2-3-3- یادگیری سیستم­های طبقه بندی کننده فازی با استفاده از الگوریتم ازدحام ذرات              24

 

 2-3-4- یادگیری سیستم­های طبقه بندی کننده فازی با استفاده از الگوریتم زنبور عسل……. 25

 

    2-3-5- یادگیری سیستم­های طبقه بندی کننده فازی با استفاده از الگوریتم مورچگان             26

 

 2-4- الگوریتم رقابت استعماری            26

 

     2-4-1- ویژگی­های الگوریتم رقابت استعماری            28

 

  2-4-2-کاربرد­های الگوریتم رقابت استعماری            28

 

. 2-5-جمع بندی            30

 

فصل سوم

 

3- روش تحقیق  32

 

 3-1- مقدمه            33

 

 3-2- سیستم­های فازی            34

 

  3-2-1- سیستم­های استنتاج فازی            34

 

   سیستم­های فازی Mamdani.. 34

 

سیستم­های فازی Sugeno…………. 35

 

    سیستم­های فازی Tsukamato… 35

 

  3-2-2- طبقه بندی کننده­های فازی            36

 

  تابع  استدلال فازی…….. 36

 

 معیار ارزیابی قوانین ……… 38                     

 

   3-3- الگوریتم CORE            39

 

3-4- الگوریتم جزیره ای Ishibuchi برای استخراج قوانین            39

 

 3-5- الگوریتم GBML-IVFS-amp            41

 

 3-6- الگوریتم GNP برای وزن­دهی به قوانین فازی            42

 

  3-7- الگوریتم TARGET            42

 

 3-8- الگوریتم SGERD            43

 

   3-9- الگوریتم رقابت استعماری            44

 

 3-9-1- مقدرادهی اولیه امپراطوری­ها            45

 

   3-9-2- عملگر Assimilation            46

 

  3-9-3- استراتژی­های بهینه سازی میتنی بر تکامل اجتماعی-سیاسی            47

 

   3-10- الگوریتم­های پیشنهادی            48

 

   3-10-1- هدف استفاده از ICA برای الگوریتم پیشنهادی            48

 

 3-10-2- وزن­دهی به قوانین فازی            48

 

3-10-3- الگوریتم پیشنهادی برای تکامل قوانین فازی…. 52

 

  قوانین خاص و عام…… 52

 

 روش پیشنهادی برای تولید قوانین فازی …….. 53

 

 تابع برازش پیشنهادی…….. 54

 

  3-11-جمع بندی            57

 

فصل چهارم

 

 نتایج آزمایشات.. 58

 

  4-1- معیار­های ارزیابی            59

 

 4-2-مجموعه داده­ها            60

 

  4-2-1-مجموعه داده KEEL            60

 

  4-2-2-مجموعه داده UCI            61

 

 4-3- الگوریتم پیشنهادی برای وزن­دهی به قوانین            61

 

  4-3-1-پارامتر­ها و تنظیمات سیستم در پیاده سازی            61

 

  4-3-2-مقایسه الگوریتم پیشنهادی با طبقه بندی کننده­های فازی            62

 

  4-3-3-مقایسه الگوریتم پیشنهادی با طبقه بندی کننده­های غیر فازی            66

 

 4-4- الگوریتم پیشنهادی برای تولید قوانین فازی بهینه            68

 

4-4-1-پارامتر­ها و تنظیمات سیستم در پیاده سازی یادگیری ساختار قوانین فازی            68

 

  4-4-2-انتخاب ویژگی            69

 

 4-4-3-ارزیابی الگوریتم یادگیری ساختار قوانین با روش­های فازی            70

 

.   4-4-4-ارزیابی الگوریتم با روش­های غیر فازی            72

 

.. 4-5- جمع بندی             73

 

فصل پنجم

 

 

جمع بندی و پیشنهادات………….. 76

 

اختصارات………….. 78

 

 واژه­نامه فارسی به انگلیسی……………………………… 79

 

واژه نامه انگلیسی به فارسی…………. 80

 

فهرست منابع………….82

 

 

1. مقدمه

    

   • در این فصل به شرح کلیاتی پیرامون انگیزه ی انتخاب موضوع، طبقه­بندی کننده­های فازی و همچنین شرحی بر مسئله و کاربردها و چالش های می­پردازد. در انتهای فصل نیز اهداف پایان­نامه به صورت خلاصه ذکر می­شود.

