مقاله بررسی و ارزیابی ترافیك و حمل و نقل شهری با توجه به نیازهای معلولان و جانبازان در سه محدوده مركز شهر، پارك ملت و پارك جنگلی آبیدر در شهر سنندج

یک مطلب دیگر :

2-2مدلها و الگوریتمهای دادهکاوی.. 13

2-2-1 شبکه­های عصبی                                                                                                                            13

2-2-2درخت تصمیم                                                                                                                                       16

2-2-3 روش طبقه­بندی بیزین                                                                                                              19

2-3-2-2 شبکه­های بیزین                                                                                                                       20

2-2-4 مدل قانون­محور                                                                                                                                22

2-2-5 مدل کاهل                                                                                                                                                26

2-2-6ماشین بردارپشتیبان                                                                                                                      32

2-3 مقدمه­ای بر تقلب… 36

2-3-1 ساختن مدل برای تقلب                                                                                                            36

2-3-2 اصول کلی تقلب:                                                                                                                            36

2-3-3 چگونگی شناسایی تقلب:                                                                                                         37

2-3-4 چگونگی ساخت مدل تقلب:                                                                                                   37

2-4 مقدمه­ای بر سیستم تشخیص نفوذ. 38

2-4-1 تعاریف اولیه  39

2-4-2 وظایف عمومی یک سیستم تشخیص نفوذ:                                                           39

2-4-3 دلایل استفاده از سیستم های تشخیص نفوذ:                                                    40

2-4-4 جمع آوری اطلاعات                                                                                                                   41

2-4-5 تشخیص و تحلیل:                                                                                                                          41

2-4-6 تشخیص سوء استفاده:                                                                                                            41

2-4-7 تشخیص ناهنجاری:                                                                                                                     42

2-4-8 مقایسه بین تشخیص سوء استفاده و تشخیص ناهنجاری:                42

2-4-9 پیاده سازی سیستمهای تشخیص نفوذ:                                                                    42

2-5 تعاریف برخی مقادیر ارزیابی مورد استفاده در سیستم داده کاوی: 44

2-5-1Confusion matrix:                                                                                                                          46

2-5-2 درستی                                                                                                                                                       47

2-5-3 میزان خطا                                                                                                                                              47

2-5-4 حساسیت، میزان مثبت واقعی، یاد آوری                                                             47

2-5-5 ویژگی، میزان منفی واقعی                                                                                                 48

2-5-6 حساسیت:                                                                                                                                                48

2-5-7دقت                                                                                                                                                                  49

2-5-8 معیار F:                                                                                                                                                     49

2-6 پژوهشهای انجام شده در این زمینه: 50

2-6-1 پژوهش اول: کشف تقلب در سیستم­های مالی­با استفاده از داده­کاوی… … 51

2-6-2 پژوهش دوم: کشف تقلب در کارت اعتباری با استفاده از شبکه عصبی و بیزین   53

2-6-3پژوهش سوم: شناسایی تقلب بیمه با استفاده از تکنیکهای داده­کاوی…….. ……… 56

2-6-4 پژوهش چهارم: استفاده از الگوریتم ژنتیک برای تشخیص تست نفوذ. 62

2-6-5 پژوهش پنجم: شناسایی ترافیک غیرنرمال در شبکه با الگوریتم خوشه بندی   65

3-1 روش تحقیق.. 71

3-2 داده­های آموزشی و تست: 73

3-2-1 ویژگی­های داده­ها                                                       ………. 73

3-2-2 ویژگیهای اساسی مجموعه دادهها:                                                                               73

4-1 الگوریتمهای مدل بیزین و ارزیابی آنها 83

4-2 مدل کاهل.. 92

4-3 شبکه عصبی.. 99

4-4 مدل قانون محور. 108

4-5 درخت تصمیم. 118

4-6 ماشین بردار پشتیبان.. 130

فصل پنجم  139

5-1 مقدمه. 140

5-2 مزایا 141

5-3 پیشنهادات… 141

فصل  ششم   143

فهرست منابع. 144

پیوستها  148

پیوست الف -مجموعه داده نوع اول: 148

پیوست ب-مجموعه داده نوع دوم. 153

پیوست ج-نوع داده مجموعه سوم: 156

پیوست د-مجموعه داده نوع چهارم. 161

پیوست ه -مجموعه داده نوع پنجم. 190

 

 

 

 

فهرست جداول

 

