CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

تشخیص آخرین- مهمترین روند غالب داده در مجموعه داده های آفلاین با توزیع پواسون

اعتبار موردنیاز PDF: ۱ WORD: ۶ | تعداد صفحات: ۱۳ | تعداد نمایش خلاصه: ۴۵ | نظرات: ۰
سال انتشار: ۱۳۹۶
کد COI مقاله: CITCOMP02_388
زبان مقاله: فارسی
حجم فایل: ۳۸۷.۷ کیلوبایت (فایل این مقاله در ۱۳ صفحه با فرمت PDF قابل دریافت می باشد)
محتوای کامل این مقاله با فرمت WORD هم قابل دریافت می باشد.

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF یا WORD مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۳ صفحه است به صورت فایل PDF و یا WORD در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله تشخیص آخرین- مهمترین روند غالب داده در مجموعه داده های آفلاین با توزیع پواسون

  محمود لبخنده - گروه مهندسی کامپیوتر، دانشکده فنی مهندسی، واحد بروجرد، دانشگاه آزاد اسلامی ، لرستان، ایران
  مهدی فاضلی - دانشیار گروه مهندسی کامپیوتر، دانشگاه علم و صنعت ، تهران، ایران

چکیده مقاله:

روش های تشخیص تغییرات روند خط سیر داده ها را در یک مجموعه داده پیدا می کنند. تجزیه و تحلیل مجموعه داده-های مبتنی بر توزیع پوآسون بسیار مهم است زیرا کاربردهای بسیار متنوعی مانند شبکه های کامپیوتری از آنها تقلید می کنند. مدل کاربرد استفاده شده در این مقاله شبیه ساز شبکه های کامپیوتری هستند. آخرین- مهمترین روند غالب در مجموعه داده های سری زمانی روند غالبی است که داده ها با آن تمام می شوند. روش ما تشخیص تغییر روند مبتنی بر ماتریس است که می توان مجموعه داده هایی با اندازه ی متغیر را بررسی کند. کاهش پیچیدگی زمانی و افزایش دقت اهداف روش پیشنهادی می باشد. روش پیشنهادی با RuLSIF که یکی از روش های پایه ای تشخیص نقطه ی تغییر است، مقایسه شده تا مزایای رویکرد خود را نشان دهیم.

کلیدواژه‌ها:

تشخیص نقطه ی تغییر، تحلیل تغییر روند، تحلیل شبکه ی کامپیوتری، توزیع پوآسون، اخرین نقطه ی تغییر بسیار مهم

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-CITCOMP02-CITCOMP02_388.html
کد COI مقاله: CITCOMP02_388

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
لبخنده, محمود و مهدی فاضلی، ۱۳۹۶، تشخیص آخرین- مهمترین روند غالب داده در مجموعه داده های آفلاین با توزیع پواسون، دومین کنفرانس بین المللی پژوهش های دانش بنیان در مهندسی کامپیوتر و فناوری اطلاعات، تهران، دانشگاه مجلسی، https://www.civilica.com/Paper-CITCOMP02-CITCOMP02_388.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (لبخنده, محمود و مهدی فاضلی، ۱۳۹۶)
برای بار دوم به بعد: (لبخنده و فاضلی، ۱۳۹۶)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: ۴۴۱۳
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.