پایان نامه کشف تقلب در شبکه های اجتماعی
چکیده
تقلب شامل طیف وسیعی ازشیوه‌ها، ورود اطلاعات نادرست واعمال غیرقانونی است که دریک سازمان میتواند اثرات بسیارسوء مالی وروانی به همراه داشته باشد.حتی اتهام تقلب به تنهایی کافی است تا خسارت چشم‌گیر به شهرت و همچنین روابط مشتری و کارفرما واردکند.با توجه به این مسائل برای هر سازمان بسیارحائز اهمیت است که یک سیستم مدیریت تقلب داشته باشد. تکنولوژی روشهای گوناگونی برای جلوگیری ازتقلب طراحی وارائه نموده است که یکی از بهترین روشهای ارائه شده استفاده از تکنیک داده‌کاوی است.مابا طبقه‌بندی مناسب اطلاعات به روش داده‌کاوی می‌توانیم تقلب در همه سطوح از جمله شبکه های اجتماعی را تشخیص و یاپیش‌بینی کنیم.
واژه‌هایکلیدی
تقلب،انباره داده،داده‌کاوی،سیستم تشخیص تقلب،پایگاه دانش.
مقاله انواع هوش و هوش مصنوعی
دانلود مقاله انواع هوش و هوش مصنوعی
سیستم هوشمند کنترل ترافیک
عنوان فایل: سیستم هوشمند کنترل ترافیک
قالب بندی: pdf
تعداد صفحات: 90
فهرست:
فصل ۱- کلیات
مقدمه
کنترل خودکار یا دستی
کنترل هوشمند یا غیرهوشمند
اهداف پایان نامه
ساختار پایان نامه
فصل ۲- عامل
مقدمه
معرفی عامل
تعریف عامل
تفاوتهای هوش مصنوعی کلاسیک و عاملها
نظریة عامل
معماری عامل
معماری عامل اندیشمند
معماری عامل واکنشی
معماری عامل هیبرید
زبان عامل
زبانهای مبتنی بر اشیای همروند
برنامه سازی عامل گرا
عامل در سایر محیط ها
فصل ۳-ترافیک
مقدمه
پارامترهای ترافیک
تعاریف پارامترهای وضعیت ترافیک و کنترل ترافیک
ارتباط بین پارامترها
چه چیز باعث سخت شدن مسأله ترافیک می شود؟
کنترل بهینه؛ امکان پذیری یا عدم امکان پذیری
کنترل ترافیک
سیگنال های مرتبط
سیستمهای تجاری کنترل ترافیک
SCOOT
SCATS
ارزیابی سیستم های تجاری موجود
رابطة مسالة ترافیک شهری با مسایل متداول در علوم دیگر
فصل ۴- سیستم کنترل ترافیک بر اساس عامل ها
مقدمه و تاریخچه
سیستم کنترل ترافیک عامل گرا
چرا عامل گرا؟
توزیع شدگی یا تمرکز
ریزدانگی معماری
متافور طبیعی
مدل سازی بازار
جمع بندی
تخصیص واکنشی منابع
عددی کردن میزان کمبود منابع
مکانیزم کنترلی
معیار تغییر مطلوب
معماری درونی عامل ها و الگوریتم ها
مقایسه گر
استخراج استراتژی عملیاتی مناسب
کنترلگر
جمع بندی
فصل ۵- ارزیابی
مقدمه
نرم افزار شبیه ساز
ارزیابی سیستم در مورد اجزای پایه ای
سه راه
چهار راه
ارزیابی در شبکه ها
بحث
فصل ۶-نتیجه گیری
مقدمه
کجا ایستاده ایم؟
مزایا
معایب
عقلانیت روش پیشنهادی
یافته ها
راه پیشِ رو
عاملها
ترافیک
منابع و مراجع
بررسی سیستمهای چند عامله با استفاده از تئوری بازیها
عنوان تحقیق: بررسی سیستمهای چند عامله با استفاده از تئوری بازیها
فرمت فایل: word
تعداد صفحات: 128
شرح مختصر:
در این رساله، روش مناسبی جهت محاسبه نقطه تعادل نش در الگوریتم‌های یادگیری تقویتی چندعاملی با تعداد زیاد عاملها مطرح شده‌است، که قادراست با ادغام محاسبات مربوط به نقطه تعادل نش و ایجاد مصالحه بین اکتشاف- استخراج، محاسبات را به صورت بهینه کاهش دهند. ترکیب یادگیری تقویتی تک- عاملی و تئوری بازی ایده اصلی اکثر روشهای یادگیری چندعاملی است. این روش‌ها سعی دارند تا کل فرآیند یادگیری را به تعدادی متناهی از حالت‌های تصمیم‌گیری چندعاملی با خاصیت مارکوف تقسیم کرده و با انتخاب نقطه تعادل نش در هر کدام از این مراحل به تدبیر بهینه برای هر عامل همگرا شوند. بنابراین محاسبه نقطه تعادل نش مسئله مهمی است که در حال حاضر مشکلاتی شامل پیچیدگی محاسبات در روشهای شناخته شده محاسبه نقطه تعادل نش، چندگانگی نقطه تعادل نش، و مختلط بودن نقطه تعادل نش باعث شده که اکثر روشهای پیشنهادی یادگیری تقویتی چندعاملی جایگاه مناسبی در حل مسائل دنیای واقعی پیدا نکنند. ناگفته نماند که تقریباً تمام روشهای یادگیری تقویتی چندعاملی مطرح شده، مبتنی بر روشهای off-policy بوده‌اند که نیازی به در نظر گرفتن مسئله رویه انتخاب عمل و اکتشاف در اثبات همگرایی ندارند. بنابراین در رویه‌های اجرایی پیشنهاد داده‌اند که ابتدا نقطه تعادل نش محاسبه شده و سپس با روش ϵ-greedy مصالحه بین اکتشاف و استخراج برقرار شود.