جدول‏2‑1: تعریف معیارها 45

جدول‏2‑2: ماتریس Confusion. 46

جدول‏2‑3:معیارهای مختلف ارزیابی وفرمول آنها‎‎ 50

جدول‏2‑4: مقایسه نتیجه بین شبکه­عصبی وشبکه بیزین.. 56

جدول‏2‑5: داده برای دسته بندی بیزین‎‎ 59

جدول‏2‑6: داده برای دسته­بندی بیزین‎‎ 60

جدول‏2‑7: ارزیابی درخت تصمیم‎‎ 62

جدول‏2‑11: ارزیابی با استفاده ازخوشه­بندی.. 69

جدول‏3‑1 :ویژگی­های اساسی استخراج شده ازارتباطTCP. 74

جدول‏3‑2 :ویژگی های استخراجی ازارتباطTCP. 74

جدول‏3‑3: ویژگیهای استخراج شده ازپنجره. 76

جدول‏4‑2: ماتریس Confusion الگوریتم Kernel naive Baysian 83

جدول‏4‑1: معیارهای ارزیابی ونتایج الگوریتم Kernel naive Baysian 84

جدول‏4‑4: ماتریس Confusion  الگوریتم Naive Baysian. 84

جدول‏4‑3: معیارهای ارزیابی ونتایج الگوریتم Naive Baysian 84

جدول‏4‑6: ماتریس Confusion الگوریتم Waode. 85

جدول‏4‑5: معیارهای ارزیابی ونتایج الگوریتم Waode. 85

جدول‏4‑8: ماتریس Confusion الگوریتم Aode. 85

جدول‏4‑7: معیارهای ارزیابی و نتایج الگوریتم Aode. 86

جدول‏4‑10: ماتریسConfusion الگوریتم Aodesr 86

جدول‏4‑9: معیارهای ارزیابی ونتایج الگوریتم Aodesr 86

جدول‏4‑12: ماتریسConfusion الگوریتم Bayesenet 87

جدول‏4‑11: معیارهای ارزیابی ونتایج الگوریتم Bayesenet 87

جدول‏4‑13: معیارهای ارزیابی ونتایج الگوریتم HNB.. 88

جدول‏4‑14: ماتریسConfusion الگوریتم HNB 88

جدول‏4‑16: ماتریس Confusion الگوریتم Dmnbtext 88

جدول‏4‑15: معیارهای ارزیابی ونتایج الگوریتم Dmnbtext 89

جدول‏4‑18: ماتریسConfusion الگوریتم BaysianLogic Regression. 89

جدول‏4‑17: معیارهای ارزیابی ونتایج الگوریتم BaysianLogic Regression. 89

جدول‏4‑20: ماتریسConfusion الگوریتم  IB1. 93

جدول‏4‑19: معیارهای ارزیابی و نتایج الگوریتم IB1 93

جدول‏4‑21: معیارهای ارزیابی ونتایج الگوریتم IBK.. 93

یک مطلب دیگر :

