Filtering

دسترسی آزاد مقاله

1 - یک روش جدید بر روی تجزیه بافت برای طبقه بندی تشخیص خودکار میکروکلسیفیکیشن سینه تصاویر ماموگرافی
زهرا مقصودزاده سروستانی جاسم جمالی مهدی تقی زاده محمد حسین فاتحی

برنامه های غربالگری از ماموگرافی به عنوان ابزار تشخیصی اولیه برای شناسایی زودهنگام سرطان پستان استفاده می کنند. هدف از انجام اين کار، امكان سنجي جداسازي اتوماتيك تصاوير میکروکلسیفیکیشن هاي بافت پستان و همچنين ارزيابي دقت آن با استفاده از به كارگيري دو تكنيك بهبود تصویر چکیده کامل

برنامه های غربالگری از ماموگرافی به عنوان ابزار تشخیصی اولیه برای شناسایی زودهنگام سرطان پستان استفاده می کنند. هدف از انجام اين کار، امكان سنجي جداسازي اتوماتيك تصاوير میکروکلسیفیکیشن هاي بافت پستان و همچنين ارزيابي دقت آن با استفاده از به كارگيري دو تكنيك بهبود تصویر و برجسته سازی میکروکلسیفیکیشن هاي بافت سینه برای نواحی مورد نظر ROI به کمک سیستم فازی بر اساس کانتراست منطقه و روش فیلترینگ گابور اشاره شده است. بعد از تعیین خوشه های میکروکلسیفیکیشن هاي بافت پستان، طبقه بندی خوشه ها با کمک الگوریتم طبقه بندی درخت تصمیم انجام مي شود. در ادامه برای بخش بندی نمونه های مشکوک به میکروکلسیفیکیشن برجسته و ماسک گذاری می شود و در مرحله آخر ویژگیهای بافت استخراج شده است و با کمک شبکه عصبی مصنوعی (ANN) برای تعیین نوع خوشخیم و بدخیم خوشه های بخش بندی شده ROI، استفاده می شود. نتایجی این کار انجام شده نشان دهنده دقت بالای 93% و بهبود حساسیت بالای 95% می باشد، که نشان می دهد راهکار ارائه شده می تواند با اطمینان برای تشخیص سرطان پستان اعمال شود. پرونده مقاله

دسترسی آزاد مقاله

2 - بررسی امکان سوگیری الگوریتم های توصیه ناشی از رفتار رتبه بندی کاربران در شبکه های اجتماعی آنلاین
مهدی صفرپور سید هادی یعقوبیان کرم الله باقری فرد راضیه ملک حسینی صمد نجاتیان

با افزایش ضریب نفوذ شبکه های اجتماعی آنلاین، نقش الگوریتم های توصیه کننده در این پلت فرم ها بیشتر مورد توجه قرار می گیرد و بررسی صحت کارکرد این الگوریتم ها در ارائه توصیه های مناسب حائز اهمیت می باشد. تحقیقات ما نشان می دهد با حضور اطرافیان و آشنایان فرد در شبکه های اج چکیده کامل

با افزایش ضریب نفوذ شبکه های اجتماعی آنلاین، نقش الگوریتم های توصیه کننده در این پلت فرم ها بیشتر مورد توجه قرار می گیرد و بررسی صحت کارکرد این الگوریتم ها در ارائه توصیه های مناسب حائز اهمیت می باشد. تحقیقات ما نشان می دهد با حضور اطرافیان و آشنایان فرد در شبکه های اجتماعی، شاهد رفتارهایی از سوی کاربران در این شبکه ها هستیم که بیشتر جنبه روانشناسی دارد و بسیاری از کنش های کاربران روی یک پست از احترام یا نزدیکی فرد با صاحب پست نشات می گیرد. این مقاله با نشان دادن قابل پیش بینی بودن رفتار کاربران در قبال پست های منتشر شده توسط دوستان و آشنایان، نقش ارتباطات عاطفی نشات گرفته از روابط اجتماعی پایدار را در پذیرش یک پست بررسی می کند و امکان ارائه توصیه های اشتباه در الگوریتم های مبتنی بر فیلترینگ مشترک به دلیل این سوگیری داده ها را نشان می دهد. پرونده مقاله

دسترسی آزاد مقاله

3 - A New Shuffled Sub-swarm Particle Swarm Optimization Algorithm for Speech Enhancement
Masoud Geravanchizadeh Sina Ghalami Osgouei

In this paper, we propose a novel algorithm to enhance the noisy speech in the framework of dual-channel speech enhancement. The new method is a hybrid optimization algorithm, which employs the combination of the conventional θ-PSO and the shuffled sub-swarms part چکیده کامل

In this paper, we propose a novel algorithm to enhance the noisy speech in the framework of dual-channel speech enhancement. The new method is a hybrid optimization algorithm, which employs the combination of the conventional θ-PSO and the shuffled sub-swarms particle optimization (SSPSO) technique. It is known that the θ-PSO algorithm has better optimization performance than standard PSO algorithm, when dealing with some simple benchmark functions. To improve further the performance of the conventional PSO, the SSPSO algorithm has been suggested to increase the diversity of particles in the swarm. The proposed speech enhancement method, called θ-SSPSO, is a hybrid technique, which incorporates both θ-PSO and SSPSO, with the goal of exploiting the advantages of both algorithms. It is shown that the new θ-SSPSO algorithm is quite effective in achieving global convergence for adaptive filters, which results in a better suppression of noise from input speech signal. Experimental results indicate that the new algorithm outperforms the standard PSO, θ-PSO, and SSPSO in a sense of convergence rate and SNRimprovement. پرونده مقاله