 

 

• مقدمه

 

تاکنون دانشمندان حوزه داده کاوی تلاش­های بسیاری برای جدا­سازی صحیح نمونه­های مشابه کرده­اند. استخراج طبقه­بند­های عام[1] و قابل فهم از داده، نقش مهمی در بسیاری از حوزه­ها و مسائل است. تاکنون روش­های متعددی برای طبقه­بندی[2] و تشخیص الگو[3] معرفی شده­است. یکی از شیوه­های موفق و منحصربه­فرد در حوزه طبقه­بندی و تشخیص الگوی داده­های ورودی، استفاده از تکنیک­های فازی برای تقسیم­بندی نرم فضای ویژگی و بالطبع استفاده از یک معماری مؤثر در متصل کردن این زیر­فضاها برای تصمیم­گیری و طبقه­بندی به­صورت فازی می­باشد. طبقه­بندی فازی پروسه گروه بندی عناصر داخل مجموعه­های فازی با یک تابع عضویت[4] است[1]. در واقع، ابتدا فضای جستجو به بخش­هایی قسمت بندی می­شود به گونه ای که تمام فضا پوشش داده شود و سپس بر روی هرکدام از این زیر­فضا­ها مجموعه فازی قرار می­گیرد. اجتماعی از مجموعه­های فازی که فضای فازی نامیده می­شود، مقادیر زبانی فازی یا کلاس­های فازی را تعریف می­کند که یک شی می­تواند به آن­ها تعلق داشته باشد. پس از آن قوانین فازی اگر و آنگاه[5] با توجه به نحوه تخصیص تولید می­شوند. مدل­سازی سیستم­های فازی بصورت مجموعه­ای از این قوانین نمایش داده می­شود.

 

 

• انگیزه

 

 طبقه­بندی­کننده­های فازی دارای ویژگی منحصربفرد تفسیرپذیری هستند و قادرند دانش چگونگی تشخیص الگو­ها را برای یک فرد خبره بصورت یک دستورالعمل بازنمایی کنند. طبقه­بندی­کننده­های­ فازی چهار هدف اساسی را دنبال می­کنند. دقت طبقه­بندی­کننده را بیشینه کنند، طبقه­بندی­کننده­ی با بیش­ترین قابلیت تفسیر­پذیری را ایجاد نمایند، پایداری طبقه­بندی­کننده را بیشینه کنند و حساسیت به نویز را کاهش دهند. تاکنون روش­های متفاوتی برای ایجاد قوانین، نحوه تخصیص زیرفضاها، نحوه استنتاج در هر قانون و در نهایت ادغام قوانین ارائه­شده است. بدیهی است زبان طبیعی[6] محور بودن ساختار قوانین فازی علیرغم استخراج دانش، مشکل اثبات ریاضی کارایی طبقه­بندی­کننده از جمله ارائه یک کران­ بالا[7] برای خطای آموزش[8] و خطای تست[9] است. به­عبارتی افزایش عمومی­سازی[10] این طبقه­بندی­کننده­ها بصورت ریاضی مانند طبقه­بندی کننده تقویتی گروهی[11] کار بسیار دشواری است. از این­رو اغلب از روش­های مکاشفه­ای[12] و فوق مکاشفه­ای[13] به­صورت سعی و خطا در تدوین قوانین و ادغام آن­ها استفاده می­گردد، به این دلیل که زیرفضا را برای به­دست­آوردن بهترین ترکیب قوانین جستجو می­کنند [2]-[4] . ایشیبوشی[14][5] روشی را برای تخصیص فضا به­صورت تقسیم­بندی منظم و تکراری ارائه کرد که می­توان از این روش به­عنوان یکی از موثرترین روش­های طبقه­بندی­کننده فازی که مبنای بسیاری از تحقیقات بعدی در این زمینه نیز شد، نام برد.