جدول‏4‑22: ماتریس Confusion الگوریتم IBK.. 94

جدول‏4‑24: ماتریس Confusion الگوریتم LWL. 94

جدول‏4‑23: معیارهای ارزیابی ونتایج الگوریتم LWL. 94

جدول‏4‑26: ماتریسConfusion الگوریتم KSTAR.. 95

جدول‏4‑25: معیارهای ارزیابی ونتایج الگوریتم KSTAR.. 95

جدول‏4‑27: معیارهای ارزیابی ونتایج الگوریتم KNN.. 95

جدول‏4‑28: ماتریس Confusion الگوریتم KNN.. 96

جدول‏4‑29: معیارهای ارزیابی ونتایج شبکه MLP. 101

جدول‏4‑30: ماتریس  ConfusionشبکهMLP 101

جدول‏4‑32: ماتریس  Confusionشبکه Perceptrons. 102

جدول‏4‑31: معیارهای ارزیابی ونتایج شبکه Perceptrons 103

جدول‏4‑34: ماتریسConfusion  الگوریتم RBF. 104

جدول‏4‑33: معیارهای ارزیابی ونتایج الگوریتم RBF. 104

جدول‏4‑36:ماتریسConfusion  الگوریتم Neural net 105

جدول‏4‑35:معیارهای ارزیابی ونتایج الگوریتم Neural net 105

جدول‏4‑38: ماتریس Confusion الگوریتم Conjuctive rule. 108

جدول‏4‑37: معیارهای ارزیابی ونتایج الگوریتم Conjuctive rule. 108

جدول‏4‑39: معیارهای ارزیابی ونتایج الگوریتم decision table. 109

جدول‏4‑40: ماتریسConfusion  الگوریتم decision table. 109

جدول‏4‑41 :معیارهای ارزیابی ونتایج الگوریتم DTNB.. 110

جدول‏4‑42: ماتریسConfusion  الگوریتم DTNB.. 110

جدول‏4‑44: ماتریس Confusion الگوریتم JRIP. 110

جدول‏4‑43: معیارهای ارزیابی ونتایج الگوریتم JRIP. 111

جدول‏4‑45: معیارهای ارزیابی ونتایج الگوریتم ONER.. 111

جدول‏4‑46: ماتریس Confusion الگوریتم ONER.. 111

جدول‏4‑47: معیارهای ارزیابی ونتایج الگوریتم PRSIM.. 112

جدول‏4‑48: ماتریس Confusion الگوریتم PRSIM.. 112

جدول‏4‑49: معیارهای ارزیابی ونتایج الگوریتم RIDOR.. 112

جدول‏4‑50: ماتریسConfusion الگوریتم RIDOR.. 113

جدول‏4‑51: معیارهای ارزیابی ونتایج الگوریتم RULE Induction. 113

جدول‏4‑52: ماتریسConfusion الگوریتم RULE Induction. 113

جدول‏4‑53: معیارهای ارزیابی ونتایج الگوریتم RULE Induction single attribute. 114

جدول‏4‑54: ماتریسConfusion الگوریتم RULE Induction single attribute. 114

جدول‏4‑55: معیارهای ارزیابی ونتایج الگوریتم TREE by rule. 114

جدول‏4‑56:ماتریس Confusion الگوریتم TREE by rule. 115

جدول‏4‑57: معیارهای ارزیابی ونتایج الگوریتم part 115

جدول‏7‑58: ماتریسConfusion الگوریتم part 115

جدول‏4‑59: معیارهای ارزیابی ونتایج الگوریتم CHAID.. 119

جدول‏4‑60: ماتریسConfusion الگوریتم CHAID.. 119

جدول‏4‑61: معیارهای ارزیابی ونتایج الگوریتم DECISION TREE 119

جدول‏4‑62: ماتریس Confusion الگوریتم DECISION TREE. 120

جدول‏4‑63: معیارهای ارزیابی ونتایج الگوریتم J48. 120

جدول‏4‑64: ماتریسConfusion الگوریتم J48. 120

جدول‏4‑65: معیارهای ارزیابی ونتایج الگوریتم FT. 121

جدول‏4‑66: ماتریس  Confusion الگوریتم FT 121

جدول‏4‑68: ماتریس Confusion الگوریتم ID3. 121

جدول‏4‑67: معیارهای ارزیابی ونتایج الگوریتم ID3. 122

جدول‏4‑69: معیارهای ارزیابی ونتایج الگوریتم LAD.. 122

جدول‏4‑70: ماتریس Confusion الگوریتم LAD.. 122

جدول‏4‑71: معیارهای ارزیابی ونتایج الگوریتم ADT. 123

(پایان نامه مقطع ارشد)
تکه هایی از متن پایان نامه به عنوان نمونه :
(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)
مقدمه:
امروزه پیشگیری از جرم اهمیت بسزایی نسبت به گذشته پیدا کرده است، زیرا عوامل و انگیزه های ارتکاب جرایم بسیار گسترده شده و پلیس نمی تواند درک محدودی از منشأ و روش های پیشگیری از جرم داشته باشد. به همین دلیل اعتقاد بر این است که فعالیت ها و مشارکت مردمی و آثار اجتماعی آن باید نقش محوری و اساسی در پیشگیری از جرم ایفا کند.
پدیدۀ جرم یکی از مشکلات اجتماعی تمام جوامع بشری است که پیشگیری از وقوع آن مستلزم صرف هزینه های بسیاری است. هنگامی که پیشگیری از وقوع جرم و مبارزه با آن صحبت به میان می آید، پلیس نخستین گزینه ای است که به ذهن افراد جامعه خطور می کند. اما رویکرد پلیس جامعه محور، کل جامعه را مسئول مبارزه با جرم می داند. پلیس به عنوان بخشی از جامعه می تواند با هدایت شهروندان و الگو دادن به آنها بستری مناسب برای مشارکت عمومی در پیشگیری از وقوع جرم فراهم

 سازد. در این راستا نقش سیاستگزاران، متخصصان طراحی و مهندسین شهری را نمی توان در کاهش احتمال وقوع جرم از طریق ایجاد محیط هایی امن نادیده گرفت.

