پروژه کاربرد کلاسترینگ در داده کاوی. doc

اختصاصی از فی فوو پروژه کاربرد کلاسترینگ در داده کاوی. doc دانلود با لینک مستقیم و پر سرعت .

نوع فایل: word

قابل ویرایش 150 صفحه

چکیده:

داده کاوی تلاش برای استخراج دانش انبوه داده های موجود است . داده کاوی به کمک مجموعه ای از روش های آماری و مدل سازی، می تواند الگوها و روابط پنهان موجود در پایگاه های داده را تشخیص دهد . تاکنون ابزارها و روش های مختلف برای پردازش اطلاعات ساخت یافته توسعه داده شده است که در نتیجه آنها ساخت پایگاه های اطلاعاتی و ایجاد انبارهای داده به سادگی صورت می گیرد . امروزه سازمان ها قادرند با هزینه کم اطلاعات وسیعی از وضعیت کسب و کار خود جمع و نگهداری کنند و این موجب شده است که استفاده از روش های داده کاوی، ارزش قابل توجهی را برای سازمان بدست آورد . رویکردهای موجود به مسأله داده کاوی متنوع است . در این گزارش نگاهی به آخرین دستاوردهای این زمینه علمی انداخته خواهد شد .  

مقدمه:

بشر با پیشرفت فناوری رایانه ای در ثبت و ذخیره سازی داده ها و پردازش آن ها گامی بزرگ جهت کسب دانش برداشته است . در واقع نمایشی از واقعیت ها، معلومات، مفاهیم، رویدادها یا پدیده ها برای برقراری ارتباط، تفسیر یا پردازش، توسط انسان یا ماشین است . از طرف دیگر واژه ی اطلاعات، به معنی دانشی که از طریق خواندن، مشاهده و آموزش به دست می آید اطلاق می شود . در حقیقت می توان گفت اطلاعات داده هایی هستند که پس از جمع آوری پردازش شده اند و شکل مفهومی تولید کرده اند .

بین داده ها و اطلاعات همانند خبر و اطلاع رابطه وجود دارد . خبری که دریافت می شود، پس از ارزیابی به اطلاع تبدیل می شود . داده ها نیز پردازش می شوند تا اطلاعات را پدید آورند . به بیان دیگر اطلاع حاصل تکامل داده ها است . به این ترتیب بین داده ها و اطلاعات یک شکاف وجود دارد که اندازه این شکاف با حجم داده ها ارتباط مستقیم دارد . هر چه داده ها حجیم تر باشند، این شکاف بیشتر خواهد بود و هر چه داده ها کمتر و روش ها و ابزار پردازش داده ها کاراتر باشد، فاصله بین داده ها و اطلاعات کمتر است . امروزه افزایش سریع حجم پایگاه داده ها به شکلی است که توانایی انسان برای درک این داده ها بدون ابزارهای پر قدرت میسر نمی باشد . در این وضعیت، تصمیم گیری ها به جای تکیه بر اطلاعات بر درک مدیران و کاربران تکیه دارند، چرا که تصمیم گیرندگان ابزار قوی برای استخراج اطلاعات با ارزش را در دست ندارند . در واقع شرایط فعلی توصیف کننده ی حالتی است که ما از لحاظ داده غنی، اما از لحاظ اطلاعات ضعیف هستیم . 

فهرست مطالب:

فصل اول

مقدمه ای بر داده کاوی

چکیده

1-1 مقدمه

1-2 تاریخچه ی داده کاوی

1-3 روش های گردآوری اطلاعات

1-4 داده کاوی چیست ؟

1-4-1  حلقه داده کاوی چیست ؟

1-4-1-1 شناسایی فرصت های تجاری

1-4-1-2 داده کاوی

1-4-1-2-1  مراحل داده کاوی

1-4-1-3 انجام اقدامات

1-4-1-4 اندازه گیری نتایج

1-1 آمار و داده کاوی

حجم داده ها

نوع داده ها

پردازش داده ها

وظایف معمول

اهداف تحقیق

1-6  داده کاوی چه کاری انجام می دهد ؟

1-6-1  عملیات داده کاوی

1-6-1-1 دسته بندی و پیشگویی

1-6-1-1-1 روش های دسته بندی

1-6-1-2  خوشه بندی

1-6-1-3  تحلیل روابط و وابستگی ها

1-6-1-4 پیش بینی

1-7 نرم افزارهای داده کاوی

1-8  پایگاه دادة تحلیلی (Data Warehouse)

1-8-1 تفاوت های پایگاه داده تحلیلی با پایگاه داده عملیاتی

1-8-2 ابزار های سطح پایین (Back-End) پایگاه داده تحلیلی

1-8-3 ابزارهای پرس و جو و تحلیل داده های ذخیره شده درdata warehouse و data mart

1-9 سرویس دهنده های پردازش تحلیلی بر خط

1-9-1 مزایا و معایب سرویس دهنده های OLAP

1-10 مکعب داده

1-11 جدول واقعیت

1-11-1 جدول ابعاد

1-12 داده کاوی در اوراکل

1-12-1 توابع داده کاو اوراکل

الگوریتم ها

1-13 گام های مدل سازی

جستجوگر مدل

1-14 داده کاوی در Clementine

1-14-1 معماری

1-14-2  متدلوژی clementine

الگوریتم ها

فصل دوم

مقدمه ای بر وب کاوی

2-1 مقدمه

2-2 رده بندی های وب کاوی

2-2-1 Web Content Mining

2-2-2 web usage mining

2-2-3 Web Structure Mining

2-3 فایل log :

2-3-1 انجام عمل پیش پردازش روی فایل های log

2-4 تشخیص کاربران : (user identification)

2-5 session identification

2-6  تشخیص الگو ها

2-7  تکنیک های آماری

2-8 قوانین ارتباطی

2-9 الگو های ترتیبی

2-10 خوشه بندی

2-11 مشکلات روش تحلیل گزارش های وبweb log analysis method )  )