 

 

• شرح مسئله

 

پروسه یادگیری یک سیستم طبقه­بندی فازی باید مسایل مختلفی را حل کند تا یک سیستم طبقه­بندی زبانی را با یک رفتار صحیح ایجاد نماید. از جمله اینکه بتواند، 1- مجموعه­ای از قوانین فازی را ایجاد کند که دارای یک سطح لازم همکاری بین این قوانین فازی باشد. 2- انتخاب یک تابع استنتاج که روشی را برای ترکیب اطلاعات به­دست آمده از قوانین فازی در کلاسه­بندی نمونه­ها انتخاب می­کند. 3- در مسایل با ابعاد بالا، قوانین فازی از رشد نمایی در سایزشان رنج می­برند. دو مسئله اول، مربوط به پروسه استخراج دانش می­شود که با پردازش­های یادگیری مختلف براساس الگوریتم­های تکرار­شونده  مانند شبکه­های عصبی مصنوعی[5-6] یا الگوریتم ژنتیک [2-4]قابل حل است. گزینه سوم از دو جهت می­توان مدیریت کرد: با فشرده­سازی و کاهش مجموعه قوانین، قوانین غیرضروری را با هدف ایجاد یک سیستم طبقه­بندی با کارایی بالاتر حذف کرد. و راهکار دوم با پروسه انتخاب ویژگی انجام می­گیرد.

 

به طور کلی، هدف مسئله، فراهم کردن یک چارچوب کلی برای تکامل قوانین فازی است. راهکار­های بسیاری در این زمینه ارائه شده، اما همه آن­ها حداقل در یکی از موارد زیر تفاوت دارند، تعداد قوانینی که در هر عضو جمعیت کد می­شود، نوع بیان قوانین کد­شده در هر عضو و نوع و هدف پروسه تکاملی .[7-8] این الگوریتم‌ها شامل الگوریتم‌های ژنتیک[15]، بهینه‌سازی گروه ذرات[16]، گداختگی شبیه‌سازی شده[17] و… می‌باشند.

 

از آنجایی که الگوریتم­های تکاملی[18] به­صورت چند­عاملی[19] جستجو را در فضای ویژگی انجام می­دهند، نحوه گردش آن­ها تا حد ممکن به­صورت تصادفی می­باشد. این خواص، الگوریتم­های تکاملی را به ابزار قوی برای انواع مسائل بهینه­سازی تبدیل نموده است.[2], [4]  از جمله مسائل مطرح در زمینه بهینه­سازی، بهینه­سازی ساختار و پارامتر­های طبقه­بندی­کننده­ها می­باشد. بدیهی است هرچه یک طبقه­بندی­کننده­ پارامتر­های بیش­تری داشته باشد، تنظیم بهینه این پارامتر­ها به­صورت دستی کاری بسیار دشوار، و در بعضی حالات­ غیرممکن می­باشد. بدین خاطر از الگوریتم­های تکاملی برای یادگیری پارامتر­ها و تعیین ساختار طبقه­بندی­کننده­های متفاوت به­صورت فراوان استفاده شده است. از جمله این تحقیقات می­توان به بهبود ساختار شبکه عصبی توسط الگوریتم ژنتیک اشاره کرد [9] که الگوریتم ژنتیک سعی در هرس کردن ارتباط بین نورون­ها و به­نوعی لایه­بندی آن­ها به منظور بهبود کارایی طبقه­بندی، دارد.

 

مزیت ترکیب قوانین فازی و الگوریتم­های تکاملی این است که مجموعه قوانین ایجاد­شده دارای تفسیر­پذیری بیش­تری هستند و می­توانند با عدم قطعیت[20] و ابهام مقابله کنند و همچنین می­توانند به صورت اکتشافی فضای ویژگی را جستجو کنند. به عنوان مثال در بخش ورودی نحوه تخصیص­بندی فضاها و همچنین تعیین پارامتر­های توابع عضویت (مانند شیب و واریانس)، از الگوریتم­های تکاملی استفاده شده است[10].

 

چالش­ها

 

با توجه به این که اغلب روشهای عمده و شناخته شده محاسبات تکاملی، شبیه‌سازی کامپیوتری فرایندهای طبیعی و زیستی هستند، در این نوشتار، از یک روش ترکیبی برای بهبود طبقه­بندی­کننده­های فازی ارائه می­شود که برای بهبود یادگیری پارامتر­های آن الگوریتم تکاملی رقابت استعماری [11] اقتباس شده است. این پایان­نامه، الگوریتم رقابت امپریالیستی [21]را برای هدف استخراج کلاسه­بند­های عام و قابل فهم از داده در شکل یک سیستم قانون ارائه می­کند. در این تحقیق سعی در ارائه ساختار جدیدی بر روی بستر فازی هستیم که در آن ساختار، توزیع قوانین از الگوریتم رقابت استعماری[22] اقتباس شده و لیکن روح قوانین به­صورت فازی است. ضمنأ به­دلیل ایجاد هارمونی مناسب در بهینه­سازی ساختار قوانین و همچنین ادغام قوانین، استفاده از الگوریتم بهینه­سازی رقابت استعماری پیشنهاد می­شود.

