تعریف شده متعلق است.
هرکلاس با یک صفت که به آن صفت برچسب کلاس می گوییم مشخص می شود.
مجموعه آموزشی به صورت تصادفی از پایگاه انتخاب می شود.
به این مرحله، مرحله یادگیری نیز می گویند.
استفاده از مدل:
از طریق یک تابع y=f (X) برچسب کلاس هر تاپل X از پایگاه را پیش بینی می شود.
این تابع به صورت قواعد کلاسه بندی، درخت های تصمیم گیری یا فرمول های ریاضی است.
داده کاوی و نظریه مجموعه های راف
دسته: کامپیوتر
حجم فایل: 191 کیلوبایت
تعداد صفحه: 22
مقدمه
نظریه مجموعه های راف توسط آقای پاولاک و همکارانش در سال 1982 مطرح گردید. این نظریه بیشتر با آنالیز دسته بندی داده های موجود در پایگاه داده که از طریق اندازه گیری یا پرسش از فرد خبره جمع آوری شده اند، سرو کار دارد. رویکرد تئوری راف برای کسب دانش و استنتاج در مورد دانش، بیشتروقتی با مفاهیمی همچون عدم قطعیت و داده های نادقیق مواجه هستیم مطرح می شود.
در ادامه ابتدا به بررسی مفاهیم پایه ای نظریه مجموعه های راف و سپس به کاربرد آن در داده کاوی می پردازیم.
مجموعه
گروهی از اشیاء متمایز مشروط بر آنکه شرط خاصی را داشته باشند تشکیل یک مجموعه می دهند و اگر a عضوی از مجموعه باشد آنرا با نشان می دهند.
مجموعه مرجع
در هر مبحثی عالم سخن یعنی اشیاء اولیه مورد بحث آن مبحث را مجموعه مرجع آن مبحث می گویند و آنرا با U نمایش می دهند.
خانواده مجموعه
فرض کنید (لاندا) یک مجموعه بوده و برای هر عضو مانند مجموعه را داشته باشیم. در این صورت خانواده تمام مجموعه های نظیر را خانواده مجموعه های اندیس دار گویند و آنرا با نماد نشان می دهند.
مثال) یک خانواده از بازه های بسته در است اگر داشته باشیم:
افراز یک مجموعه
فرض کنید U یک مجموعه غیر خالی باشد. یک افراز از مجموعهU مجموعه ائی از زیر مجموعه های غیر خالی آن است بطوری که دو به دو جدا از هم باشند و اجتماع آنها برابرU باشد:
حاصلضرب دکارتی
اگر A، B دو مجموعه باشند حاصلضرب دکارتی آنها را با نشان داده و چنین تعریف می کنند:
قیمت: 3,000 تومان
تصاویر خشونت آمیز وب (ترجمه)
چکیده
در این مقاله، روش طبقه بندی تصاویر خشونت آمیز وب را ارائه می کنیم. این موضوع بسیار مهم است زیرا کاربرد بسیاری در زمینه های مختلف مثل فیلتر کردن وب سایت های خشونت آمیز دارد. ما پیشنهاد ترکیب تکنیک های تحلیل تصویر و داده کاوی را می دهیم تا خصوصیات سطح پایینی که از رنگ های تصاویر استخراج شده را به خصوصیات خشن بالاتر موجود در تصویر مرتبط کنیم. مقایسه ای نیز روی تکنیک های مختلف داده کاوی خواهیم داشت تا بتوانیم تصاویر خشن وب را دسته بندی کنیم. همچنین، توضیح می دهیم که ترکیب روش های یادگیری چگونه روی دقت کار تأثیر می گذارد. نتایج ما نشان می دهد که این روش می تواند محتوای خشن را به طور کارایی تشخیص دهد.
مقدمه
شبکه گسترده جهانی (WWW) روی همه جنبه های جامعه شامل تجارت، علوم، سیاست و دولت، روابط فردی و سلامتی تأثیر زیادی داشته است. با این حال، وب روند نزولی داشته است. در حین گشت و گذار در اینترنت دسترسی به محتوای نزاعی مثل محتواهای خشونت آمیز آسان است. در واقع، کودکان در معرض شدید خشونت در اینترنت هستند؛ از سایت های کم عمق با حالت های بیرحمانه گرفته تا نمایش های مزاحمت آمیز شکنجه و آزار. امروزه کودکان و نوجوانان می توانند موزیک های خشن و ویدئو کلیپ ها و تصاویر خشن را با یک کلیک ماوس از اینترنت دانلود کنند. افراد جوان نیز از وب برای سیاحت استفاده می کنند و خلاقیت خود را به روش های مختلفی با ساختن فیلم ها، موزیک، وب سایت و بلاگ ها یا خاطرات آنلاین نشان می دهند. کار اولیه ما یک سیستم فیلتر و شناسایی محتوای خشن وب به نام WebAngels filter را پیشنهاد می دهد که از تحلیل های ساختاری و زمینه ای استفاده می کند. ابزار ارزیابی ما کارایی روش را برای شناسایی و فیلتر صفحات خشن وب نشان می دهد. با این وجود WebAngels filter با مشکلاتی در طبقه بندی سایت های خشن که فقط دارای محتوای خشن گرافیکی هستند مواجه است. در این مقاله، این مسئله را بررسی کرده و یک روش جدید طبقه بندی تصاویر خشن پیشنهاد می دهیم. ما روی استفاده از توصیف کننده های رنگ و ترکیب طبقه بندها تمرکز می کنیم تا دقت طبقه بندی تصاویر خشن وب را بهبود بخشیم. ادامه مقاله به این ترتیب سازماندهی شده است: در بخش 2 مروری روی کارهای انجام شده داریم. روش پیشنهادی برای طبقه بندی تصاویر خشن وب در بخش 3 ارائه می شود. نتایج ارزیابی و مقایسه ها در بخش 4 بحث می شود.