یک مطلب دیگر :

آمار جرایم در محیط های مختلف بیانگر این امر است که مجرمین در ارتکاب عمل مجرمانۀ خویش، اغلب دارای انتخابی عقلانی بوده و فرصت های مناسب و کم خطر را برای انجام جرم انتخاب می نمایند. لذا مجرمین بیشتر مناطقی را برای ارتکاب جرم بر می گزینند که وقوع جرم در آنها راحت تر بوده و امکان مشاهده و دستگیری آنان کمتر باشد. این مسئله نشان دهندۀ ضرورت شناخت مکان به عنوان یکی از عوامل موثر در ایجاد فرصت های جرم زا و یا تسهیل کنندۀ وقوع آن می باشد. از اینرو می توان با تغییر شرایط جرم زای محیط فیزیکی و ایجاد یا تقویت فضاهای قابل دفاع و مقاوم در برابر جرم و مجرمین، به میزان قابل توجهی از وقوع جرایم و ناهنجاری های موجود در شهر ها کاست.

 
 
1-1- بیان مسئله:
پیشگیری از جرم صرفاً به عهدۀ نیروی انتظامی نیست، بلکه دیگر بخش ها نیز در این امر مسئول هستند. اگر فرض کنیم پیشگیری از جرم، که در قانون اساسی وظیفۀ قوه قضائیه است، اما مخصوص آن نیست، همۀ دستگاه ها و نهادهای حکومتی و قوۀ مجریه می بایست در مجموعۀ خودشان پیشگیری و درمان جرم را مقدم به مقابله بدانند و تا آنجا که می شود باید پیشگیری کرد. بنابر این پیشگیری از وقوع جرم مقوله ای فراسازمانی و ملّی است و تمام بخش های جامعه، از جامعۀ پلیس و همین طور مردم نیز در آن نقش دارند و همگان باید نسبت به این وظیفۀ مهم اقدام لازم و ضروری را انجام دهند.
امروزه سرقت به عنوان یکی از گسترده ترین جرایم در کشور و به یک مسئلۀ فراگیر و جدی از ابعاد گوناگون اقتصادی، اجتماعی و امنیتی تبدیل شده است. بررسی و مطالعۀ ابعاد مختلف این بزه و همچنین آثار و تبعات ناشی از این بزه کاری و راه های پیشگیری و مقابله با آن، از اهمیت بسیاری برخوردار می باشد.

1-7 دامنه تحقیق.. 6

1-8 ساختار تحقیق.. 7

فصل 2 : پیشینه تحقیق.. 9

2-1 مدلهای پیش بینی قیمت سهم در تحقیقات پیشین.. 9

2-2 انتخاب/ استخراج ویژگی در قیمت سهم در تحقیقات پیشین.. 16

فصل 3 : مبانی نظری تحقیق.. 18

3-1 بازار بورس اوراق بهادار. 18

3-2 تکنیکهای رایج تحلیل و پیش بینی قیمت سهام. 19

3-3 تکنیکهای نوین تحلیل داده ها 20

3-3-1 داده کاوی.. 21

3-3-2 شبکه عصبی مصنوعی.. 26

عنوان صفحه

3-3-3 الگوریتمهای تکاملی.. 31

 

3-3-3-1 الگوریتم ژنتیک… 33

3-3-3-2 الگوریتم بهینه سازی ازدحام ذرات.. 36

3-3-3-3 الگوریتم رقابت استعماری.. 38

فصل 4 : روش تحقیق.. 43

4-1 فرایند CRISP.. 43

4-1-1 تعریف مساله. 43

4-1-2 تحلیل داده ها. 43

4-1-3 آماده سازی داده ها. 44

4-1-4 مدلسازی.. 44

4-1-5 ارزیابی.. 44

4-1-6 پیاده سازی.. 45

فصل 5 : اجرا 46

5-1 اجرای فرایند CRISP.. 46

5-1-1 مجموعه داده ها. 46

5-1-2 کیفیت داده ها و کاهش داده ها. 50

5-1-3 پیاده سازی شبکه عصبی مصنوعی برای سری های زمانی.. 51

5-1-3-1 معماری شبکه عصبی مصنوعی.. 51

5-1-3-2 تطبیق ورودی های زمانی به عنوان ورودی شبکه عصبی مصنوعی.. 53

5-1-4 پیاده سازی آموزش شبکه عصبی مصنوعی با الگوریتمهای تکاملی.. 54

5-1-4-1 الگوریتم ژنتیک.. 54

5-1-4-2 الگوریتم بهینه سازی ازدحام ذرات.. 55

5-1-4-3 الگوریتم رقابت استعماری.. 56

5-1-4 به کارگیری شبکه عصبی مصنوعی آموزش دیده با الگوریتم های تکاملی.. 58

فصل 6 : تحلیل یافته ها، نتیجه گیری و پیشنهاد ها. 60

6-1 نتیجه گیری و پاسخ به سئوالات تحقیق.. 60

عنوان صفحه

6-2 تحقیقات پیشنهادی آینده. 64

فهرست منابع.. 65

پیوست ها 67

پیوست 1: کد شبکه عصبی سری زمانی با آموزش با الگوریتم پیش انتشار خطا. 67

پیوست 2: کد شبکه عصبی مصنوعی با آموزش با الگوریتم ژنتیک.. 68

پیوست 3: کد شبکه عصبی مصنوعی با آموزش با الگوریتم ازدحام ذرات.. 71

پیوست 4: کد شبکه عصبی مصنوعی با آموزش با الگوریتم رقابت استعماری.. 73

 