 

در این الگوریتم چند نمونه که دارای میزان برازندگی[23] بالایی می­باشند (امپریالیست[24]) و مرکز امپراطوری­ها هستند، سعی در کشاندن بقیه نمونه­ها (مستعمره)[25] به سمت خود دارند. این الگوریتم را می­توان نوع بهبود یافته الگوریتم ازدحام ذرات در نظر گرفت. لازم به ذکر است که الگوریتم ازدحام ذرات علیرغم سرعت همگرایی بالای آن، احتمال بایاس شدن آن بسیار زیاد می­باشد. چون میزان تصادفی بودن[26] آن در حین جستجو پایین بوده و بسیار بایاس­دار حرکت می­کند. درصورتیکه الگوریتم رقابت استعماری این مسئله را به این شیوه حل کرده است که هر نمونه به­جای حرکت در جهت برآیند دو نقطه با برازندگی­های مناسب، به یکی از چند نقطه­ای اختصاص داده می­شود که بهینه محلی (امپریالیست) اطلاق می­شوند.

 

 از آن­جا که ساختار این الگوریتم به­صورت چند­حوزه­ای می­باشد، بکارگیری آن برای ساختار­بندی قوانین فازی این خاصیت را به­همراه خواهد داشت که یک مجموعه قوانین بر روی یک زیرفضا کار کند نه تنها روی یک قانون. به­عبارت دیگر استفاده از یک قانون برای تصمیم­گیری درمورد یک زیرفضا حتی با داشتن هم­پوشانی[27] با زیرفضاهای همسایه باعث خاص[28] شدن آن قانون و به­نوعی بایاس قانون و آن زیرفضای خاص شده و در مورد سایر نمونه­هایی که دور از آن زیرفضا هستند، نمی­تواند تصمیم­گیری مناسبی را به­عمل آورد که همین امر باعث بیش­سازگاری[29]و کمبود عمومی­سازی توابع فازی می­گردد. در مقابل، الگوریتم یادگیری استعماری از تخصیص یک قانون به یک زیرفضای خاص جلوگیری کرده و حتی زیرفضاهایی که یک مستعمره از قوانین درباره آن تصمیم می­گیرند، دارای ابعاد بسیار وسیع­تری نسبت به زیرفضای تخصیص­شده به هر قانون در مقایسه با روش­های قبلی دارد. ضمنأ هنگامی­که قوانین به­صورت دسته­های مختلفی از مستعمره­های متفاوت بر روی کل فضا عمل می­کنند، می­توان آن را جزو الگوریتم­های توزیع­شده در نظر گرفت. توانایی بهینه­سازی این الگوریتم نسبت به الگوریتم­های بهینه­سازی پیشین هم­تراز و یا حتی بالاتر است و سرعت رسیدن به جواب بهینه نیز مناسب است.

 

اهداف پایان­نامه

 

در این رساله می­خواهیم یک مجموعه از قوانین انعطاف­پذیر فازی را با استفاده از الگوریتم رقابت استعماری که پیش از این ذکر شد، ایجاد نماییم. با این هدف که کارایی طبقه­بندی­کننده و تفسیر پذیری قوانین تولید شده حداکثر شود و در عین­حال نویز پذیری کمینه نسبت به طبقه­بندی­کننده­های آماری و نیز عمومی­سازی بسیار مناسبی را ارائه نماید. در واقع در این مسئله می­خواهیم مجموعه­ای از بهترین قوانین با انعطاف پذیری بالا که بیانگر انتخاب بهترین ویژگی­هاست را با استفاده از الگوریتم نوپای رقابت استعماری به­دست آوریم. نکته مهم در این رساله، نحوه تخصیص زیرفضا، ساخت قوانین و در نهایت ادغام آن­ها در یک پروسه بهینه­سازی استعماری است. به­طور­کلی در این پژوهش:

 

 

2‌.1‌.2‌   تاریخچه و خاستگاه پولشویی.. 8

 

2‌.1‌.3‌   ایران و ریسک پولشویی.. 9

 