دسترسی آزاد مقاله

4 - بررسی مقایسه ای کارایی پویا سرمایه‌گذاری طبق روش گارچ ( garch) وفیلتر کالمن
جواد یوسفی برهمن جواد رمضانی مهدی خلیل پور

اهمیت سرمایه گذاری برای رشدوتوسعۀاقتصادی واجتماعی به اندازه ای است که آنرایکی ازاهرمهای قوی برای رسیدن به توسعه می دانند؛یکی ازاطلاعاتی که سرمایه گذاران به آن اهمیت زیادی می دهند،اطلاعات وسیگنال هایی است که ازارزش آتی شرکت نشات می گیرد.با وجود یک ساختار کارا دربازار سرم چکیده کامل

اهمیت سرمایه گذاری برای رشدوتوسعۀاقتصادی واجتماعی به اندازه ای است که آنرایکی ازاهرمهای قوی برای رسیدن به توسعه می دانند؛یکی ازاطلاعاتی که سرمایه گذاران به آن اهمیت زیادی می دهند،اطلاعات وسیگنال هایی است که ازارزش آتی شرکت نشات می گیرد.با وجود یک ساختار کارا دربازار سرمایه تشخیص شرکت ها و پروژه های کارا وسودآور امکان پذیر است.یکی از بخش های اصلی بازار سرمایه،بورس اوراق بهادار است.وکارایی،اصلی ترین و مهمترین ویژگی بورس اوراق بهادار است. با توجه به اثر قابل ملاحظه کارایی بر سطح تجارت وسرمایه گذاری ،هدف اصلی تحقیق حاضر بررسی مقایسه ای کارایی پویا سرمایه‌گذاری طبق روش garch وفیلتر کالمن می باشد.در این پژوهش با استفاده از روش فیلتر کالمن بتای مربوط به 90 شرکت پذیرفته شده در بورس اوراق بهادار از 1387 تا 1397 به عنوان جز غیر قابل مشاهده تخمین زده شده است. سپس مقادیر بتا برای همین سهم ها با استفاده از روش GARCH برآورد شده و در نهایت کارایی این دو روش با هم مقایسه شده است. با توجه به نتایج به دست آمده و بر اساس میانگین مربع خطای برآورد هر کدام از روش ها، می توان اظهار داشت که روش فیلتر کالمن نسبت به روش گارچ نتایج بهتری می دهد و درنتیجه روش بهتری نسبت به روش مدل GARCH می باشد. پرونده مقاله

دسترسی آزاد مقاله

5 - Enhancing the Quality of Satellite Images Enhancing through Combination of Feature and Pixel Level Image Fusion
Mahnaz zarei Mansour Esmaeilpour

Up to now, several methods have been proposed for image fusion in pixel level and feature level for quality enhancement of satellite images. From these methods, methods based on discrete wavelet transform (DWT); intensity hue saturation (IHS); and high pass filtering ha چکیده کامل

Up to now, several methods have been proposed for image fusion in pixel level and feature level for quality enhancement of satellite images. From these methods, methods based on discrete wavelet transform (DWT); intensity hue saturation (IHS); and high pass filtering have attracted much attention. But in methods based on; intensity hue saturation and discrete wavelet transform each have disadvantages such as chromatic aberration and linear discontinuity of location characteristics. The present article proposed a new and effective method for fusion in pixel and feature level and by combining the mentioned methods intelligently; the new proposed method maintains the significant and salient characteristics of input images and simultaneously overcomes the mentioned weaknesses. Results are product of experiments evidencing this claim پرونده مقاله

دسترسی آزاد مقاله

6 - Comparison between Recursive Least Squares and Optimal Design Methods for Audio Enhancement
Teimour Tajdari

This study examines and compares the application of the optimal design method and the recursive least squares (RLS) method to improve the quality of the audio signal in noisy environments. Noise can be incorporated into audio signals through many sources, including ampl چکیده کامل

This study examines and compares the application of the optimal design method and the recursive least squares (RLS) method to improve the quality of the audio signal in noisy environments. Noise can be incorporated into audio signals through many sources, including amplification systems and electronic switches, which cause loss of signal information or affect the quality of the audio signal. RLS is an adaptive filtering procedure used to design a system that recursively minimizes the noise amplitude of a contaminated signal by comparing the filter output with a desired signal using new incoming signal samples. The optimal design is an FIR filter design technique that has been used to cut parts of the corrupted signal to improve the signal-to-noise ratio. In this study, samples of audio signals contaminated by white noise were used. The noise reduction results show that the RLS approach has vastly improved the quality of the signals. FIR filters, by contrast, can partially improve signal quality. The functionality of the RLS method depended highly on the precision of the measured noise signal. The FIR filter has shown much less signal improvement than the RLS method, but FIR filters are very practical when noise cannot be measured. پرونده مقاله

دسترسی آزاد مقاله

7 - ارائه روشی جدید برای کشف نزدیکترین همسایگی در سیستم‌های توصیه‌گر مبتنی بر فیلترینگ مشارکتی
مهدی بازرگانی زینب همایونپور