فهرست جدول ها

عنوان صفحه

جدول شماره  ‏2‑1: مقایسه نتایج پیش بینی مدل بت-عصبی با سه مدل دیگر. 13

جدول شماره  ‏2‑2: مقایسه نتایج پیش گویی مدل ارائه شده با مدلهای دیگر. 14

جدول شماره  ‏2‑3: نسل  بندی روشهای تحقیق در پیش بینی قیمت سهم. 16

جدول شماره  ‏3‑1: شبه کد الگوریتم پیش انتشار خطا 30

جدول شماره  ‏3‑2: شبه کد عمومی الگوریتم های تکاملی.. 32

جدول شماره  ‏3‑3: شبه کد الگوریتم ژنتیک… 34

جدول شماره ‏3‑4  : شبه کد الگوریتم ازدحام ذرات.. 37

جدول شماره ‏3‑5  : شبه کد الگوریتم رقابت استعماری.. 41

جدول شماره  ‏5‑1: نماد سهم های انتخاب شده. 46

جدول شماره  ‏5‑2: اندازه کاهش یافته داده ها 51

جدول شماره  ‏5‑3: ساختار پیاده سازی آموزش شبکه عصبی با الگوریتم ژنتیک… 54

جدول شماره  ‏5‑4: ساختار پیاده سازی آموزش شبکه عصبی با الگوریتم ازدحام ذرات.. 55

جدول شماره  ‏5‑5: ساختار پیاده سازی آموزش شبکه عصبی با الگوریتم رقابت استعماری.. 56