2-12 نتیجه گیری

فصل سوم

الگوریتم های ژنتیک

3-1 مقدمه

3-2 زمینه های بیولوژیکی

3-3 فضای جستجو

3-4 مسائل NP

3-5 مفاهیم اولیه در الگوریتم ژنتیک

3-5-1 اصول پایه

3-5-2 شمای کلی الگوریتم ژنتیک

3-5-3 ساختار متداول الگوریتم ژنتیک

3-6 کد کردن

3-6-1 انواع کدینگ

3-6-2 روشهای کدینگ

3-6-3 مسائل مربوط به کدینگ

3-7 مرحله ارزیابی (evaluation)

3-8 عملگر تقاطع و جهش

3-9 رمز گشایی

3-10 کروموزوم

3-11 جمعیت

3-12 مقدار برازندگی

3-13 تعریف دیگر عملگر تقاطعی

3-14 تعریف دیگرعملگر جهشی

3-15 مراحل اجرای الگوریتم ژنتیک

3-16 حل یک مساله نمونه توسط الگوریتم ژنتیک

3-17 همگرایی الگوریتم ژنتیک

3-18 نتیجه گیری

فصل چهارم

کاربرد کلاسترینگ

4-1 مقدمه

4-2 مسئلة خوشه بندی توزیع شده

4-3 مشکلات روش متمرکز سازی داده ها

4-4  الگوریتم خوشه بندی K-Means

4-5 الگوریتم خوشه بندی توزیع شده DisK-Means

4-6 ساخت مدل محلی

4-7 ساخت مدل عمومی

4-8 یک روش جدید مبتنی بر رفتار کاربران جهت تخمین بار کاری وب سرورهای شبکه

4-9 کلاسترینگ داده های وب

4-10 کلاسترینگ   های کاربر

4-10-1 الگوریتم های کلاسترینگ ها

4-10-1-1 کلاسترینگ مبتنی بر مدل

4-10-1-1-1  توصیف بار کاری سیستم های کامپیوتری

تکنیک های ایستا

آنالیز جزء اصلی

تکنیک های پویا

میانگین متحرک ( )

4-11 کارهای وابسته قبلی

4-12  مدل پیشنهادی

4-13  محیط پیاده سازی

4-14  نتایج ، آنالیز و ارزیابی مدل

4-15  نتیجه گیری

منابع و مراجع

فهرست اشکال:

شکل 1-1  مراحل داده کاوی

شکل 1-2  جایگاه پایگاه داده تحلیل

شکل 1-3-1  Data Warehouse process

شکل 1-3-2 Data Warehouse process

شکل 1-4  معماری چند لایه

شکل 1-5 نمونه ای از مکعب داده

شکل 1-6  مفهوم مکعب داده

شکل 1-7  داده کاوی در اوراکل

شکل 1-8  اوراکل یا سایز ابزار

شکل 1-9  مراحل متدولوژی Clementine

شکل 1-10  چرخه داده کاوی Clementine

شکل 3-1 نمونه ای از فضای جواب

شکل 3-2  کدینگ باینری

شکل 3-3  کدینگ جهشی

شکل 3-4  کدینگ ارزشی

شکل 3-5  کدینگ درختی

شکل 3-6  فضای کدینگ و فضای جواب

شکل 3-7  رابطه بین کروموزوم ها و جواب ها

شکل 3-8  انواع روابط بین فضای جواب و فضای کدینگ

شکل 3-9 مثال رمز گشایی

شکل 3-10  مثال جهش

شکل 3-11 نمایش یک کروموزوم n بیتی پایه عددی m

شکل 3-12  مثالی از جباجایی تک نقطه ای

شکل 3-13  تقاطع در کروموزومهای که از شکل کد شده چهار متغیر بوجود آمده است

شکل 3-14  تقاطعی دو نقطه ای

شکل 3-15  عمل تقاطعی یکنواخت

شکل 3-16  نمونه ای از عمل جهش

شکل 3-17 مراحل اجرای الگوریتم ژنتیک

شکل 3-18 چرخ دولت

شکل 3-19 نمایش کروموزوم معادل زوج (X,Y)

شکل 4-1 خوشه بندی توزیع شده

شکل 4-2  ثابت شدن فلش Cetroid

شکل 4-3 الگوریتم خوشه بندی توزیع شده Disk-Means

شکل 4-4  ساخت مدل محلی، ترکیب اطلاعات خوشه ها

شکل 4-5-1  ساخت مدل محلی، ترکیب اطلاعات خوشه ها

شکل 4-5-2  ساخت مدل محلی، ترکیب اطلاعات خوشه ها

شکل 4-5-3  ساخت مدل  محلی، حالت کلی

شکل 4-6 حاللات مختلف قرار گرفتن چند خوشه کنار هم

شکل 4-7-1  ساخت مدل محلی، حالت دوم

شکل 4-7-2  ساخت مدل محلی، حالت دوم

شکل 4-8  نمونه هایی از CBMG های حاصل از درخواست های کاربران یکی از سیستم های مورد تست

در دانشگاه مشهد

شکل 4-9  هیستوگرام داده های باقیمانده لینک Presented Courset بعد از حذف داده های پرت

از یکی از سیستم های وب دانشگاه

شکل 4-10  نمودار P-PPlot داده های لینک Presented Courset

شکل 4-11  هیستوگرام داده های باقیمانده لینک Show Edueationallog بعد از حذف داده های پرت

فهرست جداول:

جدول 3-1  مثال های تقاطع تک نقطه ای

جدول 3-2  مثال های تقاطع دو نقطه ای

جدول 3-3  نمونه ای از عمل جهش

جدول 3-4  انتخاب کروموزومها با استفاده از چرخ رولت

جدول 3-5  نمایش جمعیت اولیه

جدول 3-6  نتایج عمل تقاطع

جدول 3-7 نتایج عمل جهش با Pm=0.2

جدول 3-8  کروموزوم با بیشترین مقدار برازندگی

جدول 4-1 جزئیات ترافیک تولید شده توسط برنامه شبیه ساز

منابع و مأخذ:

[1]. An Introduction to Data Mining: http://www.thearling.com/ , retrieved on Mar 2, 2007

[2]. Data Mining: Efficient Data Exploration and Modeling:

http://research.microsoft.com/dmx/DataMining/ , retrieved on Mar 2, 2007

[3]. Christine Gertisio and Alan Dussauchoy, "Knowledge Discovery from Industrial Data base", Journal of Intelligent Manufacturing, 15, 29-37, 2004

[4]. Berry, M. and Linoff, G. "Data Mining Techniques: For Marketing, Sales, and Customer Support" New York: John Wiley and Sons, 1997

[5]. Cornelia Gyorodi, Robert Gyorodi, Stefan Holban-"A Comparative Study of Association Rules Mining Algorithms" , SACI 2004, 1 st Romanian-Hungarian Joint Symposium on Applied Computational Intelligence , Timisoara, Romania, May 25-26, page. 213-222, 2004

[6]. Berson, A., Smith S., and Thearling K., "Building Data Mining Applications for CRM" Tata McGraw-Hill, New York, 2004

[7].Fayyad U., Piatetsky-Shapiro G., and Smyth p., "From Data Mining to Knowledge Discovery in Databases," American Association for Artificial Intelligence, 1996

[8]. An overview of data mining techniques: http://www.thearling.com/ , retrieved on Mar 2, 2007

[9]. All Data Mining Software: http://www.the-data-mine.com/bin/view/Software/AllDataMiningSoftware, retrieved on Mar 2, 2007

[10]. ARLITT, M. AND WILLIAMSON, C. 1996: Web Server Workload Characterization: The Search for Invariants. In Proc  Of SIGMETRICS 96, (May 1996), 126—137

[11]. CALZAROSSA, M. AND SERAZZI, G. 1985: A Characterization of the Variation in Time of Workload Arrival Patterns. In IEEE Trans. On Computers 34, 2, 156-162

[12]. ELMS, C. 1980: Clustering –One method for Workload Characterization. In Processing of the International Conference on Computer Capacity Management, San Francisco, Calif . 1980

[13]. FU, K. 1974: Syntactic Methods in Pattern Recognition, Academic Press.

[14]. HARTIGAN, J. AND WONG, N. 1979: A K – means Clustering Algorithms. In Applied Statistics 28, 100-108

[15]. JAIN, A., MURTY, M., AND FLYNN, P. 1999: Data Clustering: A. Review. In ACM Computing Surveys 31, 3, (Sept. 1999), 264-323

[16]. www.bloor-research.com – email: [e-mail]

[17]. http://research.microsoft.com/dmx/DataMining/,retrieved on Mar 2, 2007

[18]. http://www.thearling.com/, retrieved on Mar

[19]. Raymond Kosala, Hendrik Blockeel, ‘Web Mining Research: A Survey’ , Celestijnenlaan 200A, B3001 Heverlee, Belgium, ACM SIGKDD Explorations, July 2000.

[20].  R. Cooley, B.Mobasher and J.Srivastava, ‘Web Mining Information and Pattern Discovery on the World Wide Web’ , Information Gathering from Heterogeneous Distributed Environments, December 2001.

[21].  Jiawei Han Kevin, Chen-Chuan Chang, ‘Data Mining for Web Intelligence’, University of Illinois at Urbana Champaign , November 2002.

[22].  Amir H. Youssefi, David J. Duke, Mohammed J. Zaki, ‘Visual Web Mining ‘ , WWW2004, May 17–22, 2004, New York, New York, USA. ACM 1-58113-912-8/04/0005.

[23] web usage mining. . حسن نژاد، مستوره و سلطانی، سیما."متدی برای بهبود بخشیدن ساختار وب سایت"

[24]      .رضا قنبری ؛ " آشنایی با الگوریتم ژنتیک " ؛ دانشگاه صنعتی شریف ( دانشکده ریاضی )؛ 1381

.[25]     . "TSP   پیام خان تیموری؛ " الگوریتم ژنتیک و حل مساله

[26] . قهرمانی، معصومه، حسینی سنو، سیدامین و دکتر کاهانی، محسن . "یک روش جدید مبتنی بر رفتار کاربران جهت تخمین بار کاری وب سرورهای شبکه" . اولین همایش فناوری اطلاعات، حال، آینده . دانشگاه آزاد اسلامی

پروژه رنگ آمیزی گراف با الگوریتم ژنتیک. doc

اختصاصی از فی فوو پروژه رنگ آمیزی گراف با الگوریتم ژنتیک. doc دانلود با لینک مستقیم و پر سرعت .

نوع فایل: word

قابل ویرایش 60 صفحه

چکیده:

مسائلی در دنیای واقعی وجود دارند که با توجه به اندازه ورودی ( اندازه ورودی به صورت تعداد کاراکتری تعریف می شود که برای نوشتن ورودی لازم است ) در بدترین حالت در زمان چند جمله ایی قابل حل نیستند . برای چنین مسائلی بدست آوردن جواب قطعی در مدت زمان مناسب و هزینه مناسب ، امکان پذیر نبود . بنابراین ایده روش ژنتیک سلولی در علم زیست شناسی ، کمک بسیار شایانی در بدست آوردن جواب بهینه و( درتکرارهای بیشتر جواب قطعی ) کرده است . الگوریتمهای ژنتیکی برای حل مسائل NP-Hard ، طراحی Neural Network ها ،Nonlinear dynamic system ها ،Stragety plannig و... بکار می روند.یکی از موارد استفاده GA در حل مسائل NP-Hard اعمال بر مساله GraphColoring است که ما در این مقاله در این مورد بحث خواهیم کرد.