سیستم‌های توصیه‌گر با تحلیل و بررسی داده‌های متعلق به کاربران، یک سری آیتم‌های خاص را برمبنای علایق به کاربران پیشنهاد می‌کنند. هدف از آنالیز داده‌های مربوط به کاربران، استخراج الگوهای هر کاربر به منظور پیش‌بینی آیتم‌ها می‌باشد. یکی از مهمترین روش‌ها در سیستم‌های توصیه‌ چکیده کامل

سیستم‌های توصیه‌گر با تحلیل و بررسی داده‌های متعلق به کاربران، یک سری آیتم‌های خاص را برمبنای علایق به کاربران پیشنهاد می‌کنند. هدف از آنالیز داده‌های مربوط به کاربران، استخراج الگوهای هر کاربر به منظور پیش‌بینی آیتم‌ها می‌باشد. یکی از مهمترین روش‌ها در سیستم‌های توصیه‌گر، روش فیلترینگ مشارکتی است. در سیستم‌های توصیه‌گر مبتنی بر فیلترینگ مشارکتی از معیارهای شباهت جهت کشف کردن کاربران مشابه با کاربر جدید برای ارائه پیشنهاد استفاده می‌شود. از چالش‌های سیستم‌های توصیه‌گر مبتنی بر فیلترینگ مشارکتی می‌توان به فاکتورهای شباهت و تشخیص همسایگی اشاره کرد. در این مقاله از روش نزدیک‌ترین همسایه به منظور تشخیص همسایگان مشابه به کاربر جدید برمبنای فاصله استفاده می‌کنیم. مدل پیشنهادی که برگرفته از روش کاربر-آیتم است، امتیاز اقلام برمبنای فاصله محاسبه می‌شود و نزدیکترین فاصله به منظور تشابه انتخاب می‌شود. در مدل پیشنهادی، تشخیص کاربران مشابه براساس ماتریس کاربر-آیتم توسط فاصله اقلیدسی انجام می‌شود. آزمایشات مدل پیشنهادی برروی مجموعه داده Movielens که شامل ۱۶۸۲ آیتم است انجام شده است. برای ارزیابی از معیارهای دقت، فراخوانی، F1، میانگین خطای مطلق و میانگین خطای مربعات ریشه استفاده شده است. میانگین خطای مطلق در مدل پیشنهادی در مقایسه با شباهت پیرسون و کسینوسی کمتر است و مقدار آن برابر با 0.7315 می‌باشد. در نتیجه دقت مدل پیشنهادی در تشخیص تشابه و پیش‌بینی بیشتر است. پرونده مقاله

دسترسی آزاد مقاله

8 - ارائه یک الگوریتم برای گروه بندی انواع محصولات بیمه و کاربران در سیستم توصیه گر بیمه با خوشه بندی مبتنی بر فیلتر مشارکتی ارزیابی عملکرد آن براساس توصیه بیمه
مرضیه امینی شیرکوهی محمدرضا یمقانی

با پیشرفت‌هایی که در صنعت بیمه صورت گرفته است، افراد زیادی برای دریافت خدمات بیمه‌ای به شرکت‌های دولتی و خصوصی بیمه مراجعه می‌کنند. پیش بینی اینکه مشتریان چه نوع بیمه‌ای مناسب آن ها است و با توجه به شرایط فردی و اجتماعی به خصوص سطح درآمد کدام بیمه را ممکن است انتخاب کنن چکیده کامل

با پیشرفت‌هایی که در صنعت بیمه صورت گرفته است، افراد زیادی برای دریافت خدمات بیمه‌ای به شرکت‌های دولتی و خصوصی بیمه مراجعه می‌کنند. پیش بینی اینکه مشتریان چه نوع بیمه‌ای مناسب آن ها است و با توجه به شرایط فردی و اجتماعی به خصوص سطح درآمد کدام بیمه را ممکن است انتخاب کنند امری حیاتی است. در صنعت بیمه می توان با پیش بینی نوع بیمه ی انتخابی برای هر مشتری کار را برای افرادی که قصد خرید بیمه دارند و همچنین بیمه گزاران تا حد زیادی آسان کرد. خوشه‌بندی مشتریان، تحلیل ویژگی‌های هر خوشه و دریافت اینکه در هر خوشه کدام بیمه‌ها پرطرفدار هستند سپس استفاده از تکنیک فیلترینگ مشارکتی برای ارائه توصیه خرید بیمه به مشتریان، می تواند در روند تصمیم گیری و خرید خدمات بیمه ای موثر باشد. با استفاده از داده های موجود در مورد ویژگی‌های فردی و اجتماعی افراد و نوع بیمه‌هایی که انتخاب می‌کنند به همراه میزان رضایت آن‌ها از خدمات بیمه‌ای در صنعت بیمه می‌توان به پیش بینی رفتار مشتری پرداخت و این امر با استفاده از الگوریتم خوشه بندی k-means و استفاده از تکنیک های سیستم‌های توصیه‌گر مانند فیلترینگ مشارکتی تا حد زیادی میسر می‌شود. پرونده مقاله

دسترسی آزاد مقاله

9 - Optimized computational Afin image algorithm using combination of update coefficients and wavelet packet conversion
jhila mohammadiyan Jafae Rasi