جدول شماره  ‏5‑6: نتایج mse شبکه عصبی آموزش دیده با الگوریتم ژنتیک… 58

جدول شماره  ‏5‑7: نتایج mse شبکه عصبی آموزش دیده با الگوریتم ازدحام ذرات.. 58

جدول شماره  ‏5‑8: نتایج mse شبکه عصبی آموزش دیده با الگوریتم رقابت استعماری.. 59

جدول شماره  ‏5‑9: نتایج mse شبکه عصبی آموزش دیده با الگوریتم پیش انتشار خطا 59

جدول شماره  ‏6‑1: میانگین و انحراف معیار خطای اجراهای ANN و BP. 61

جدول شماره  ‏6‑2: نتایج خطای پیش بینی با ANN و PSO.. 63

جدول شماره  ‏6‑3: نتایج خطای پیش بینی با ANN و ICA.. 63

فهرست شکل ها

عنوان صفحه

شکل شماره  ‏3‑1 : نمونه ای تحلیل قیمت سهم با ابزارهای رویکرد تحلیل تکنیکال.. 20

شکل شماره ‏3‑2 : فرایند CRISP. 23

شکل شماره ‏3‑3 : ساختار یک نورون.. 27

شکل شماره ‏3‑4 : نمونه ای از یک شبکه عصبی مصنوعی با یک لایه پنهان.. 28

شکل شماره ‏3‑5 : نمونه نورون در شبکه عصبی مصنوعی پیشرو. 29

شکل شماره ‏3‑6 : فلوچارت عمومی الگوریتم های تکاملی.. 32

شکل شماره ‏3‑7 : نمایش ترکیب تک نقطه ای.. 35

شکل شماره ‏3‑8  : نمایش حرکت ذره در PSO.. 36

شکل شماره ‏3‑9: نمایش نمونه ای تقسیم کلونی ها به امپریالیست ها 40

شکل شماره ‏3‑10: حرکت خطی کلونی.. 41

شکل شماره  ‏3‑11: حرکت زاویه ای کلونی.. 41

شکل شماره ‏5‑1  : نمودار قیمت روزانه سهام نماد بکام. 48

شکل شماره ‏5‑2  : نمودار قیمت روزانه سهام نماد وپارس… 48

شکل شماره ‏5‑3  : نمودار قیمت روزانه سهام نماد وغدیر. 49

شکل شماره ‏5‑4  : نمودار قیمت روزانه سهام نماد خودرو. 49

شکل شماره ‏5‑5  : نمودار قیمت روزانه سهام نماد رانفور. 50

شکل شماره ‏5‑6  : شبکه عصبی مصنوعی با داده های سری زمانی.. 53

شکل شماره ‏6‑1  : تابع احتمال تجمعی توزیع نرمال برازش شده خطا 61

شکل شماره ‏6‑2  : تابع احتمال تجمعی توزیع نرمال برازش شده خطا ANN و EAs. 62

مقدمه

بشر در دنیای امروزی به صورت روزمره در بازارهای گوناگون درگیر تصمیم گیری های بیشماری بوده و هر گونه پیشنهادی که امکان بهبود دقت و صحت تصمیم و یا کاهش زمان تصمیم گیری را برای او به ارمغان بیاورد برای وی جذاب و ارزشمند می باشد. یکی از بازارهایی که امروزه رو به رونق بوده و مزایای سیستمهای پشتیبان تصمیم گیری در آن بسیار مشهود می باشد بازارهای پولی و سرمایه شامل بازار بورس اوراق بهادار می باشد. فعالان این بازار به خرید و فروش سهام شرکتها در آن بازار پرداخته و از آن طریق با پذیرفتن ریسکِ آینده سهم برای خود سود و یا زیان به بار می آورند.

در این تحقیق سعی خواهد شد تا با به کارگرفتن تکنیکهای داده کاوی شناخته شده، در مسیر تحقیقات صورت گرفته پیشین،  ترکیبی از الگوریتم شبکه عصبی مصنوعی با الگوریتمهای بهینه سازی تکاملی به منظور پیش بینی قیمت سهام شرکتها در بورس اوراق بهادار ارائه گردد. ترکیب الگوریتم شبکه عصبی مصنوعی با سه الگوریتم بهینه سازی تکاملی ژنتیک، رقابت استعماری و ازدحام ذرات روی حداقل پنج سهم مورد بررسی قرار خواهد گرفت و دقت پیش بینی هر یک محاسبه و ارائه خواهد گردید. خروجی این تحقیق، پیشنهاد بهترین الگوریتم ترکیبی از بین موارد ذکر شده برای پیش بینی قیمت سهام شرکتهای عضو بورس اوراق بهادار خواهد بود.

1-2 تعریف مساله

در بازارهای پولی و سرمایه دو نوع تکنیک اساسی برای تحلیل و تصمیم به خرید و یا فروش سهام شرکتها وجود دارد: تکنیک تحلیل بنیادی[1]، تکنیک تحلیل تکنیکی[2]. در تحلیل بنیادی، از مولفه های اصلی عملکرد و توان شرکت در برابر فرصتها و تهدیدهای بازار و در سطح کلان کشور استفاده شده و در مورد خرید و یا فروش آن سهم تصمیم گیری می شود. در برابر در تحلیل تکنیکی، فرض بر آن است که اثر کلیه عوامل کلان و خرد اقتصادی و نیز توان و عملکرد شرکت در پیشینه تاریخی قیمت سهم وجود داشته و در نتیجه با تحلیل روند قیمت سهم، تصمیم به خرید و یا فروش سهم شرکتی گرفته می شود. پیش بینی و یا پیش گویی قیمت سهم شرکتها در بازارهای اوراق بهادار از مسائلی است که تحقیقات گوناگونی در کشورهای مختلف در مورد آن صورت گرفته است. این تحقیق در بازار بورس اوراق بهادار تهران و تحت رویکرد تکنیک تحلیل تکنیکی سعی خواهد نمود تا به حل مساله پیش بینی قیمت سهم شرکتها پرداخته و پاسخی به نیاز فعالان بورس اوراق بهادار در مورد حل مساله پیش بینی قیمت سهم ارائه نماید.

تعداد صفحه : 102

قیمت : 14700تومان

بلافاصله پس از پرداخت لینک دانلود فایل در اختیار شما قرار می گیرد
و در ضمن فایل خریداری شده به ایمیل شما ارسال می شود.
پشتیبانی سایت :        ****       serderehi@gmail.com
در صورتی که مشکلی با پرداخت آنلاین دارید می توانید مبلغ مورد نظر برای هر فایل را کارت به کارت کرده و فایل درخواستی و اطلاعات واریز را به ایمیل ما ارسال کنید تا فایل را از طریق ایمیل دریافت کنید.