2‌.1‌.4‌   انواع پولشویی.. 10

 

2‌.1‌.5‌   مراحل پولشویی.. 11

 

2‌.1‌.6‌   روش‌‌های پولشویی.. 12

 

2‌.1‌.7‌   موارد مشکوک به پولشویی در بانک‌ها و مؤسسات اعتباری.. 14

 

2‌.1‌.8‌   ضرورت بهره گیری از راه حل‌‌های ضد پولشویی.. 17

 

2‌.1‌.9‌   روش‌‌های مبارزه با پولشویی.. 18

 

2‌.1‌.10‌ وظایف و اصول الزامی برای بانک‌ها و مؤسسات اعتباری در مبارزه با پول‌شویی.. 23

 

2‌.1‌.11‌ انواع گزارش‌‌های مفید جهت شناسایی موارد مشکوک… 29

 

2‌.2‌   داده‌کاوی.. 31

 

2‌.2‌.1‌   تاریخچه داده‌کاوی.. 31

 

2‌.2‌.2‌   چارچوبی کلی برای الگوریتم‌های داده‌کاوی.. 33

 

2‌.2‌.3‌   کاربرد داده‌کاوی در کشف تقلبات مالی.. 35

 

2‌.2‌.4‌   پرکاربردترین روش‌‌های داده‌کاوی برای کشف تقلب‌‌های مالی.. 40

 

2‌.2‌.5‌   رویکرد داده‌کاوی در حل مسائل پولشویی.. 42

 

2‌.2‌.6‌   برخی تحقیقات مرتبط.. 46

 

2‌.3‌   جمع بندی.. 49

 

3فصل سوم ارائه طرح سیستم ضد پولشویی با داده‌کاوی.. 52

 

3دیباچه. 53

 

3‌.1‌   روش‌شناسی تحقیق.. 53

 

3‌.1‌.1‌   روش تحقیق.. 53

 

3‌.2‌   شیوه‌ها و ابزارهای جمع‌آوری داده‌ها 54

 

3‌.2‌.1‌   بررسی داده‌‌های قابل دریافت… 54

 

3‌.2‌.2‌   بررسی سایر اطلاعات موجود در بانك… 55

 

3‌.2‌.3‌   بررسی محدودیت‌‌های بانك در ارائه اطلاعات.. 55

 

3‌.2‌.4‌   بررسی محدودیت‌های بانك اطلاعاتی.. 55

 

3‌.2‌.5‌   مشخص شدن داده‌‌های مورد نیاز برای فاز‌های مختلف پروژه . 56

 

3‌.2‌.6   ‌ارائه فرمت دریافت اطلاعات از بانك اطلاعاتی . 56

 

3‌.2‌.7   حجم ، زمان و مکان مورد نیاز جهت ارائه اطلاعات . 56

 

3‌.2‌.8‌   آمایش داده‌‌ها 56

 

3‌.3   جامعه نظری و روش نمونه‌گیری.. 57

 

3‌.4‌   مفروضات تحقیق.. 58

 

3‌.5‌   شیوه تجزیه و تحلیل داده‌ها 58

 

3‌.5‌.1‌   مرور پیشینه تحقیق.. 59

 

3‌.5‌.2‌   نظرخواهی از خبرگان.. 60

 

3‌.5‌.3‌   بررسی اسناد و مدارک آرشیوی.. 66

 

3‌.5‌.4‌   طراحی مدل ضد پولشویی بر اساس داده‌کاوی.. 68

 

3‌.5‌.5‌   جمع بندی.. 74

 

4فصل چهارم اجرای تحقیق… 75

 

4دیباچه. 76

 

4‌.1‌   جزئیات پیاده‌سازی مدل.. 76

 

4‌.1‌.1‌   آمایش داده‌‌ها 76

 

4‌.1‌.2‌   دسته بندی اطلاعات براساس شاخص‌های خطی و جدا نمودن بخش مشکوک… 77

 

4‌.1‌.3‌   فیلترینگ و جداسازی اطلاعات مناسب… 80

 

4‌.1‌.4‌   خوشه بندی.. 83

 

4‌.1‌.5‌   اجرای الگوریتم نظارت‌شده 92

 

4‌.1‌.6‌   جمع‌آوری نتایج.. 93

 

4‌.2‌   تست و ارزیابی.. 94

 

4‌.2‌.1‌   نحوه تست… 94

 