Updating Optimal Coefficients and Selected Observations Affine Projection is an effective way to reduce the computational and power consumption of this algorithm in the application of adaptive filters. On the other hand, the calculation of this algorithm can be reduced چکیده کامل

Updating Optimal Coefficients and Selected Observations Affine Projection is an effective way to reduce the computational and power consumption of this algorithm in the application of adaptive filters. On the other hand, the calculation of this algorithm can be reduced by using subbands and applying the concept of filtering the Set-Membership in each subband. Considering these concepts, the first step is to apply an adaptive algorithm in the packet wavelet transform domain in this Article, and then using multiple decimate and independent filters instead of an adaptive filter in the corresponding packages of this structure is suggested. Then the EFI image algorithm is applied to the corresponding packages of this structure, and the three methods of data selector based on the Set-Membership filtering concept, the method for selecting the optimal coefficients for the update, and the observation selector method in the same time in all corresponding packets in the AFin algorithm apply. The simulation results show the efficiency of the proposed algorithm in terms of the convergence rate and the reduction of computational complexity. پرونده مقاله

دسترسی آزاد مقاله

Recommender systems utilize information retrieval and machine learning techniques for filtering information and can predict whether a user would like an unseen item. User similarity measurement plays an important role in collaborative filtering based recommender systems چکیده کامل

Recommender systems utilize information retrieval and machine learning techniques for filtering information and can predict whether a user would like an unseen item. User similarity measurement plays an important role in collaborative filtering based recommender systems. In order to improve accuracy of traditional user based collaborative filtering techniques under new user cold-start problem and sparse data conditions, this paper makes some contributions. Firstly, we provide an exposition of all-distance sketch (ADS) node labelling which is an efficient algorithm for estimating distance distributions; also we show how the ADS node labels can support the approximation of shortest path (SP) distance. Secondly, we extract items’ features and accordingly we describe an item proximity measurement using ochiai coefficient. Third, we define an estimation of closeness similarity, a natural measure that compares two items based on the similarity of their features and their rating correlations to all other items, then we describe our user similarity model. Finally, we show the effectiveness of collaborative filtering recommendation based on the proposed similarity measure on two datasets of MovieLens and FilmTrust, compared to state-of-the-art methods. پرونده مقاله

دسترسی آزاد مقاله

11 - طراحی و شبیه سازی یک مقسم توان فیلتری دوباندی توسط تشدیدکننده های امپدانس پله ای و معرفی روش جدید برای ایجاد صفر انتقال
مجتبی میرزایی محمدامین هنرور

در این مقاله، یک مقسم توان کوچک با پاسخ فیلتری دوباندی، با استفاده از تشدیدکننده‌های امپدانس پله‌ای دو مدی، برای کاربرد WLAN طراحی و شبیه‌سازی شده است. .تشدیدکننده‌ی امپدانس پله‌ای توسط تحلیل مد زوج و فرد مورد بررسی قرار گرفته تا فرکانس‌های تشدید آن در فرکانس‌های 4/2 و چکیده کامل

در این مقاله، یک مقسم توان کوچک با پاسخ فیلتری دوباندی، با استفاده از تشدیدکننده‌های امپدانس پله‌ای دو مدی، برای کاربرد WLAN طراحی و شبیه‌سازی شده است. .تشدیدکننده‌ی امپدانس پله‌ای توسط تحلیل مد زوج و فرد مورد بررسی قرار گرفته تا فرکانس‌های تشدید آن در فرکانس‌های 4/2 و 2/5 گیگا هرتز و برای کاربرد WLAN تنظیم شوند. همچنین توانسته‌ایم با معرفی یک روش جدید برای تغذیه تشدید کننده های امپدانس پله ای و با استفاده از تئوری حذف موج، چند صفر انتقال در اطراف فرکانس‌های تشدید ایجاد کنیم. سپس بخاطر کاهش دادن ابعاد و امکان‌ اجرایی کردن روش تغذیه معرفی شده در ساختار مقسم توان، دو عدد تشدید کننده های امپدانس پله ای به شکل مارپیچی درآمده‌اند تا در طراحی مقسم توان فیلتری، به کار گرفته شوند. در نهایت به کمک روش‌های پیشنهادی، مقسم توان فیلتری طراحی شده‌، چهار صفر انتقال در اطراف باندهای عبور خود دارد که این امر علاوه بر بهبود گزینش‌گری فرکانس، ایزولاسیون خارج از باندهای عبور را نیز بالا برده است. مقسم توان فیلتری ارائه شده در این مقاله دارای ابعاد بسیار کوچک λg 14/0 ×λg 15/0 (λg، طول موج هدایت در فرکانس مرکزی باند عبور اول است)، ایزولاسیون بالا بین دهانه‌های خروجی و عملکرد مناسب در باندهای عبور می‌باشد. پرونده مقاله

دسترسی آزاد مقاله

12 - Provide a video recommendation system using collaborative filtering and data mining methods
Reza Molaee Fard

Due to the growing number of videos available on the web, it seems necessary to have a system that can extract users' favorite videos from a huge amount of information that is increasing day by day. One of the best ways to do this is to use referral systems. In this res چکیده کامل