***  *** ***

پایان‌نامه کارشناسی ارشد در رشته ریاضی محض(گرایش هندسه)

 

حلقه-گروه‌وارهای توپولوژیکی و بالابرها در فضاهای پوششی

 

 

 

 

 

استاد راهنما:

 

دکتر محمد‌رضا فرهنگ‌دوست

 

 شهریور 1391

برای رعایت حریم خصوصی نام نگارنده پایان نامه درج نمی شود

(پایان نامه مقطع ارشد)

تکه هایی از متن پایان نامه به عنوان نمونه :

(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)

چکیده

دراین پایان‌نامه به بررسی ساختارهایی از گروه‌وارها، گروه‌وارهای توپولوژیکی، حلقه- گروه‌وارهای توپولوژیکی، ریخت‌های بین آنها، پوشش‌های گروه‌وارها و حلقه-گروه‌وارهای توپولوژیکی و بالابر‌ها در این زمینه می‌پردازیم. نشان می‌دهیم که مجموعه‌ی کلاس‌های هموتوپی از تمام مسیرها در یک حلقه‌ی توپولوژیکی، یک شیء حلقه‌ی توپولوژیکی می‌باشد. با فرض این‌که ⟶ :? یک نگاشت پوششی و  یک حلقه‌ی توپولوژیکی باشد، نشان می‌دهیم رسته‌ی  از پوشش‌های که در آن هر دوی  و  دارای پوشش‌های جهانی هستند و رسته‌ی  از پوشش‌های حلقه-گروه‌وار توپولوژیکی ، که در آن  و  دارای پوشش‌های عمومی هستند، هم‌ارز می‌باشند، که در مقاله‌ی ” حلقه-گروه‌وارهای توپولوژیکی و بالابر‌ها ” توسط “فتیح ازکن، ایسن و هابیل گورسوی” در سال 2006 بررسی شده است.

ف

یک مطلب دیگر :

 

با موضوع اهداف ارزشیابی عملکرد سازمانی

هرست مطالب

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

عنوان	صفحه
فصل اول: مقدمه	1
تعاریف و قضایای استنادی	4
فصل دوم
گروه‌وارها و گروه‌وارهای توپولوژیکی	15
فصل سوم
عمل‌گروه‌وار و کاربرد آن در -فضاها	42
فصل چهارم
حلقه-گروه‌وارهای توپولوژیکی	63
فصل پنجم
رسته­ها و بالابرها	85
منابع	93
واژه‌نامه فارسی به انگلیسی	97
واژه‌نامه انگلیسی به فارسی	103

 

 

 

 

 

فهرست نمودارها

 

 

 

 

 

 

 

 

 

 

 

عنوان

صفحه

فصل 1 : معرفی تحقیق.. 1

1-1 مقدمه. 1

1-2 تعریف مساله. 2

1-3 اهمیت مساله. 3

1-4 هدف تحقیق.. 4

1-5 سئوالات تحقیق.. 5

1-6 مفروضات تحقیق.. 5

1-7 دامنه تحقیق.. 6

1-8 ساختار تحقیق.. 7

فصل 2 : پیشینه تحقیق.. 9

2-1 مدلهای پیش بینی قیمت سهم در تحقیقات پیشین.. 9

2-2 انتخاب/ استخراج ویژگی در قیمت سهم در تحقیقات پیشین.. 16

فصل 3 : مبانی نظری تحقیق.. 18

3-1 بازار بورس اوراق بهادار. 18

3-2 تکنیکهای رایج تحلیل و پیش بینی قیمت سهام. 19

3-3 تکنیکهای نوین تحلیل داده ها 20

3-3-1 داده کاوی.. 21

3-3-2 شبکه عصبی مصنوعی.. 26

 

عنوان

صفحه

3-3-3 الگوریتمهای تکاملی.. 31

 

3-3-3-1 الگوریتم ژنتیک… 33

3-3-3-2 الگوریتم بهینه سازی ازدحام ذرات.. 36

3-3-3-3 الگوریتم رقابت استعماری.. 38

فصل 4 : روش تحقیق.. 43

4-1 فرایند CRISP.. 43

4-1-1 تعریف مساله. 43

4-1-2 تحلیل داده ها. 43

4-1-3 آماده سازی داده ها. 44

4-1-4 مدلسازی.. 44

4-1-5 ارزیابی.. 44

4-1-6 پیاده سازی.. 45

فصل 5 : اجرا 46

5-1 اجرای فرایند CRISP.. 46

5-1-1 مجموعه داده ها. 46

5-1-2 کیفیت داده ها و کاهش داده ها. 50

5-1-3 پیاده سازی شبکه عصبی مصنوعی برای سری های زمانی.. 51

5-1-3-1 معماری شبکه عصبی مصنوعی.. 51

5-1-3-2 تطبیق ورودی های زمانی به عنوان ورودی شبکه عصبی مصنوعی.. 53

5-1-4 پیاده سازی آموزش شبکه عصبی مصنوعی با الگوریتمهای تکاملی.. 54

5-1-4-1 الگوریتم ژنتیک.. 54

5-1-4-2 الگوریتم بهینه سازی ازدحام ذرات.. 55

5-1-4-3 الگوریتم رقابت استعماری.. 56

5-1-4 به کارگیری شبکه عصبی مصنوعی آموزش دیده با الگوریتم های تکاملی.. 58

فصل 6 : تحلیل یافته ها، نتیجه گیری و پیشنهاد ها. 60

6-1 نتیجه گیری و پاسخ به سئوالات تحقیق.. 60

 