محاسبه نقطه تعادل ϵ-نش در بازیهای نرمال در این رساله به صورت یک مسئله مینیمم‌سازی تعریف شده که جواب آن توسط الگوریتم‌های ژنتیک بدست آمده‌است. علاوه بر کاهش پیچیدگی روش محاسبه نقطه تعادل نش، با اضافه کردن جمله مناسب در محاسبه تابع برازندگی، هر عامل قادر است نقطه تعادل نش پارتو را محاسبه کند که مسئله چندگانگی نقاط تعادل نش را نیز مرتفع می‌سازد.
فهرست مطالب
چکیده. 1
مقدمه 2
1- عامل و سیستمهای چند عامله. 4
1-1- مقدمه. 4
1-2- هوش مصنوعی توزیع شده. 4
1-3- حوزه‌های کاری هوش مصنوعی توزیع شده. 6
1-4- دلایل گرایش به هوش مصنوعی توزیع شده. 9
1-4-1- پایه تکنولوژیکی.. 9
1-4-2- توزیع ذاتی.. 10
1-4-3- مزایای طراحی و پیاده‌سازی.. 12
1-4-4- دلایل معرفت شناسی.. 13
1-4-5- بنیاد اجتماعی.. 14
1-4-6- همجوشی (کلاس‌های جدید از مسائل). 14
1-5- مسائل مطرح در هوش مصنوعی توزیع شده. 14
1-6- تعریف عامل و عامل‌های هوشمند.. 17
1-6-1- تعریف عامل.. 18
1-7- عامل به عنوان یک سیستم نرم‌افزاری.. 19
1-8- مفهوم عامل از دیدگاه عام. 20
1-9- مروری برخصوصیات عامل.. 20
1-10- ویژگیهای دیگر عاملها25
1-11- طبقه بندی عاملها29
1-12- مقایسه عامل با شیء. 33
1-13- تفاوتهای سیستم مبتنی بر عامل و سیستمهای خبره. 35
1-14- انواع محیط عامل.. 35
1-14-1- قابل دستیابی / غیر قابل دستیابی.. 36
1-14-2- محیط قطعی یا غیر قطعی.. 37
1-14-3- محیط مقطعی یا غیر مقطعی.. 38
1-14-4- محیط ایستا / پویا38
1-14-5- محیط گسسته یا پیوسته. 38
1-15- سیستمهای چند عامله. 39
1-16- خصوصیات سیستمهای چند عاملی:46
1-17- دلایل استفاده از سیستمهای چندعامله. 47
1-17-1- نیاز برخی دامنه‌ها به سیستمهای چندعامله:47
1-17-2- افزایش سرعت عمل با موازی سازی.. 48
1-17-3- قابلیت اطمینان.. 48
1-17-4- توسعه پذیری.. 48
1-17-5- آسانتر شدن برنامه‌سازی.. 49
1-18- آزمون نظریه‌های سایر رشته‌های علمی.. 49
1-19- معماری‌های ارایه شده برای سیستمهای چندعامله. 49
1-19-1- مدل OMG50
1-19-2- استاندارد FIPA50
1-19-3- استاندارد KAOS. 50
1-19-4- مدل General Magic. 51
1-20- سازماندهی سیستمهای چندعامله. 51
1-20-1- ساختار سلسله مراتبی.. 51
1-20-2- ساختار مسطح.. 52
1-20-3- ساختار جزء به کل.. 53
1-20-4- ساختار پیمانه‌ای.. 53
1-21- پارامترهای مطرح در ارزیابی سیستمهای چندعامله. 54
1-22- سیستمهای مقیاس وسیع(Large Scale systems):55
1-23- کنترل غیر متمرکز : (Decentralized Control)56
1-24- نتیجه‌گیری.. 57
2- تئوری بازیها و کاربردهای آن‌ها درسیستم‌های چند عامله. 60
2-1- مقدمه. 60
2-2- نظریه بازی ها چیست؟. 60
2-3- تفاوت میان تصمیم‌گیری و بازی.. 62
2-4- طبقه‌بندی نظریه بازیها63