Due to the growing number of videos available on the web, it seems necessary to have a system that can extract users' favorite videos from a huge amount of information that is increasing day by day. One of the best ways to do this is to use referral systems. In this research, a method is provided to improve the recommender systems in the field of film recommendation to the user. In this research, DBSCAN clustering algorithm is used for data clustering. Then we will optimize our data using the cuckoo algorithm, then the genetic algorithm is used to predict the data, and finally, using a recommender system based on participatory refinement, a list of different movies that can be of interest to the user is provided. The results of evaluating the proposed method indicate that this recommender system obtained a score of 99% in the accuracy of the system and a score of 95% in the call section Suggest the user's favorite videos correctly to the user. پرونده مقاله

دسترسی آزاد مقاله

13 - An Optimal Similarity Measure for Collaborative Filtering Using Firefly Algorithm
Fatemeh Shomalnasab Mehdi Sadeghzadeh Mansour Esmaeilpour

Recommender Systems (RS) provide personalized recommendation according to user need by analyzing behavior of users and gathering their information. One of the algorithms used in recommender systems is user-based Collaborative Filtering (CF) method. The idea is that if u چکیده کامل

Recommender Systems (RS) provide personalized recommendation according to user need by analyzing behavior of users and gathering their information. One of the algorithms used in recommender systems is user-based Collaborative Filtering (CF) method. The idea is that if users have similar preferences in the past, they will probably have similar preferences in the future. The important part of collaborative filtering algorithms is allocated to determine similarity between objects. Similarities between objects are classified to user-based similarity and item-based similarity. The most popular used similarity metrics in recommender systems are Pearson correlation coefficient, Spearman rank correlation, and Cosine similarity measure. Until now, little computation has been made for optimal similarity in collaborative filtering by researchers.For this reason, in thisresearch, weproposean optimal similaritymeasure via a simple linear combination of values and ratio of ratings for user-based collaborative filtering by use ofFireflyalgorithm; and we compare our experimental results with Pearson traditional similarity measure and optimal similarity measure based on genetic algorithm. Experimental results on real datasets show that proposed method not only improves recommendation accuracy significantly but also increases quality of prediction and recommendation performance. پرونده مقاله

دسترسی آزاد مقاله

14 - Using an Automatic Weighted Keywords Dictionary for Intelligent Web Content Filtering
Najibeh Farzi Veijouyeh Jamshid Bagherzadeh

Filtering of web pages with inappropriate contents is one of the major issues in the field of intelligent network's security. Having a good intelligent filtering method with high accuracy and speed is needed for any country in order to control users' access to the web. چکیده کامل

Filtering of web pages with inappropriate contents is one of the major issues in the field of intelligent network's security. Having a good intelligent filtering method with high accuracy and speed is needed for any country in order to control users' access to the web. So, it has been considered by many researchers. Presenting web pages in an understandable way by machines is one of the most important preprocessing steps. Thus, offering a way to describe web pages with lower dimensions would be very effective, especially in determining the nature of web pages with respect to whether they should be filtered out or not. In this paper, we propose an automatic method to detect forbidden keywords from web pages. Next, we define a new representation of web pages in vector form which consists of weighted sum and frequency of forbidden keywords in different parts of web pages named RWSF. For this, a ranking dictionary of keywords including forbidden keywords is used. To evaluate the proposed method, 2643 pages consisting of 1311 normal pages and 1332 forbidden pages were used. Among these, 1851 pages were used to train the system and 792 pages were used for system evaluation. The system has been assessed using various classifiers such as: k-Nearest Neighbor, Support Vector Machines, Decision Tree and Artificial Neural Networks. Evaluation results indicate the high efficiency and accuracy of the proposed method in all classifiers. پرونده مقاله

دسترسی آزاد مقاله

15 - A New Multi-Stage Feature Selection and Classification Approach: Bank Customer Credit Risk Scoring
Farshid Abdi

10.30495/jiei.2021.1919589.1079

AbstractLots of information about customers are stored in the databases of banks. These databases can be used to assess the credit risk. Feature selection is a well-known concept to reduce the dimension of such databases. In this paper, a multi-stage feature selection a چکیده کامل

AbstractLots of information about customers are stored in the databases of banks. These databases can be used to assess the credit risk. Feature selection is a well-known concept to reduce the dimension of such databases. In this paper, a multi-stage feature selection approach is proposed to reduce the dimension of database of an Iranian bank including 50 features. The first stage of this paper is devoted to removal of correlated features. The second stage of it is allocated to select the important features with genetic algorithm. The third stage is proposed to weight the variables using different filtering methods. The fourth stage selects feature through clustering algorithm. Finally, selected features are entered into the K-nearest neighbor (K-NN) and Decision Tree (DT) classification algorithms. The aim of the paper is to predict the likelihood of risk for each customer based on effective and optimum subset of features available from the customers. پرونده مقاله

دسترسی آزاد مقاله

16 - Development of an evolutionary fuzzy expert system for estimating future behavior of stock price
Azam Goodarzi Amirhossein Amiri Shervin Asadzadeh Farhad Mehmanpazir Shahrokh Asadi

The stock market has always been an attractive area for researchers since no method has been found yet to predict the stock price behavior precisely. Due to its high rate of uncertainty and volatility, it carries a higher risk than any other investment area, thus the st چکیده کامل