4‌.2‌.2‌   محاسبه معیار‌های دقت، بازآوری، یکتائی و صحت… 95

 

4‌.3‌   نتیجه گیری.. 96

 

5فصل پنجم جمع‌بندی و نتیجه‌گیری.. 98

 

5دیباچه. 99

 

5‌.1‌   نتیجه گیری.. 99

 

5‌.2‌   محدودیت‌های پژوهش…. 100

 

5‌.3‌   پیشنهاد برای پژوهش‌‌های آینده 101

 

6منابع و مراجع.. 102

 

 

 

 

 

 

 

 

 

 

 

فهرست شکل‌ها

صفحه

 

شکل ‏2‑1 مدل CRISP-DM… 34

 

شکل ‏2‑2  روش‌های استفاده شده برای کشف انواع تقلبات مالی.. 36

 

شکل ‏3‑1 فلوچارت کشف موارد پولشوئی با داده‌کاوی.. 72

 

شکل ‏4‑1  توزیع شاخص MLI. 79

 

شکل ‏4‑2  توزیع شاخص MLISQR.. 79

 

شکل ‏4‑3  نمودار واریز نقدی مشتریان.. 80

 

شکل ‏4‑4  مراحل ایجاد شاخص MLISQR.. 81

 

شکل ‏4‑5  جدول داده‌‌های تفکیك شده بر اساس شاخص پولشویی(MLISQR) 82

 

شکل ‏4‑6  هیستوگرام مجموع واریز در خوشه‌بندی ای‌ام. 84

 

شکل ‏4‑7  هیستوگرام مجموع برداشت در خوشه بندی ای‌ام. 84

 

شکل ‏4‑8  هیستوگرام تعداد واریز در خوشه بندی ای‌ام. 85

 

شکل ‏4‑9  هیستوگرام تعداد برداشت در خوشه بندی ای‌ام. 85

 

شکل ‏4‑10  خوشه‌بندی توسط کامینز، کوهنن، گروه متناظر. 86

 

شکل ‏4‑11  خوشه بندی گروه متناظر مدل اول.. 87

 

شکل ‏4‑12  خوشه بندی گروه متناظر مدل دوم. 88

 

شکل ‏4‑13  خوشه‌بندی گروه متناظر مدل سوم. 89

 

شکل ‏4‑14  جدا کردن خوشه اکثریت… 90

 

شکل ‏4‑15  خوشه‌بندی توسط کامینز و کوهنن.. 91

 

شکل ‏4‑16  اجرای الگوریتم‌‌های نظارت‌شده 93

 

 

 

 

 

 

 

 

 

فهرست جداول

صفحه

 

جدول ‏4‑1  معیار‌های ارزیابی.. 95

 

جدول ‏4‑2  محاسبه معیار‌های ارزیابی برای شبکه عصبی.. 95

 

 

 

 

 

 

1‌.1‌       تعریف مسأله و بیان سئوال‌‌های اصلی تحقیق

 

تعاریف متعددی برای پولشویی عنوان شده است که از جمله می توان به موارد ذیل اشاره کرد[15]:

 

 

• بنا به تعریفی پولشویی یعنی شسته شدن و تبدیل پول کثیف به پول تمیز به نوعی که پس از خروج از این چرخه قانونی جلوه کند؛ به عبارت دیگر پولشویی عبارت است از هر نوع عمل برای مخفی کردن یا تغییر هویت نامشروع حاصل از فعالیت‌‌های مجرمانه به گونه ای که وانمود شود این عواید از منابع قانونی حاصل شده است.

 

• مجموعه اقداماتی است که از سوی فرد یا افرادی با به کارگیری ابزار‌های قانونی و با هدف عدم امکان قابلیت ردیابی گردش عواید حاصل از جرم به منظور مخفی کردن منشأ و منبع واقعی پول حاصل از اعمال مجرمانه و نامشروع صورت میگیرد تا پول آلوده و نامشروع در ظاهر پاک و قانونی جلوه نماید.

 

از این تعاریف چنین بر می آید که عملیات پولشویی به فرآِیند تطهیر پول کثیف گفته می شود. پول کثیف به پولی گفته می‌شود که از راه‌های خلاف و غیرقانونی بدست آمده باشد. از آنجا که بانک‌ها یکی از بهترین موسساتی هستند که می توانند به پولشویان در فرآیند تطهیر پول کثیف کمك کرده و مسیر دسترسی به منشا پول را گمراه و یا پاک نمایند در تمام کشور‌ها یکی از مهمترین موسساتی که مرجع سو استفاده پولشویان قرار می گیرند بانک‌ها هستند[44].