الگوریتم ژنتیک ، تعاریف ژنتیکی علم زیست شناسی را بصورت انتزاعی و به تبعیت از ژنتیک سلولی پیاده سازی می کند.

مقدمه:

الگوریتمهای ژنتیک بخشی از تحولات رشته کامپیوتر هستند که دارای فضای رشد سریعی در عرصه هوش مصنوعی می باشند.

بطوریکه می توان حدس زد، الگوریتمهای ژنتیک از تئوری داروین که در مورد تکامل تدریجی است، الهام گرفته اند. با نگاه دقیق به روند تکامل، یعنی روندی که طبیعت برای حل مسائل خود از آن استفاده می کند، می توان به ایده های جالب و قابل پیاده سازی رسید. جانوران برای ابقاء خود و ادامه حیات مجبور به سازگاری با محیط هستند. اطلاعات گرفته شده درطی هزاران سال از طبیعت در کروموزومها ودر سطح پایین تر روی ژن ها و دی ان آ ها ذخیره می گردد.

علم کامپیوتر،علمی است که اندیشه آن از زمان تفکر برای اولین ماشین محاسبه گر شروع شد. این علم روز به روز پیشرفت کرد. بطوریکه پیشرفت آن قابل مقایسه با علوم دیگر نیست . این علم تا جائی پیشرغت کرده است که تمامی زندگی روزمره بشررا تحت الشعاع قرار داده است .اعمالی که تا چندین سال پیش با تفکر و حتی نیروی خلاقیت بشر انجام می شد، امروز با استفاده از علم کامپیوتر انجام می گیرد و انجام چنین کارهایی توسط بشر کاری بیهوده و وقت گیر می باشد.

علوم کامپیوتر تنها به پیشرفت در محدوده خود قانع نبوده و متخصصین این علم از علوم دیگری همچون ریاضی و زیست شناسی برای پیشرفت و بهبود آن استفاده می کنند. در این زمینه مکانیزم تکامل انسان و ارث بری خصوصیات از کروموزومها از طریق عملگرهای ژنتیکی توجه متخصصین علم کامپیوتر را به خود جلب کرده است، به گونه ای که آنها برای حل مسائلی که با روشهای معمولی پیدا کردن راه حلهای مناسب برای آنها سخت می باشد این دو علم را با هم ترکیب می کنند.

الگوریتمهای ژنتیک بخشی از تحولات رشته کامپیوتر هستند که دارای فضای رشد سریعی در عرصه هوش مصنوعی می باشند.

بطوریکه می توان حدس زد، الگوریتمهای ژنتیک از تئوری داروین که در مورد تکامل تدریجی است، الهام گرفته اند. با نگاه دقیق به روند تکامل، یعنی روندی که طبیعت برای حل مسائل خود از آن استفاده می کند، می توان به ایده های جالب و قابل پیاده سازی رسید. جانوران برای ابقاء خود و ادامه حیات مجبور به سازگاری با محیط هستند. اطلاعات گرفته شده درطی هزاران سال از طبیعت در کروموزومها ودر سطح پایین تر روی ژن ها و دی ان آ ها ذخیره می گردد.

فهرست مطالب:

چکیده

مقدمه

اطلاعات اولیه علم ژنتیک در طبیعت

تاریخچه ژنتیک

تقسیم بندی علم ژنتیک

تغییرات نسبتهای مندلی

احتمالات

پیوستگی ژنها

جهش ژنی

ژنها و کروموزومها

. متابولیزم RNA

متابولیزم پروتئین

تنظیم بیان ژن

فناوری DNA نوترکیبی

 آشنایی با الگوریتم های ژنتیکی ( Genetic

Algorithms ) 

تاریخچه

زمینه زیست شناسی

 مسئله های بغرنج

مسائل NP

چند نمونه از مسائل NP   

 پیچیدگی محاسباتی و کنترل ناپذیری مقدمه

ای بر نظریه NP

کنترل ناپذیری

تعریف مجدد کنترل ناپذیری

سه گروه کلی مسائل

نظریه NP

مجموعه NP

مسائل NP کامل (NP_Complete)

معرفی یکی از مسائل NP

دسته بندی الگوریتمهای جستجو

الگوریتمهایی برای جستجوی آگاهانه

 الگوریتمهای جستجوی محلی

الگوریتم قطعی

الگوریتم حریصانه (Greedy Alg.) ابتدا همه

الگوریتم درخت پوشای حداقل (MST) ابتدا درخت

آتوماتاهای یادگیر

رفتار متقابل محیط و آتوماتای یادگیر

کاربرد آتوماتاهای یادگیر

الگوریتم های ژنتیکی

ویرایش عملگرهای یک الگوریتم ژنتیک

چرخه الگوریتم ژنتیک

تعاریف مقدماتی

 ژن

 کروموزوم

فضای جستجو

جمعیت ژنتیکی

تابع شایستگی

عملگرهای ژنتیک

انواع روشهای رمزگذاری کروموزوم

انواع روشهای انتخاب

انواع روشهای عمل برش

عملگر برش

انواع روشهای عمل جهش

عملگرجهش روی نمایش باینری

 پارامترهای کنترلی

پارامترهای الگوریتم ژنتیک

احتمال برش و احتمال جهش

مقایسه GAs با تکنیکهای دیگر

مزایای الگوریتم ژنتیک در مقایسه با سایر

روشها

کاربردهای الگوریتم ژنتیک

حل مساله  Graph-Coloring با استفاده از

الگوریتم ژنتیک

توضیح

نکات جالب مسئله

هدف مسئله پیدا کردن حداقل رنگ برای گراف

ارائه یک راهکار برای حل مسئله فوق

 پارامترهای کنترلی

نتیجه گیری

 منابع و مراجع

منابع و مأخذ:

[1] D.S.Johnson, and L.A MeGeoch, " Exprimental Analysis of Heuristics for the STSP "

[2] D.E.Goldberg , " Genetict Algorithms in search , optimization and Machine Learning ", Reading MA:Addition-Wesley,1989.  