The stock market has always been an attractive area for researchers since no method has been found yet to predict the stock price behavior precisely. Due to its high rate of uncertainty and volatility, it carries a higher risk than any other investment area, thus the stock price behavior is difficult to simulation. This paper presents a “data mining-based evolutionary fuzzy expert system” (DEFES) approach to estimate the behavior of stock price. This tool is developed in seven-stage architecture. Data mining is used in three stages to reduce the complexity of the whole data space. The first stage, noise filtering, is used to make our raw data clean and smooth. Variable selection is second stage; we use stepwise regression analysis to choose the key variables been considered in the model. In the third stage,K-means is used to divide the data into sub-populations to decrease the effects of noise and rebate complexity of the patterns. At next stage, extraction of Mamdani type fuzzy rule-based system will be carried out for each cluster by means of genetic algorithm and evolutionary strategy. In the fifth stage, we use binary genetic algorithm to rule filtering to remove the redundant rules in order to solve over learning phenomenon. In the sixth stage, we utilize the genetic tuning process to slightly adjust the shape of the membership functions. Last stage is the testing performance of tool and adjusts parameters. This is the first study on using an approximate fuzzy rule base system and evolutionary strategy with the ability of extracting the whole knowledge base of fuzzy expert system for stock price forecasting problems. The superiority and applicability of DEFES are shown for International Business Machines Corporation and compared the outcome with the results of the other methods. Results with MAPE metric and Wilcoxon signed ranks test indicate that DEFES provides more accuracy and outperforms all previous methods, so it can be considered as a superior tool for stock price forecasting problems. پرونده مقاله

دسترسی آزاد مقاله

17 - مدل‌سازی و بررسی مقایسه‌ای رفتار بخش‌های مصرف، تولید و سرمایه‌گذاری در بازارهای پول و سرمایه ایران
فاطمه معصومی سوره محمدرضا ناهیدی امیرخیز علیرضا بافنده زنده سید یوسف حاجی اصغری

10.30495/ECOMAG.1402.1045583

در این تحقیق سعی شده است به بررسی رفتار بخش‌های مصرف، تولید و سرمایه‌گذاری در بازارهای پول و سرمایه ایران پرداخته شود. بدین منظور از داده‌های سالانه متغیرهای شاخص قیمت مصرف‌کننده، شاخص بهای تولیدکننده، سرمایه‌گذاری بخش خصوصی در ساختمان‌های جدید مناطق شهری و نااطمینانی ت چکیده کامل

در این تحقیق سعی شده است به بررسی رفتار بخش‌های مصرف، تولید و سرمایه‌گذاری در بازارهای پول و سرمایه ایران پرداخته شود. بدین منظور از داده‌های سالانه متغیرهای شاخص قیمت مصرف‌کننده، شاخص بهای تولیدکننده، سرمایه‌گذاری بخش خصوصی در ساختمان‌های جدید مناطق شهری و نااطمینانی تورم و ارزش معاملات سهام و عرضه پول استفاده شد و پس از بررسی رفتار هر یک از متغیرها در قالب رفتار مصرفی مصرف‌کننده، رفتار تولیدی تولیدکننده و رفتار سرمایه‌گذار برای سال‌های 1357 تا 1397، با استفاده از روش فیلترینگ هودریک-پریسکات، مدل تحقیق به روش اتو رگرسیون با وقفه توزیعی (ARDL) و الگوی خود رگرسیون برداری (VAR) مورد بررسی قرار گرفت. نتایج حاصل از روش ARDL برای بازار پول نشان داد که در کوتاه‌مدت متغیرهای رفتار مصرفی مصرف‌کننده، رفتار تولیدی تولیدکننده و رفتار سرمایه‌گذار و در بلندمدت تمام متغیرها با عرضه پول رابطه دارند. اما نتایج همین روش برای بازار سرمایه نشان از عدم وجود رابطه معنادار بین هر کدام از متغیرها با ارزش معاملات بازار سهام، هم در کوتاه‌مدت و هم در بلندمدت، می باشد. نتایج حاصل از VAR برای بازار پول نشان داد که بین عرضه پول با رفتار مصرفی مصرف کننده و رفتار سرمایه گذار یک دوره قبل رابطه معنی دار مثبت و بین عرضه پول با رفتار تولیدی تولید کننده یک دوره قبل رابطه معنی دار منفی وجود دارد و نیز خروجی منتج از همین روش برای بازار سرمایه بیانگر وجود رابطه معنی‌دار منفی بین رفتار مصرفی مصرف‌کننده، رفتار تولیدی تولیدکننده و رفتار سرمایه‌گذار با ارزش معاملات سهام یک دوره قبل دارد. پرونده مقاله

دسترسی آزاد مقاله

18 - داده‌کاوی بازار سهام ایران با مدل‌سازی فیلترینگ شبکه‌های پیچیده: رویکرد MST
هادی اسماعیل پورمقدم

10.30495/fed.2023.700134

چکیده یکی از مهم ترین مسائل در مالی نوین، یافتن روش های کارآمد برای خلاصه کردن و تجسم داده های بازار سهام است. مدل سازی فیلترینگ شبکه های پیچیده در بازار سهام، این امکان را از طریق کاهش اندازه بازار، با دستیابی به اطلاعات قابل اطمینان و با اختلال کمتر فراهم می آورد. به چکیده کامل