 

2-7-  آشنایی با انواع حمله ها در شبکه های کامپیوتری.. 27

 

             2-8-  مراحل ایجاد یک تیم پاسخگویی به رخدادهای امنیتی.. 28

 

             2-8- 1- مراحل ایجاد و مدیریت رخدادهای امنیتی رایانه ای.. 32

 

 فصل سوم :  بررسی کارهای پیشین… .

 

3-1- بررسی کارهای مربوط به تشکیل تیمهای پاسخگویی مالی.. 39

 

 فصل چهارم :  طراحی تیم پاسخگویی به رخدادهای امنیتی مالی… .

 

           4 –1– اقدامات اولیه 44

 

4–2– شناسایی ساختار سازمانی مجموعه مالی 44

 

4–2– 1– ساختار کلی مجموعه مالی.. 44

 

4-2- 2-  ساختار کلی معاونت ICT 45

 

4          -2-3- ساختار سازمانی مراکز استانی.. 47

 

4          – 5- نیازها و محدودیتهای مجموعه مالی   49

 

4          -6-  سرویسهای قابل ارائه 49

 

4          -7-  نحوه ارتباط اعضاء تیم پاسخگویی به رخدادهای امنیتی مالی 56

 

4–8– شرح وظایف اعضا تیم پاسخگویی به رخدادهای امنیتی مالی حوزه مرکزی 57

 

4-8- 1- شرح وظایف اعضا تیم پاسخگویی به رخدادهای امنیتی مالی  استانی   58

 

4-9-بررسی فرآینهای موجود 60

 

4-10- عملیاتی نمودن طرح 63

 

          4–10–1– نیازهای اساسی جهت استقرار مدل تیم پاسخگویی 64

 

          2-10-4- برآوردهای مالی جهت راه اندازی تیم پاسخگویی به رخدادهای مالی 66

 

فصل پنجم: خلاصه و نتیجه گیری  .

 

خلاصه و نتیجه گیری.. 67

 

 پیشنهاد کارهای آتی.. 67

 

 مراجع    70

 

 

 

فهرست شکل ها

 

شکل1  – ساختارسازمانی کلی موسسه مالی.. 45

 

شکل2 – ساختار سازمانی معاونت فناوری اطلاعات موسسه مالی 47

 

شکل3 – ساختار سازمانی مرکز پاسخگویی به حوادث استانی 48

 

شکل4– ساختار سازمانی تیم پاسخگویی به رخدادهای امنیتی مالی.. 50

 

شکل5 –فرآیند اعلام نفوذ به تیم پاسخگویی به رخدادهای امنیتی مرکزی.. 54

 

شکل6– فرآیند اعتبارسنجی عملکرد تیم پاسخگویی به رخدادهای امنیتی مرکزی 57

 

شکل7– فرآیند اعلام گزارش مغایرت مالی به تیم پاسخگویی به رخدادهای امنیتی مرکزی.. 58

 

شکل8 – فرآیند گزارش حمله به تیم پاسخگویی به رخدادهای امنیتی مرکزی 59

 

شکل9 – فرآیند صدور هشدار 60

 

 

 

فهرست جداول

 

جدول1- استقرار تیم پاسخگویی به رخدادهای امنیتی.. 30

 

2-5-2 رده‌بندی در متون گذشته……………………………………………………………………………..31

 

2-6سیستم‌هایپیشنهاددهنده……………………………………………………………………………………………….35

 

2-6-1انواع سیستم‌های پیشنهاددهنده………………………………………………………………….35

 

2-6-2سیستم‌های پیشنهاد دهنده موسیقی……………………………………………………………37

 

2-7 نتیجه…………………………………………………………………………………………………………………………………38

 

فصلسوم:روش پیشنهادی

 

3-1مقدمه………………………………………………………………………………………………………………………………….40

 

3-2 تولید مجموعه داده از موسیقی ایرانی………………………………………………………………………………41

 

3-2-1 جمع‌آوری داده‌ها و فرا داده‌ها و پیش پردازش…………………………………………….41

 

3-2-2 استخراج ویژگی‌ها………………………………………………………………………………………….42

 