 [3] Mars,P.and Narenda.K.S, and Chrystall,M , "Learning Automata Control of Computer Communication Neworks ", proc.of Third Yale workshop on Application of Adoptive System Teheory, Yale Univercity , 1983.

[4] F.busetti ," Genetic Algorithms Overview "  

 [5] J. Cirasella D.S Johnson, L.A.McGeoch, and W. Zhang, " The Asymmetric Traveling Salesman Problem: Algorithms, Instance Generators, and Tests ",in algorithm Engineering and Experimentation,Third International Workshop, ALENEX 200 Lecture Notes computer Science, Vol.2153,Spring,Berlin,2001,32-59.

[6] M.Grotschel, and O.Holland, " Solution of Large-Scale Symmetric Traveling salesman Problem", Mathematical Programming 51,1991,141-202.   

 [7] M.Padberg, and G.Rinaldi, "A Branch-And-cut Algorithm for the Resolution of Large-Scale Symmetric Traveling Salesman Problems " ,SLAM Review 33,1991,60-100.   

 [8] M.Junger, G.Reinelt, and G.Rinaldi, " The Traveling Saleman Problem ", in:Handbooks in Operations Research and Management Science, Volume 7 (M.O.Ball, T.Mangnanti, C.L.Monma, and G.Nemhauser, eds), Elsevier Science B.V., 1995 ,225-330.  

 [9] Genetic Algorithms Principles And Perspectives A Guide to GA Theory

Colin R.Reeves Jonathan E.Rowe kluwer Academic Publishers

پروژه کامپیوتر با بررسی الگوتیرم های موازی. doc

اختصاصی از فی فوو پروژه کامپیوتر با بررسی الگوتیرم های موازی. doc دانلود با لینک مستقیم و پر سرعت .

نوع فایل: word

قابل ویرایش 134 صفحه

مقدمه:

در دوبخش قبلی الگوریتم موازی را برای دو مسئله مقایسه توصیف کردیم:انتخاب و ادغام. ما در حال حاضر به نوبه خود توجه می کنیم به یک مسئله سوم:مرتب کردن. مرتب سازی به نظر می رسد در میان تمام وظایف محاسباتی مورد مطالعه توسط دانشمندان کامپیوتر در طول چهل سال گذشته، بیشترین توجهات را به خود جلب کرده است. کل کتاب به این موضوع اختصاص داده شده است. و اگر چه مسئله و راه حل های بسیاری از آن به نظر می رسد به خوبی درک شده باشد، به سختی یک ماه می رود بدون یک مقاله جدید در یک مجله فنی که توصیف هنوز یک وجوه دیگر از مرتب سازی ظاهر می شود. دو دلیل برای این علاقه وجود دارد.مسئله برای پزشکان مهم است، به عنوان مرتب سازی داده ها در قلب بسیاری از محاسبات است. این شهر همچنین دارای یک تئوری غنی: طراحی و تجزیه و تحلیل الگوریتم یک منطقه مهم از علم کامپیوتراست و امروز به لطف عمدتا کار در اوایل مرتب سازی می باشد. مسئله این که به شرح زیر تعریف شده است. ما در حال ترتیب یک توالی داده شده S={s_1, s_2,..., s_n} از N آیتم که در آن سفارش خطی < تعریف شده است. عناصر S در ابتدا به ترتیب تصادفی مقداردهی اولیه شده اند. هدف از مرتب سازی به ترتیب عناصر S را به یک توالی جدید S'={s_1', s_2',..., s_n'} که〖s'〗_i<〖s'〗_(i+1) برای i=1,2,..,n-1 . ما در فصل 1 دیدیم (بمثال 1.10) که هر الگوریتمی برای مرتب سازی باید Ω(n log n) عملیات در بدترین حالت نیاز داشته باشد. همانطور که ما در دو فصل گذشته انجام دادیم، ما از این پس باید فرض کنیم، بدون از دست دادن کلیت، که عناصر S اعداد (به اندازه دلخواه) در ترتیب nondecreasing مرتب شده اند. الگوریتم های متعددی برای مرتب سازی بر روی یک مدل ترتیبی محاسباتی وجود دارد. یکی از این الگوریتم ها در آنچه درزیر به عنوان روش بازگشتی مرتب سازی سریع شرح داده می شود. نماد B↔A بدان معنی است که متغیر A,B مقدیر خود را مبادله می کنند.

در هر سطح از بازگشت، روش مرتب سازی سریع ،متوسط یک توالی S و سپس تجزیه S به دو زیر توالی s_2وs_1از عناصر کوچکتر از یا مساوی و بزرگتر از یا مساوی به متوسط را، به ترتیب می یابد. این الگوریتم در حال حاضر به صورت بازگشتی به هر یک از s_2وs_1 اعمال شده است. و این همچنان ادامه می یابد تا زمانی S شامل یک یا دو عنصر، که در آن مورد بازگشتی که دیگر مورد نیاز نیست. ما همچنین اصرار داریم که│s│/2┐┌= │s_1│ و │s│/2┐┌= │s_2│ تا اطمینان حاصل شود که تماس های بازگشتی به روش مرتب سازی سریع در توالی کوچکتر از S هستند به طوری که این روش تضمین شده برای خاتمه زمانی همه عناصر S برابر هستند. این است که با قرار دادن همه عناصر S انجام می شود کوچکتر از m در s_1; اگر<│s│/2 │s_1│ باشد،پس عناصر مساوی با m به s_1 اضافه شده اند تا │s│/2┐┌= │s_1│ . از فصل 2 ما می دانیم که روش انتخاب ترتیبی در زمان خطی در اندازه ورودی اجرا می شود. به طور مشابه، ایجاد s_2وs_1نیاز به یک عبور از طریق S دارد، که آن هم خطی است. برای برخی از ثوابت c، ما می توانیم زمان در حال اجرا از روش مرتب سازی سریع را بیان کنیم به عنوان:

t(n) = cn + 2t(n/2)

= O(n log n)

که آن مطلوب می باشد.

