فهرست مقالات نزدیک ترین همسایگی

• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  1 - پیش بینی نوع اظهارنظر حسابرسان با رویکردی بر روش های داده کاوی
  محمدحسین ستایش فهیمه ابراهیمی سیدمجتبی سیف مهدی ساریخانی
  روش های داده کاوی می تواند حسابرسان را در ارائه اظهارنظر حسابرسی یاری رساند. هدف این پژوهشپیش بینی نوع اظهارنظر حسابرسان با استفاده از رو شهای داده کاوی و مقایسه عملکرد این روش ها است. بدینمنظور از روش های شبکه عصبی مصنوعی، ماشین بردار پشتیبان، نزدی کترین همسایگی و درخت چکیده کامل

  روش های داده کاوی می تواند حسابرسان را در ارائه اظهارنظر حسابرسی یاری رساند. هدف این پژوهشپیش بینی نوع اظهارنظر حسابرسان با استفاده از رو شهای داده کاوی و مقایسه عملکرد این روش ها است. بدینمنظور از روش های شبکه عصبی مصنوعی، ماشین بردار پشتیبان، نزدی کترین همسایگی و درخت تصمیم استفادهشده است. نمونه مورد بررسی شامل 842 مشاهده طی سال های 1380 تا 1389 بوده که این مشاهدات به دو قسمتتقسیم شده است، قسمتی از مشاهدات برای آموزش و قسمتی برای ارزیابی روش در نظر گرفته می شود. مقایسه% عملکرد رو شهای مورد استفاده بیانگر این است که روش ماشین بردار پشتیبان با صحت پی شبینی معادل 76نسبت به سایر روش ها دارای بهترین عملکرد در پی شبینی نوع اظهارنظر حسابرسان است. بررسی خطای نوع اول ودوم هریک از روش ها نیز بیانگر عملکرد بهتر ماشین بردار پشتیبان است. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  2 - پیش بینی وقوع بارش روزانه با استفاده از داده های هواشناسی روزهای قبل (مطالعه موردی: شهر اصفهان)
  قربان مهتابی فرشید تاران سعید مظفری
  هدف از این تحقیق، پیش بینی وقوع بارش روزانه شهر اصفهان با استفاده از داده های هواشناسی 1 تا 7 روز قبل می باشد. برای این منظور،داده های هواشناسی دوره 2009-2000 با استفاده از مدل های هوشمند بردار پشتیبان، k-نزدیک ترین همسایگی، شبکه عصبی مصنوعی و درخت تصمیم بررسیگردید. نتا چکیده کامل

  هدف از این تحقیق، پیش بینی وقوع بارش روزانه شهر اصفهان با استفاده از داده های هواشناسی 1 تا 7 روز قبل می باشد. برای این منظور،داده های هواشناسی دوره 2009-2000 با استفاده از مدل های هوشمند بردار پشتیبان، k-نزدیک ترین همسایگی، شبکه عصبی مصنوعی و درخت تصمیم بررسیگردید. نتایج نشان داد که در هر چهار روش، دقت پیش بینی بهترین سناریوها با استفاده از داده های 6 و 7 روز قبل، کمتر از 75 درصد بود، اما با استفاده از داده های روزهای 1 تا 5 روز قبل، بارش روزانه با دقت بیش از 80 درصد پیش بینی شد. عملکرد روش درخت تصمیم بهتر از سه روش دیگر بود و به علت ارائه درخت تصمیم گیری، نتایج سناریوهای 1 تا 5 روز قبل این روش ارائه شد. نتایج سناریوها با استفاده از داده های 1 تا 3 روز قبل نشان داد که رطوبت نسبی هوا مناسب ترین پارامتر برای پیش بینی وقوع بارش روزانه است، اما در شرایط استفاده از داده های 4 و 5 روز قبل، دمای هوا مناسب ترین پارامتر برای انجام پیش بینی بود. در نهایت عملکرد بهترین سناریوها با استفاده از داده های دوره 2016-2010 صحت سنجی گردید. بهترین نتایج در بخش صحت سنجی به ترتیب مربوط به سناریوی 1 روز قبل(با پارامتر حداقل رطوبت نسبی) و سناریوی 4 روز قبل(با پارامتر دمای حداکثر) بود. پرونده مقاله