2-5- برخی مفاهیم و اصطلاحات... 68
2-6- موارد استفاده از نظریه بازیها74
2-7- فرض های اساسی در نظریه بازیها75
2-8- شاخه‌های اصلی نظریه بازیها75
2-9- بازیهای ایستا77
2-10- نمایش بازی در فرم استراتژیک یا نرمال.. 79
2-11- فرم ماتریسی بازی.. 82
2-12- پیدا کردن جواب در بازیهای ایستا82
2-13- بازیهای رقابتی.. 83
2-14- بازیهای تصادفی.. 84
2-15- بازیهای پویا85
2-16- بازی پویا در فرم بسط یافته. 85
2-17- درخت بازی.. 87
2-18- عناصر فرم بسط یافته:88
2-19- پیشینه بازی:88
2-20- مجموعه اطلاعاتی:89
2-21- استراتژی.. 90
2-22- پیدا کردن جواب در بازیهای پویا91
3- بررسی روشهای یادگیری.. 93
3-1- یادگیری تقویتی.. 93
3-1-1- خط مشی.. 94
3-1-2- تابع پاداش... 94
3-1-3- تابع مقدار. 94
3-1-4- مدل برگرفته شده از محیط.. 95
3-2- اجزای یادگیری تقویتی.. 97
3-3- اهدافوپاداش.... 98
3-4- Q-Learning 99
3-5- خاصیتمارکوف... 100
3-6- فرآیندتصمیمگیریمارکوف... 101
3-7- روشهای حل فرآیندهای تصمیم گیری مارکوف... 103
3-8- تابعارزش.... 104
3-9- تابع ارزش بهینه:105
3-10-فرایند تحلیل سلسله مراتبی (AHP)106
3-11- ویژگیهای فرایند تحلیل سلسله مراتبی.. 106
3-12- ساختار سلسله مراتبی.. 107
3-13- اصول فرایند تحلیل سلسله مراتبی.. 108
3-14- محاسبه وزن.. 108
3-15- روشهای محاسبه وزن.. 109
3-15-1- روش حداقل مربعات ( least squares method )109
3-15-2- روش حداقل مربعات لگاریتمی (logarithmic least squares method)110
3-15-3- روش بردار ویژه ( Eigenvector Method ):111
3-15-4- روش های تقریبی(Approximation Method). 112
3-16- سازگاری سیستم و ماتریس سازگار. 112
3-17- محاسبه نرخ ناسازگاری.. 113
4- نتیجه‌گیری.. 116
5- مراجع. 118
6-ABSTRACT 121
پایان نامه کامپیوتر - تشخیص احساسات در چهره انسان
چکیده
پیشرفت علم پردازش تصویر در چند دهه اخیر تا حدی بوده است که استفاده ان را در علوم و صنایع گوناگون می توان به وضوح احساس کرد. تا جایی که عدم وجود این علم در بعضی از این موارد کاملا ان مورد را بی استفاده می کند. یکی از موارد پردازش تصویر که در این پایان نامه به ان پرداخته ایم تشخیص حالت چهره است؛ بدین صورت که تصویر بعنوان ورودی به سیستم وارد می شود و نرم افزار با استفاده از متد خاصی حالت چهره را (6 حالت) بعنوان خروجی بر می گرداند. در فصل اول به مقدمه ای درباره علم بینایی ماشین و پردازش تصویر پرداخته شده است. فصل دوم توصیف تاریخچه، تحلیل، متد استفاده شده برای پیاده سازی این نرم افزار ارائه شده است. در فصل سوم مقدمه ای در دسته بندی و متدی که استفاده شده در این پروژه پرداخته شده است. فصل چهارم به نتایج و مقایسه تخصیص داده شده است.