یک مطلب دیگر :

همه چیز برای برگزاری یک مراسم عروسی عالی

 

عنوان

صفحه

6-2 تحقیقات پیشنهادی آینده. 64

فهرست منابع.. 65

پیوست ها 67

پیوست 1: کد شبکه عصبی سری زمانی با آموزش با الگوریتم پیش انتشار خطا. 67

پیوست 2: کد شبکه عصبی مصنوعی با آموزش با الگوریتم ژنتیک.. 68

پیوست 3: کد شبکه عصبی مصنوعی با آموزش با الگوریتم ازدحام ذرات.. 71

پیوست 4: کد شبکه عصبی مصنوعی با آموزش با الگوریتم رقابت استعماری.. 73

 

• فهرست جدول ها

 

 

 

عنوان

صفحه

جدول شماره  ‏2‑1: مقایسه نتایج پیش بینی مدل بت-عصبی با سه مدل دیگر. 13

جدول شماره  ‏2‑2: مقایسه نتایج پیش گویی مدل ارائه شده با مدلهای دیگر. 14

جدول شماره  ‏2‑3: نسل  بندی روشهای تحقیق در پیش بینی قیمت سهم. 16

جدول شماره  ‏3‑1: شبه کد الگوریتم پیش انتشار خطا 30

جدول شماره  ‏3‑2: شبه کد عمومی الگوریتم های تکاملی.. 32

جدول شماره  ‏3‑3: شبه کد الگوریتم ژنتیک… 34

جدول شماره ‏3‑4  : شبه کد الگوریتم ازدحام ذرات.. 37

جدول شماره ‏3‑5  : شبه کد الگوریتم رقابت استعماری.. 41

جدول شماره  ‏5‑1: نماد سهم های انتخاب شده. 46

جدول شماره  ‏5‑2: اندازه کاهش یافته داده ها 51

جدول شماره  ‏5‑3: ساختار پیاده سازی آموزش شبکه عصبی با الگوریتم ژنتیک… 54

جدول شماره  ‏5‑4: ساختار پیاده سازی آموزش شبکه عصبی با الگوریتم ازدحام ذرات.. 55

جدول شماره  ‏5‑5: ساختار پیاده سازی آموزش شبکه عصبی با الگوریتم رقابت استعماری.. 56

جدول شماره  ‏5‑6: نتایج mse شبکه عصبی آموزش دیده با الگوریتم ژنتیک… 58

جدول شماره  ‏5‑7: نتایج mse شبکه عصبی آموزش دیده با الگوریتم ازدحام ذرات.. 58

جدول شماره  ‏5‑8: نتایج mse شبکه عصبی آموزش دیده با الگوریتم رقابت استعماری.. 59

جدول شماره  ‏5‑9: نتایج mse شبکه عصبی آموزش دیده با الگوریتم پیش انتشار خطا 59

جدول شماره  ‏6‑1: میانگین و انحراف معیار خطای اجراهای ANN و BP. 61

جدول شماره  ‏6‑2: نتایج خطای پیش بینی با ANN و PSO.. 63

جدول شماره  ‏6‑3: نتایج خطای پیش بینی با ANN و ICA.. 63

• فهرست شکل ها

 

 

 

عنوان

صفحه

شکل شماره  ‏3‑1 : نمونه ای تحلیل قیمت سهم با ابزارهای رویکرد تحلیل تکنیکال.. 20

شکل شماره ‏3‑2 : فرایند CRISP. 23

شکل شماره ‏3‑3 : ساختار یک نورون.. 27

شکل شماره ‏3‑4 : نمونه ای از یک شبکه عصبی مصنوعی با یک لایه پنهان.. 28

شکل شماره ‏3‑5 : نمونه نورون در شبکه عصبی مصنوعی پیشرو. 29

شکل شماره ‏3‑6 : فلوچارت عمومی الگوریتم های تکاملی.. 32

شکل شماره ‏3‑7 : نمایش ترکیب تک نقطه ای.. 35

شکل شماره ‏3‑8  : نمایش حرکت ذره در PSO.. 36

شکل شماره ‏3‑9: نمایش نمونه ای تقسیم کلونی ها به امپریالیست ها 40