چکیده یکی از مهم ترین مسائل در مالی نوین، یافتن روش های کارآمد برای خلاصه کردن و تجسم داده های بازار سهام است. مدل سازی فیلترینگ شبکه های پیچیده در بازار سهام، این امکان را از طریق کاهش اندازه بازار، با دستیابی به اطلاعات قابل اطمینان و با اختلال کمتر فراهم می آورد. به علاوه، از آن جایی که تغییرات قیمت سهام مستقل از یکدیگر نیستند، مطالعه همبستگی تغییرات قیمت سهام با شبکه های پیچیده، درک بیشتری از عملکرد بازار برای سرمایه گذاران فراهم می نماید. در این مقاله، با استفاده از داده های بازار سهام در بورس اوراق بهادار تهران، شبکه بازار سهام ایران با روش آستانه ایجاد می شود و سپس فیلترینگ شبکه بر اساس می نیمم درخت فراگیر (MST) صورت می گیرد. نتایج نشان می دهد مدل سازی فیلترینگ شبکه بازار سهام ایران بر اساس می نیمم درخت فراگیر، می تواند زیرمجموعه ای از بازار سهام را تشکیل دهد که عملکرد کل بازار را با کاهش قابل توجهی در اندازه دنبال نماید و از درجه تنوع سازی مشابهی با کل بازار برخوردار باشد. نتایج تحقیق دلالت بر این دارد روش حاصل از فیلترینگ شبکه مبتنی بر MST، می تواند مجموعه سهام تقلیل یافته ای را نسبت به کل بازار ارائه دهد که رفتار کل بازار را منعکس می کنند. از این رو، به جای تحلیل داده های کل بازار سهام، می توان رفتار مجموعه سهام حاصل را بررسی نمود. این تحلیل ها امکان بینش عمیق تر ساختار داخلی بازار سهام را ضمن کاهش ابعاد فراهم می نماید پرونده مقاله

دسترسی آزاد مقاله

19 - A Total Ratio of Vegetation Index (TRVI) for Shrubs Sparse Cover Delineating in Open Woodland
Hadi Fadaei

Persian juniper and Pistachio are grown in low density in the rangelands of North-East of Iran. These rangelands are populated by evergreen conifers, which are widespread and present at low-density and sparse shrub of pistachio in Iran, that are not only environmentally چکیده کامل

Persian juniper and Pistachio are grown in low density in the rangelands of North-East of Iran. These rangelands are populated by evergreen conifers, which are widespread and present at low-density and sparse shrub of pistachio in Iran, that are not only environmentally but also genetically essential as seed sources for pistachio improvement in orchards. Rangelands offer excellent opportunities for remote-sensing-based inventories; detection of each shrub using very high-resolution satellite data is typically easier in sparse rangelands where the distance between shrubs exceeds the height of trees. In this study, the densities of juniper and natural pistachio shrubs were estimated using remote sensing to help the sustainable management and production of pistachio in this rangeland. Satellite imagery was acquired in July 2008 by Advanced Land Observing Satellite (ALOS). A vegetation index including Total Ratio Vegetation Index (TRVI) was introduced for these rangelands with sparse shrub cover, and the relationship between the new index and shrub density was investigated by the data of ALOS using 3×3 and 5×5 maximum filtering algorithms in the summer of 2011. The results showed that the distinguishing and estimating of tree density in such an open woodland using maximum filtering 3×3 filtering algorithms were more effective than filtering on ALOS satellite imageries. پرونده مقاله

دسترسی آزاد مقاله

20 - A Novel Clustering Algorithm Based upon Learning Automata for Collaborative Filtering
Sara Taghipour Javad Akbari Torkestani Sara Nazari

Collaborative Filtering (CF) is one of the principal techniques applied in Recommender Systems, which uses ratings from similar users to predict interest items to a particular user. The scalability issue is a widespread problem of CF. The clustering technique is a succe چکیده کامل

Collaborative Filtering (CF) is one of the principal techniques applied in Recommender Systems, which uses ratings from similar users to predict interest items to a particular user. The scalability issue is a widespread problem of CF. The clustering technique is a successful approach to address the scalability issue in CF. However, some classic clustering methods cannot find appropriate clusters, which leads to low prediction accuracy. This paper suggests a new clustering algorithm based on the Learning Automata (LA) framework to group users for the CF technique. In this algorithm, a learning automaton is assigned to each user to detect the cluster membership of that user. Learning automatons improve their selection based on the reinforcement signal is received from intra-cluster distances and inter-cluster distances in previous iterations.Experimental results on standard and real datasets show that the proposed algorithm outperforms other compared methods in various evaluation metrics. This approach enhances the prediction accuracy and effectively deals with the scalability problem. پرونده مقاله

دسترسی آزاد مقاله

21 - User Classification in a Personalized Recommender System using Learning Automata
Mansoureh Ghiasabadi Farahani Akbar Torkestani Mohsen Rahmani

The recommender systems are the popular personalization tool for helping users to find pertinent information based on preferences kept in individual profiles. A user profile plays an essential role in the success of the recommendation processes, so the recommender syste چکیده کامل