تعداد صفحات 128 word
فهرست مطالب
فصل اول
مقدمه............................................................................................ 1
1-1مقدمه ای بر ماشین بینایی...................................................................... 2
1-1-1 بینایی ماشین(MV)
1-1-2 کاربردهای بینایی ماشین................................................................... 2
1-1-3 متدها.................................................................................... 2
1-1-4 پردازش تصویر........................................................................... 3
1-1-4-1 استخراج ویژگی........................................................................ 3
1-1-4-2 روش های قسمت بندی تصویر......................................................... 5
1-1-4-3 دسته بندی............................................................................. 6
1-1-5 روش های پردازش تصویر در بینایی ماشین................................................. 6
1-1-6 مراحل بینایی ماشین....................................................................... 8
1-1-7 روش های فشرده‌سازی تصاویر............................................................ 9
1-1-8 تصاویر رقومی(دیجیتالی)................................................................ 11
1-1-9 مقادیر پیکسلها........................................................................... 11
1-1-10 دقت تصویر........................................................................... 11
1-2 تاریخچه پردازش تصویر.................................................................... 12
1-2-1 مراحل اصلی پروسه تشخیص تصویر..................................................... 14
فصل دوم
تحلیل.......................................................................................... 23
2-1تاریخچه الگوریتم الگوی باینری محلی..................................................... 24
2-1-1 نمونه 1: دسته بندی بافته بااستفاده ازطیف بافته......................................... 24
2-1-2 نمونه 2: مطالعه تفضیلی اندازه گیری و سنجش بافته ازطریق رده بندی برپایه توزیع خصایص........... 26
2-1-3 نمونه 3: مکانیابی واستخراج چشم درتصاویرچهره انسان.............................................. 26
2-1-4 نمونه 4: تشخیص چهره: مشکل تصحیح تغییراتی که در مسیر شدت های روشنایی در تصویر ایجاد می شود..... 28
2-1-5 نمونه 5: رده بندی بافت های مقاوم به چرخش(Rotation-invariant) با استفاده از توزیعات خصایص..... 30
2-1-6 نمونه 6: توالی هیستوگرام ..................................................................... 31
2-1-7 نمونه7: تشخیص قوی حالات چهره بااستفاده از........................................................ 34
2-1-8 نمونه 8: تشخیص احساسات با استفاده از الگوهای پیشرفته دودویی محلی(LBP)، پراکندگی(Entropies) tsallis وخصایص ظاهری و سراسری در چهره......................................................................... 36
2-1-9 نمونه 9: هیستوگرام الگوی دودویی محلی چند طیفه(Multispectral Local Binary Pattern Histogram) برای عناصر و اجزای مبتنی بر بازبینی رنگ چهره............................................. 38
2-2معرفی سیستم های مشابه.............................................................................. 39
2-2-1 الگوهای باینری محلی .................................................................... 39
2-2-2 الگوهای باینری یکنواخت محلی (local uniform binary pattern)..
2-2-3 الگوهای باینری محلی مقاوم در برابر چرخش (rotation invariant local binary pattern).
2-2-4 الگوی باینری محلی چند مقیاسه (multi-scale local binary pattern).
2-2-5 الگوی باینری Gabor محلی (local gabor binary pattern)
2-2-6 مقدار سطح شیب در الگوی باینری محلی (magnitude local binary pattern)
2-3تحلیل.............................................................................................. 42
2-3-1 واحد بافته(Texture Unit) و طیف بافته(Texture Spectrum)
2-3-1-1 دسته بندی بافته(Texture Classification).
2-3-2 مقیاس خاکستری(Gray Scal) و الگوهای باینری محلی با خصوصیت مقاوم به چرخش(Rotation Invariant LBP)
2-3-2-1 دست یافتن به تغییر ناپذیری مقیاس خاکستری در تصاویر gray scale..
2-3-2-3 بهبود ویژگی مقاوم به چرخش در تصاویر با الگوهای یکنواخت و بهتر شدن تدریجی(Quantization) زاویه های چرخش در تصویر 55
2-3-2-4 اندازه گیری واریانس(انحراف) در ویژگی مقاوم به چرخش تصاویر به واسطه ی کنتراست(تفاوت رنگ) بافت تصویر محلی 59
2-3-2-5 قاعده کلی دسته بندی غیر پارامتری..................................................... 60
2-3-2-6 انالیز چند رزولیشنه(Multiresolation Analysis)....................................
2-3-3-1 مدل یادگیری برای توصیف بافته......................................................... 63
2-3-3-2 فرمولاسیون مدل یادگیری پیشنهادی....................................................... 63
2-3-4 سطح الگوی باینری محلی (VLBP)
2-3-4-1 سطح الگوی باینری محلی پایه ای(Basic Volume Local Binary Pattern).