فرض کنید S = {6, 5,9, 2,4,3, 5,1, 7,5, 8} . اولین فراخوان به مرتب سازی سریع روش تولید 5 عنوان عنصر متوسط S، و از این رو s_1 = {2, 4,3,1, 5, 5} و s_2= {6, 9, 7,8, 5}.توجه داشته باشید که s_1=│11/2│=6 وs_2=│11/2│=5 .یک تماس بازگشتی مرتب سازی سریع باs_1 به عنوان ورودی دو زیرتوالی {2،1، 3} و {4، 5، 5} تولید می شود.تماس دوم با s_2 به عنوان ورودی {6، 5، 7} و {9، 8} تولید می شود. تماس بازگشتی علاوه بر تکمیل، این توالی ها را مرتب می کند.

برای اینکه اهمیت مرتب سازی، برای محققان همچنین توسعه چندین الگوریتم برای مرتب سازی بر روی کامپیوتر های موازی طبیعی بود. در این فصل ما به مطالعه تعدادی از این الگوریتم ها برای مدل های مختلف محاسباتی می پردازیم.توجه کنید که در نظر (n log n)Ω عملیات مورد نیاز در بدترین حالت برای مرتب سازی به ترتیب، هیچ الگوریتم مرتب سازی موازی نمی تواند با هزینه پایین تر از( O (n log n داشته باشد.زمانی که هزینه ( O (n log n هست،یک الگوریتم مرتب سازی موازی البته هزینه اش بهینه است.به صورت مشابه یک حد پایین در زمان مورد نیاز برای مرتب سازی با استفاده از N پردازنده عمل کردن در موازی Ω((n log n)/N) برای N <= n log n هست. ما بخش 4.2را با توصیف یک معماری موازی با منظور خاص برای مرتب سازی آغاز خواهیم کرد.معماری یک شبکه مرتب سازی بر اساس الگوریتم ادغام odd-even مورد مطالعه در فصل 3 است. در بخش 4.3 یک الگوریتم مرتب سازی موازی برای یک کامپیوتر SIMD که در آن از پردازنده های متصل به شکل یک آرایه خطی معرفی شده اند. بخش 4.4-4.6 به مدل SIMD حافظه مشترک اختصاص داده شده است.

فهرست مطالب:

1فصل اول معرفی

1معرفی

1‌.1‌نیاز برای کامپیوتر های موازی

1‌.2‌مدل محاسبات

1‌.2‌.1‌کامپیوتر های SISD

1‌.2‌.2‌کامپیوتر های MISD

1‌.2‌.3‌کامپیوتر های SIMD

1‌.2‌.4‌کامپیوتر های MIMD

1‌.3‌الگوریتم های تجزیه و تحلیل

1‌.3‌.1‌زمان در حال اجرا

1‌.3‌.2‌تعداد پردازنده ها

1‌.3‌.3‌هزینه

1‌.3‌.4‌سایر اقدامات

1‌.4‌بیان الگوریتم ها

1‌.5‌تشکیلات کتاب

1‌.6‌مسائل

1‌.7‌سخنان کتابشناسی

2فصل دوم انتخاب

2‌.1‌مقدمه

2‌.2‌مسئله و و یک حد پایین

2‌.2‌.1‌هزینه

2‌.2‌.2‌رتبه

2‌.2‌.3‌انتخاب

2‌.2‌.4‌اختصار

2‌.3‌یک الگوریتم ترتیبی

2‌.4‌خواص مطلوب برای یک الگوریتم موازی

2‌.4‌.1‌تعداد پردازنده ها

2‌.4‌.2‌زمان درحال اجرا

2‌.4‌.3‌هزینه

2‌.5‌دو روش سودمند

2‌.5‌.1‌منتشر کردن یک داده

2‌.5‌.2‌محاسبه تمام مجموع

2‌.6‌الگوریتم برای انتخاب موازی

2‌.7‌مسائل

2‌.8‌سخنان کتابشناسی

3فصل سوم ادغام

3‌.1‌مقدمه

3‌.2‌یک شبکه برای ادغام

3‌.3‌ادغام در مدل CREW

3‌.3‌.1‌ادغام ترتیبی

3‌.3‌.2‌ادغام موازی

3‌.4‌ادغام در مدل EREW

3‌.5‌یک الگوریتم بهتر برای مدل EREW

3‌.6‌مسائل

3‌.7‌سخنان کتابشناسی

4فصل چهارم مرتب سازی

4‌.1‌مقدمه

4‌.2‌یک شبکه برای مرتب سازی

4‌.3‌مرتب سازی دریک آرایه خطی

4‌.4‌مرتب سازی در مدل CRCW

4‌.5‌مرتب سازی در مدل CREW

4‌.6‌مرتب سازی در مدل EREW

4‌.7‌مسائل

4‌.8‌سخنان کتابشناسی

منابع و مراجع      

منابع و مأخذ:

Ajtai, M., Koml6s, J., and Szemeredi, E., An O(n log n) sorting network, Proceedings of the

15th Annual ACM Symposium on Theory of Computing, Boston, Massachusetts, April 1983,

1. 1-9, Association for Computing Machinery, New York, N.Y., 1983.

[AKL 1]

Akl, S. G., Optimal parallel algorithms for computing convex hulls and for sorting,

Computing, Vol. 33, No. 1, 1984, pp. 1-11.