The recommender systems are the popular personalization tool for helping users to find pertinent information based on preferences kept in individual profiles. A user profile plays an essential role in the success of the recommendation processes, so the recommender systems must design a profile to identify the user’s needs. The accuracy of the user profile affects the overall performance of the recommender system. Personalizing through creating a user profile is considered a challenge because people’s interests are changing over time. In this paper, a learning method is proposed that uses user feedback to improve the accuracy and precision of the recommendation list. This method utilizes learning automata to complete the user profile. The user preferences represent in the form of a weight vector. This vector is the action probability vector of the learning automata; it is updated according to user feedback. Experimental results based on Movie Lens 100k, Movie Lens 1M, and Netflix datasets show that the proposed approach is superior to existing alternatives. پرونده مقاله

دسترسی آزاد مقاله

22 - Designing a Two-Band Micro-Strip Filtering Antenna for Use in Wi-Max Telecommunication Systems and the Fifth Generation Mobile Cellular Communication Networks
Elnaz Ghanadian Mohammad Amin Honarvar

10.30495/ijsee.2023.1978940.1252

The proposed structure is a closed-loop dual-band filtering antenna, in which the antenna and the resonator are combined together. The filtering antenna consists of two triangular resonators and a rectangular loop micro-strip antenna. The surface structure of a Rogers R چکیده کامل

The proposed structure is a closed-loop dual-band filtering antenna, in which the antenna and the resonator are combined together. The filtering antenna consists of two triangular resonators and a rectangular loop micro-strip antenna. The surface structure of a Rogers RO-4003 substrate with dielectric (εr) equal to 3.55 and insulation loss tangent (tgδ) equal to 0.0027 and a thickness of 32 mm is placed at frequencies of 3.4, 5.28 and 8 5.5 GHz, which indicates a return loss below 10 dB. This structure is suitable for Wi-Max and the fifth generation mobile communication network, and the filter antenna proposed for these applications has a suitable bandwidth and radiation pattern in its resonance frequencies. The design and analysis of the structure has been done using HFSS software. To confirm the correctness of the simulation results, a laboratory sample of the proposed filtering antenna is made and it shows the correctness of the measured values of the design and simulation پرونده مقاله

دسترسی آزاد مقاله

23 - فیلترینگ یک طرفه و دوطرفه ریسک با استفاده از مدل عاملی پویای تعمیم یافته در بورس اوراق بهادار تهران
امیر سرآبادانی علی باغانی محسن حمیدیان قدرت الله امام وردی نوروز نوراله زاده

چکیدهبرآورد ریسک بدون در نظر گرفتن عوامل مرتبط و فقط با تمرکز بر روی چند سری معادلات، پیش‌بینی‌های غیرمعمولی را ایجاد می‌کند. در این مطالعه از اطلاعات یک صفحه بزرگ‌سری‌های زمانی و روشی جدید برای برآورد ریسک استفاده نمودیم. این برآورد با استفاده از بازده داده‌های روزانه چکیده کامل

چکیدهبرآورد ریسک بدون در نظر گرفتن عوامل مرتبط و فقط با تمرکز بر روی چند سری معادلات، پیش‌بینی‌های غیرمعمولی را ایجاد می‌کند. در این مطالعه از اطلاعات یک صفحه بزرگ‌سری‌های زمانی و روشی جدید برای برآورد ریسک استفاده نمودیم. این برآورد با استفاده از بازده داده‌های روزانه سری زمانی 25 شاخص‌ مختلف بورس اوراق بهادار تهران در بازه ده‌ساله از 1387 الی 1397 بر اساس یک مدل عاملی پویای تعمیم‌یافته (GDFM) انجام شد. ابتدا با استفاده از مدل عاملی پویای توسعه‌یافته توسط فورنی و همکاران نسبت به تعیین تعداد عوامل استاتیک و دینامیک مدل عاملی اقدام نموده و در ادامه نوسانات جزء مشترک سری‌های تحت مطالعه را با کمک نرم‌افزار MATLAB فیلتر نموده و به‌عنوان ریسک بورس اوراق بهادار تهران برآورد نمودیم. در ادامه از روش حداقل مربعات تعمیم‌یافته (GLS)، تأثیر ریسک‌های فیلتر شده را بر روی بازده شاخص کل بورس موردبررسی قراردادیم. نتایج نشان داد اگر چه ریسکهای برآورد شده از طریق فیلترینگ یک‌طرفه و فیلترینگ دوطرفه به‌صورت معنی‌داری تغییرات بازده شاخص کل بورس موردمطالعه را توضیح می‌دهند، اما ریسک برآورد شده از طریق فیلتر دوطرفه با استفاده از مدل عاملی پویای تعمیم‌یافته، تغییرات بازده را بسیار بهتر از فیلتر یک‌طرفه با استفاده از همان مدل توضیح می‌دهد. پرونده مقاله

دسترسی آزاد مقاله

24 - To Examine Dimensions of Social Networks’ Filtering Regulations in Iran’s law
Alireza Milani Mahdi Farahnaki

Social networks play a significant role in today world. These sites affect different aspects of individual and social life of people and the national and even international levels. Accordingly, they are spreading, and will play more important role in the future life. Th چکیده کامل

Social networks play a significant role in today world. These sites affect different aspects of individual and social life of people and the national and even international levels. Accordingly, they are spreading, and will play more important role in the future life. This paper aims to examine the positive and negative effects of social networks’ filtering, that creates curiosity and has inverse result پرونده مقاله

فهرست مقالات Filtering

سکوی نشر دانش

پیوندهای سایت

مراکز مرتبط

پشتیبانی

صفحات رسمی