مفاهیم داده کاوی و انباره داده ای
دسته: کامپیوتر
حجم فایل: 459 کیلوبایت
تعداد صفحه: 23
مفاهیم داده کاوی
و
انباره داده ای
دکتر غضنفری
داده کاوی یکی از عناوین پرطرفدار در فن آوری اطلاعات است. امروزه اکثر سازمانها از لحاظ داده ها بسیار غنی می باشند، چرا که آنها به جمع آوری حجم بسیار روزافزون داده ها مشغولند. عموماً سازمانها از این کوه داده ها برای ارائه اعداد و واقعیتها استفاده می کنند، اما این اعداد و واقعیتها نمایانگر دانش نیستند و حتی می توان اذعان داشت که امروزه سازمانها با فقر دانش روبرو هستند. تعریف ما از داده کاوی فرآیند استخراج دانش از داده ها می باشد. این امر از طریق کشف الگوها در داده های مربوط به رفتار گذشته فرآیندها امکانپذیر است.
داده کاوی، استخراج اطلاعات پیش گویانه پنهان از پایگاههای داده ای بزرگ، یک تکنولوژی جدید قدرتمند با توان زیاد برای کمک به شرکتهاست تا بروی اطلاعات مهم موجود در انبار داده های خود تمرکز کنند. ابزارهای داده کاوی رفتارها و روندهای آینده را پیش گوئی می کنند و بدین ترتیب به شرکتها اجازه می دهند که بر پایه دانش و پویش گرایانه تصمیم گیری کنند. ابزارهای داده کاوی سؤالاتی را می توانند جواب دهند که در گذشته زمان زیادی برای جوابگوئی آنها لازم بود. شکل زیر نشان میدهد که داده کاوی در واقع ترکیبی از چندین تکنولوژی می باشد:
مدیریت داده ها، آمار، یادگیری ماشینی و تجسم سازی (2).
سیر تکاملی تکنولوژی پایگاه داده
سیر تکاملی تکنولوژی پایگاه داده
داده ها غالبا به عنوان رشته ای از بیتها، اعداد و یا سمبولها معرفی می شوند. اطلاعات داده هاس پردازش شده می باشد و دانش همان اطلاعات مجتمع شامل fact ها و ارتباطات آنها میباشد که از بخشهای مختلف تصویری، ذهنی و کشف شده بدست میآیند. داده کاوی کشف دانش پنهان از داده های یک سازمان میباشد.
مفاهیم داده کاوی و انباره داده ای
داده کاوی
تعریف ما از داده کاوی فرآیند استخراج دانش از داده ها می باشد. این امر از طریق کشف الگوها در داده های مربوط به رفتار گذشته فرآیندها امکانپذیر است. داده کاوی، استخراج اطلاعات پیش گویانه پنهان از پایگاههای داده ای بزرگ، یک تکنولوژی جدید قدرتمند با توان زیاد برای کمک به شرکتهاست تا بروی اطلاعات مهم موجود در انبار داده های خود تمرکز کنند. ابزارهای داده کاوی رفتارها و روندهای آینده را پیش گوئی می کنند و بدین ترتیب به شرکتها اجازه می دهند که بر پایه دانش و پویش گرایانه تصمیم گیری کنند. ابزارهای داده کاوی سؤالاتی را می توانند جواب دهند که در گذشته زمان زیادی برای جوابگوئی آنها لازم بود. شکل زیر نشان میدهد که داده کاوی در واقع ترکیبی از چندین تکنولوژی می باشد: مدیریت داده ها، آمار، یادگیری ماشینی و تجسم سازی (2).
سیر تکاملی تکنولوژی پایگاه داده
داده ها غالبا به عنوان رشته ای از بیتها، اعداد و یا سمبولها معرفی می شوند. اطلاعات داده هاس پردازش شده می باشد و دانش همان اطلاعات مجتمع شامل fact ها و ارتباطات آنها میباشد که از بخشهای مختلف تصویری، ذهنی و کشف شده بدست میآیند. داده کاوی کشف دانش پنهان از داده های یک سازمان میباشد.
قیمت: 5,000 تومان