[AKL 2]

Akl, S. G., Parallel Sorting Algorithms, Academic, Orlando, Fl., t985.

[AKL 3]

Akl, S. G., and Santoro, N., Optimal parallel merging and sorting without memory conflicts,

IEEE Thansactions on Computers, Vol. C-36, No. 11, November 1987, pp. 1367-1369.

[AKL 4]

AkI, S. G., and Schmeck, H., Systolic sorting in a sequential input/output environment,

Parallel Computing, Vol. 3, No. 1, March 1986, pp. 11-23.

[BATCHER]

Batcher, K. E., Sorting networks and their applications, Proceedings of the AFIPS 1968

Spring Joint Computer Conference, Atlantic City, New Jersey, April 30-May 2, 1968, pp.

307-314, AFIPS Press, Montvale, N.J., 1968.

[BAUDET]

Baudet, G. M., and Stevenson, D., Optimal sorting algorithms for parallel computers, IEEE

Transactions on Computers, Vol. C-27, No. 1, January 1978, pp. 84-87.

[BENTLEY]

Bentley, J. L., and Brown, D. J., A general class of recurrence tradeoffs, Proceedings of the

21st Annual IEEE Symposium on Foundations of Computer Science, Syracuse, New York,

October 1980, pp. 217-228, IEEE Computer Society, Washington, D.C., 1980.

BITTENN]

Bitton, D., DeWitt, D. J., Hsiao, D. K., and Menon, J., A taxonomy of parallel sorting,

Computing Surveys, Vol. 13, No. 3, September 1984, pp. 287-318.

[BONNUCELLI]

Bonnucelli, M. A., Lodi, E., and Pagli, L., External sorting in VLSI, IEEE Transactions on

Computers, Vol. C-33, No. 10, October 1984, pp. 931-934.

[DEMUTH]

Demuth, H. B., Electronic data sorting, Ph.D. thesis, Stanford University, Stanford,

California, October 1956.

[EVEN]

Even, S., Parallelism in tape sorting, Communications ofthe ACM, Vol. 17, No. 4, April 1974,

1. 202-204.

[GOTTLIEB]

Gottlieb, A., Grishman, R., Kruskal, C. P., McAuliffe, K. P., Rudolph, L., and Snir, M., The

NYU Ultracomputer: Designing an MIMD shared memory parallel computer, IEEE

Transactions on Computers, Vol. C-32, No. 2, 1983, pp. 175-189.

[HIRSCHBERG]

Hirschberg, D. S., Fast parallel sorting algorithms, Communications ofthe ACM, Vol. 21, No.

8, August 1978, pp. 657-661.

[HOROWITZ 1]

Horowitz, E., and Sahni, S., Fundamentals of Computer Algorithms, Computer Science Press,

Rockville, Md., 1978.

[HOROWITZ 2]

Horowitz, E., and Zorat, A., Divide-and-conquer for parallel processing, IEEE Transactions

on Computers, Vol. C-32, No. 6, June 1983, pp. 582-585.

[KRUSKAL]

Kruskal, C. P., Searching, merging and sorting in parallel computations, IEEE Transactions

on Computers, Vol. C-32, No. 10, October 1983, pp. 942-946.

[KUCERA]

Kucera, L., Parallel computation and conflicts in memory access, Information Processing

Letters, Vol. 14, April 1982, pp. 93-96.

[KUMAR]

Kumar, M., and Hirschberg, D. S., An efficient implementation of Batcher's odd-even merge

algorithm and its application in parallel sorting schemes, IEEE Transactions on Computers,

1. C-32, No. 3, March 1983, pp. 254-264.

[LAKSHMIVARAHAN]

Lakshmivarahan, S., Dhall, S. K., and Miller, L. L., Parallel sorting algorithms, in Yovits, M.

1. , Ed., Advances in Computers, Academic, New York, 1984, pp. 295-354.

[LEE]

Lee, D. T., Chang, H., and Wong, C. K., An on-chip compare/steer bubble sorter, IEEE

Transactions on Computers, Vol. C-30, No. 6, June 1981, pp. 396-405.

[LEIGHTON]

Leighton, F. T., Tight bounds on the complexity of parallel sorting, IEEE Transactions on

Computers, Vol. C-34, No. 4, April 1985, pp. 344-354.

[MIRANKER]

Miranker, G., Tang, L., and Wong, C. K., A "zero-time" VLSI sorter, IBM Journal of

Research and Development, Vol. 27, No. 2, March 1983, pp. 140-148.

[NASSIMI 1]

Nassimi, D., and Sahni, S., Bitonic sort on a mesh-connected parallel computer, IEEE

Transactions on Computers, Vol. C-28, No. 1, January 1979, pp. 2-7.

[NAssIMI 2]

Nassimi, D., and Sahni, S., Parallel permutation and sorting algorithms and a new

generalized connection network, Journal of the ACM, Vol. 29, No. 3, July 1982, pp. 642-667.

[ORENSTEIN]

Orenstein, J. A., Merrett, T. H., and Devroye, L., Linear sorting with O(log n) processors, BIT,

1. 23, 1983, pp. 170-180.

[PARBERRY]

Parberry, I., Some practical simulations of impractical parallel computers, Parallel Computing,

1. 4, 1987, pp. 93-101.

 [REISCHUK]

Reischuk, R., A fast probabilistic parallel sorting algorithm, Proceedings of the 22nd Annual

IEEE Symposium on Foundations of Computer Science, Nashville, Tennessee, October

1981, pp. 212-219, IEEE Computer Society, Washington, D.C., 1981.

[SHILOACH]

Shiloach, Y., and Vishkin, V., Finding the maximum, merging and sorting in a parallel

computation model, Journal of Algorithms, Vol. 2, 1981, pp. 88-102.

