final project

این پایان نامه به بررسی روش های کاربردی در داده کاوی و خلاصه سازی متن پرداخته است

دراین تحقیق به بررسی روش های فازی در شناسایی اثرانگشتان با روش های بیومتریک پرداخته شده است .

سیاری ازمسائل دنیای واقعی پویا هستند. برای حل یک مسئله بهینه سازی پویا نیاز به الگوریتمی داریم که علی رغم پیدا کردن بهینه در محیط بتواند بهینه های در حال تغییر را دنبال کند.تاکنون  الگوریتم های تکاملی مختلفی برای بهینه سازی در محیط های پویا پیشنهاد شده است.دریک محیط پویا پس از روی دادن تغییر در محیط الگوریتم نیاز به تنوع کافی جهت جستجوی دوباره محیط دارد.درعین حال استفاده از اطلاعات جستجوهای پیشین رود جستجو راسریع تر میکند .مشکل اصلی الگوریتم های تکاملی معمول درحل مسائل بهینه سازی  پویا همگرایی زود رس وکاهش تنوع جمعیتی در طول زمان است.بنابراین درمواجه با مسائل بهینه سازی پویا نیاز به رویکردهایی است که تنوع را در طول زمان حفظ کنند. دراین پروژه  الگوریتم کلونی مورچه را بررسی کرده و در بسیاری مسائل کاربرد انرا بررسی میکند.

سیستم بیومتریک یکی از فناوریهای برترجهان است و پردازش تصویر در اثرانگشت هم یکی از مشخصه های فیزیکی از این تکنولوژی  می باشد. در این پروژه ابتدا در مورد سیستم بیومتریک و متدها و بخش های آن بیان شده است. در میان سیستم های تعیین هویت، سیستم هایی که از ویژگی های فیزیولوژی یا رفتاری افراد استفاده می کنند، از قابلیت اعتماد و سطح امنیت بیشتری برخودارند که نمونه ای از آن تشخیص هویت از طریق اثرانگشت می باشد که به دلیل دقت بالا و سادگی، متداو ل ترین و پرکاربردترین روش شناسایی افراد براساس تکنولوژی بیومتریک است. در ادامه  به روش تحلیل اثرانگشت و نحوه ی بدست آوردن اثرانگشت ارائه گردیده است. در نتیجه به شناسایی از طریق اثرانگشت و کلاس بندی های آن را پرداخته و مورد بررسی قرار داده شده است. به دنبال آن، مزایای سیستم انگشت نگاری و خطاهای  سیستم خودکار اثرانگشت نگاری و همچنین اشتباهات در سیستم انگشت نگاری را ارائه داده و کاربردهای آن در صنایع مختلف و زمینه های گوناگون مثال زده شده است. در نهایت به پردازش اثرانگشت و کارایی آن در نرم افزار متلب پرداخته، که به بررسی عملیات باینری و ساختاری آن بر روی اثرانگشت را همراه با کدهای متلب ارائه گردیده شده است.

امروزه با گسترش سیستم های پایگاهی و حجم بالای داده ها ی ذخیره شده در این سیستم ها، نیاز به ابزاری است تا بتوان داده های ذخیره شده پردازش کرد و اطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد. با استفاده ار پرسش های ساده در SQL و ابزارهای گوناگون گزارش گیری معمولی، می توان اطلاعاتی را در اختیار کاربران قرار داد تا بتوانند به نتیجه گیری در مورد داده ها و روابط منطقی میان آنها بپردازن د اما وقتی که حجم داده ها بالا باشد، کاربران هر چقدرحرفه ای و با تجربه باشند نمی توانند الگوهای مفید را در میان حجم انبوه داده ها تشخیص دهند و یا اگر قادر به این کار هم با شند، هزینه عملیات از نظر نیروی انسانی و مالی بسیار بالا است. بنابراین می شود گفت که درحال حاضر یک تغییر الگو از مدل سازی و تحلیل های کلاسیک برپایه اصول اولیه به مدل های درحال پیشرفت و تحلیل های مربوط بطور مستقیم از داده ها وجود دارد. داده کاوی یکی از مهمترین این روشها است که به وسیله آن الگوهای مفید در داده ها با حداقل دخالت کاربران شناخته می شوند و اطلاعاتی را در اختیار کاربران و تحلیل گران قرار می دهند تا براساس آنها تصمیمات مهم و حیاتی در سازمانها اتخاذ شوند. در داده کاوی از بخشی از به نام تحلیل اکتشافی داده ها استفاده می شود که در آن بر کشف اطلاعات نهفته و ناشناخته از درون حجم انبوه داده ها تاکید می شودبنابراین می توان گفت در داده کاوی تئوریهای پایگاه داده ها، هوش مصنوعی، یادگیری ماشین وعلم آمار را در هم می آمیزند تا زمینه کاربردی فراهم شود. باید توجه داشت که اصطلاح داده کاوی زمانی به کار برده می شود که با حجم بزرگی از داد ه ها در حد گیگابایت یا ترابایت، مواجه باشیم که از این نظر یکی از بزرگترین بازارهای هدف، انبارجامع داده ها، مراکز داده وسیستم های پشتیبانی تصمیم برای بدست آوردن تخصص هایی در صنایعی مثل شبکه های توزیع مویرگی، تولیدف مخابرات، بیمه و …می باشد.

مدیریت ارتباط با مشتری به همه فرآیندها و فناوری هایی گفته می شود که در شرکت ها و سازمان ها برای شناسایی، ترغیب، گسترش، حفظ و ارائه خدمت به مشتریان به کار می رود. سازمان ها با استفاده از CRM می توانند چرخه فروش را کوتاهتر و وفاداری مشتری به ایجاد روابط نزدیکتر و درآمد را افزایش دهند. سیستم مدیریت روابط با مشتری می تواند کمک کند تا مشتریان موجود حفظ شوند و مشتریان جدیدی جذب شوند. سازمان ها برخی روش هایی را شامل مدیریت ارتباط با مشتری، تحلیل ارزش مشتری، استراتژی سازمانی و ساز و کارهای خدماتی که کارایی ارتباطات مشتری را بهبو د می دهد بکار می برند. مدیریت ارتباط با مشتری استراتژی ای برای کسب مشتریان جدید و نگهداشتن آنها است. مدیریت ارتباط با مشتری عملیاتی شامل تمام فعالیتهای مرتبط با مشتریان بی واسطه همچون شرکتها می باشد. ارتباط بین این دو( داده کاوی و مدریت ارتباط با مشتری) خیلی مهم و اساسی می باشد زیرا شر کت ها با داده کاوی خواسته های مشتریان خود را می شناسند و بر اساس با آن به مشتریان خود سرویس می دهند در این مقاله در بخش اول با مقدمه ای از داده کاوی و تاریخچه ای در این مورد را برسی می کنیم و در بخش بعد با داده کاوی اشنا می شویم بعد با وب کاوی که اساس بسیاری از شرکت ها برای استخراج داده های خام از پرتال های خود هستند اشنا می شویم در بخش چهارم با مدریت ارتباط با مشتری اشنا می شویم و در فصل آخر ارتباط بین این دو را برسی می کنیم