2-3-4-2 خاصیت مقاوم در چرخش در سطح الگوی باینری محلی(Rotation Invariant VLBP)..............
2-3-4-3 الگوهای باینری محلی از سه سطح متعامد(Local Binary Patterns From Three Orthogonal Planes)
2-3-4-4 توصیف گر محلی برای انالیز تصویر چهره...................................................... 84
فصل سوم
دسته بندی........................................................................................ 89
3-1 چکیده.................................................................................. 90
3-2 مقدمه.................................................................................... 90
3-3 مقدمه ای در دسته بندی......................................................................... 91
3-4-1 SVM.......................................................................................
3-4-2 SVM غیر خطی.................................................................................... 103
3-4-3 Svm خطی.......................................................................... 104
3-4-3-1 فرم اولیه......................................................................................... 106
3-5- 4 SVM Multiclass................................................................
3-6 استفاده از دانش قبلی در SVM..................................................................
3-7 Soft Margin(حاشیه نرم)............................................................................ 110
3-8 خصوصیات SVM.......................................................................................
3-9 رگرسیون(Regression)...........................................................................
فصل چهارم
نتایج ومقایسه.......................................................................................... 113
1-4 نتایجی برای VLBP..........................................................................
4-2 نتایجی برای LBP-TOP...............................................................................
4-4 نتیجه گیری............................................................................................... 118
پیوست ها................................................................................................. 120
پیوست الف................................................................................................................................... 121
چکیده انگلیسی.............................................................................................. 122
فهرست اشکال و نمودارها
شکل 1: 5 حالت مختلف از یک تصویر. 29
شکل 2: نرمال سازی تصویر frontal29
شکل 3: چهارچوب کلی LGBPHSبرای نمایش چهره31
شکل 4: عملگر LBPاصلی و اولیه. 34
شکل 5: تقسیم تصویر به یک بلوک 7*6. 36
شکل 6: مثالی از انتقال یک همسایگی در یک واحد بافته. 43
شکل 7: مثالی از طیف بافته که از طریق تصاویر شکل 6 محاسبه شده اند. 44
شکل 9: دسته بندی با حضور ناظر از شکل8. چهار کلاس با چهار سطح خاکستری نمایش داده شده اند.48
شکل 10: اختصاص دهی احتمال در دسته بندی برای هر عنصر از شکل 4.49
شکل 11: مجموعه همسایگی های متقارن. 50
شکل 12: مجموعه های همسایگی متقارن مدوّر برای (P,R) های مختلف... 50
شکل 13: مستقل سازی و جدا کردن پیکسل مرکزی از پیکسل های همسایگی.. 51
شکل 14: 36 دوران ثابت منحصر به فرد. 54
شکل 15: استخراج الگوها برای نمایش نقاط تیره و روشن، نواحی مسطح و لبه ها55
شکل 16: مثالی از دوران زاویه ای.. 56
شکل 17: مثالی از الگوهای یکنواخت و غیر یکنواخت.. 56
شکل 18: الگوهای یکنواخت و غیر یکنواخت.. 58
شکل 19: توزیع اتصالات.. 60
شکل 20: تصویر شماتیکی از یک مدل یادگیری.65
شکل 22: عدد خصایص در مقابل عدد کدهای LBP. 79
شکل23: سه سطح در الگوی پویا در استخراج نقاط همسایگی.. 80
شکل 25: (a) سه سطح در بافته پویا، (b) هیستوگرام LBPاز هر سطح، (c) الحاق هیستوگرام خصیصه. 82
شکل 26: شعاع وعدد نقاط همسایگی های مختلف روی سه سطح.. 83
شکل 27: جزئیات نمونه گیری برای شکل 26. با83
شکل 28: (a) بلوک های غیر همپوشانی شده (8*9)، (b) بلوک های همپوشانی شده(3*4 با سایز همپوشانی 10)86
شکل 29: خصایص در هر سطح بلوک. (a) سطوح بلوک، (b) خصایص LBPاز سه سطح متعامد، (c) خصایص برای هر سطح بلوک از طریق شکل ظاهری وحرکت با هم الحاق می شوند.87
شکل30: نمایش حالات چهره87
شکل 31. نوع اول چیدمان داده ها92
شکل 32. نوع دوم چیدمان داده ها93
شکل 33. نوع سوم چیدمان داده ها94
شکل 34. نوع چهارم چیدمان داده ها95
جدول 1. 114
جدول 2. 115
جدول 3. 116
جدول 4. 116
نمودار 1. 117