[STONE]

Stone, H. S., Parallel processing with the perfect shuffle, IEEE Transactions on Computers,

1. C-20, No. 2, February 1971, pp. 153-161.

[STOUT]

Stout, Q. F., Sorting, merging, selecting and filtering on tree and pyramid machines,

Proceedings of the 1983 International Conference on Parallel Processing, Bellaire, Michigan,

August 1983, pp. 214-221, IEEE Computer Society, Washington, D.C., 1983.

 [TODD]

Todd, S., Algorithms and hardware for a merge sort using multiple processors, IBM Journal

ofResearch and Development, Vol. 22, No. 5, September 1978, pp. 509-517.

[TSENG]

Tseng, S. S., and Lee, R. C. T., A new parallel sorting algorithm based upon min-mid-max

operations, BIT, Vol. 24, 1984, pp. 187-195.

[WINSLOW]

Winslow, L. E., and Chow, Y.-C., The analysis and design of some new sorting machines,

IEEE Transactions on Computers, Vol. C-32, No. 7, July 1983, pp. 677-683.

[WONG]

Wong, F. S., and Ito, M. R., Parallel sorting on a re-circulating systolic sorter, The Computer

Journal, Vol. 27, No. 3, 1984, pp. 260-269.

[YASUURA]

Yasuura, H., Tagaki, N., and Yajima, S., The parallel enumeration sorting scheme for VLSI,

IEEE Transactions on Computers, Vol. C-31, No. 12, December 1982, pp. 1192-1201.

ارزیابی مدل های شبکه عصبی و نمودارهای درختی تصمیم جهت برآورد سیلاب حوضه آبریز رودخانه آغلاغان نیر، ایران

اختصاصی از فی فوو ارزیابی مدل های شبکه عصبی و نمودارهای درختی تصمیم جهت برآورد سیلاب حوضه آبریز رودخانه آغلاغان نیر، ایران دانلود با لینک مستقیم و پر سرعت .

عنوان مقاله :ارزیابی مدل های شبکه عصبی و نمودارهای درختی تصمیم جهت برآورد سیلاب حوضه آبریز رودخانه آغلاغان نیر، ایران

محل انتشار: دهمین کنگره بین المللی مهندسی عمران تبریز

تعداد صفحات:8

نوع فایل :  pdf

پروژه رشته کامپیوتر با موضوع سیستم دبیرخانه. doc

اختصاصی از فی فوو پروژه رشته کامپیوتر با موضوع سیستم دبیرخانه. doc دانلود با لینک مستقیم و پر سرعت .

نوع فایل: word

قابل ویرایش 115 صفحه

چکیده:

سیستم دبیرخانه شامل کلاسهای نامه های ورودی و نامه های خروجی واشخاص حقیقی و حقوقی و کاربران اصلی سیستم می باشداشخاص حقیقی و حقوقی نامه هایی را از / به سازمان دریافت / ارسال می کنندو کاربر اصلی سیستم نیز دارای یک یا چند سمت سازمانی میباشد یعنی به یک بخش یا بخشهایی از سازمان دسترسی دارد که این کاربر قادر به ارسال/ دریافت و ارجاع و پاسخ به نامه از / به سمت بالا دست یا سمت پایین دست می باشد.

مقدمه:

امروز برای سهولت کار و بالا بردن کارآیی و سرعت عمل از سیستم های رایانه ای و برنامه کاربردی در همه جای دنیا استفاده می کنند. سیستم دبیر خانه کار شده دارای امکانات خوبی که به کاربران اجازه فعالیت مستمر را در زمان کمتر میدهد. در منوی این برنامه که اطلاعات کلید وجود دارد که از بخشهای چون تعریف سازمانی، تعریف اشخاص حقیقی و حقوقی و نیز چارت سازمانی در آن گنجانده شده، گزینه عملیات که ثبت نامه های ورودی و خروجی انجام می دهد و گزارشات که نامه های وارده را بر حسب شماره و تاریخ و مبدا و همچنین نامه های صادره بر حسب شماره و تاریخ و مقصد نشان می دهد و گزینه امکانات که فقط یک ماشین حساب می باشد که برای استفاده کاربر گنجانده شده و غیره که با آشنایی با سیستم به آن پی خواهیم برد. این سیستم طی 4 ماه فعالیت به عمل آمده و برای یک پروژه دانشگاهی مناسب است و با محیط ویژوال بیسیک ساخته شده و کارایی خوبی دارد.

فهرست مطالب:

چکیده

مقدمه

فصل1: سیستم دبیر خانه نیاز یا اجبار

فصل2: مروری بر C#.NET

فصل3: مقدمه ای بر SQL Server2000

فصل4: تجزیه تحلیل در رشنال روز

فصل5: توضیحات فرم و کد فرمتها

نتیجه گیری

ضمیمه 1

فهرست منابع

منابع و مأخذ:

کتاب آموزشی Visual Basic 6.0 ویژوال بیسیک 6 نام نویسنده: انتشارات: تهران

آموزش فنی حرفه ای Visual Basicویژوال بیسیک نام نویسنده: علیرضا باقری،انتشارات: تهران

ایجاد نرم افزار دبیر خانه با استفاده از ویژوال بیسیک 6 نام نویسنده: افشین محمدی،انتشارات:دانشگاه آزاد

طراحی دبیر خانه در ویژوال بیسیک نام نویسنده: هاشمی بشیری، انتشارات: دانشگاه آزاد

کتاب Visual Basic ویژوال بیسیک نام نویسنده: مهندس عین ا.. جعفر نژاد قمی- مهندس رمضان عباس نژاد، انتشارات: علوم رایانه

Microsoft SQL Server

Implementation Training 7.0 Database

Borland C#.NET builder

Softsteel Solutions C#.NET

Events and event handling in C#.NET By Nish (http://www.codeproject.com/ )

Handling Events In C#.NET By Biswajit Sarkar (http://www.csharphelp.com/)