3-2-3 ویژگی‌های مجموعه داده‌ها……………………………………………………………………………43

 

3-3 ویژگی Area Method Of Moment of MFCC……….………………………………..46

 

3-3-1عملگر …………………………………..Area Method Of Moment47

 

3-3-2روش محاسبه Area Method Of Moment of MFCC………………..49

 

3-4معرفیمعیار شباهت پروفایل جدید………………………………………………………………………………….49

 

3-4-1 معیار شباهت پروفایل…………………………………………………………………………………….50

 

3-5برنامه کاربردی پیشنهاددهنده موسیقی…………………………………………………………………………..52

 

3-5-1 پیشنهاد دهی بر اساس شباهت موسیقی……………………………………………………..55

 

3-5-2 پیشنهاد دهی بر اساس شباهت پروفایل……………………………………………………….56

 

3-6نتیجه…………………………………………………………………………………………………………………………………57

 

فصلچهارم: ارزیابی

 

4-1مقدمه…………………………………………………………………………………………………………………………………59

 

4-2ارزیابی برتریمجموعه داده تولید شده……………………………………………………………………………59

 

4-3ارزیابیویژگیArea Method Of Moment of MFCC…………………………………….61

 

4-3-1رده‌بندی سبک………………………………………………………………………………………………61

 

4-3-2رده‌بندی دستگاه‌های موسیقی سنتی…………………………………………………………..66

 

4-3-3پیشنهاددهی با استفاده از ویژگی Area Method Of Moment of MFCC68

 

4-4ارزیابی معیارشباهتپروفایل…………………………………………………………………………………………..69

 

4-5نتیجه………………………………………………………………………………………………………………………………..69

 

فصلپنجم:نتیجه گیری و کارهای آینده

 

5-1مقدمه………………………………………………………………………………………………………………………………….71

 

5-2دستاوردهایتحقیق…………………………………………………………………………………………………………..72

 

5-3محدودیت­هایتحقیق………………………………………………………………………………………………………73

 

5-4کارهایآینده…………………………………………………………………………………………………………………….73

 

 

 

 

 

فهرست شکل ها

 

عنوان                                                                                                                      صفحه

 

شکل2-1-فلوچارتمحاسبههیستوگرامضرب……………………………………………………………………….17

 

شکل 2-2- نمونههیستوگرامضرب…………………………………………………………………………………………17

 

شکل2-2-معیارspectral fluxبرایspeechتقریبابالاترازاینمقداربرایmusicاست.25

 

شکل2-4-درصدفریم‌هایباانرژیپایین………………………………………………………………………………26

 

شکل2-5-یکنمونهدرختتصمیمگیری…………………………………………………………………………….29

 

شکل3-1- پراکندگیتعدادویژگی‌هادردسته‌های مختلف…………………………………………………..44

 

شکل3-2- پراکندگیتعدادآهنگ‌هابرایسبک‌هایمختلف………………………………………………..45

 

شکل3-3- پراکندگیتعدادآهنگ‌هابرایدستگاه‌های مختلف……………………………………………..46

 

شکل3-4-روشمحاسبهArea Method of Moments of MFCC……………………………………49

 

شکل3-5- شمایکلیازبرنامهکاربردی………………………………………………………………………………..54

 

شکل3-6- لیستموسیقی‌هایدراختیارکاربر………………………………………………………………………54

 

شکل3-7- مراحلانتخابموسیقیبراساسشباهتفایل‌هایموسیقی………………………………55

 

شکل3-8- پیشنهاددهیبراساسشباهتموسیقی‌ها…………………………………………………………..56

 

شکل3-9- پیشنهادبراساسشباهتپروفایل‌هایمشتریان………………………………………………….57

 

شکل4-1- درصدصحتبرایهرژانردردوآزمایش……………………………………………………………..60

 

 

شکل4-2- معیارRecall- precision وF-measureبرایسبک‌هایمختلف………………64

 

شکل4-3- معیارRecall- precision وF-measureبرایسبک‌هایمختلف………………66

 

شکل4-4- معیارRecall- precision وF-measureبرایدستگاه‌های مختلف……………68

 

 

 

فهرست جداول

 

عنوان                                                                                                         صفحه

 

جدول2-1طبقه بندی ویژگی‌ها……………………………………………………………………………..14

 

جدول2-2 تقسیم بندی بر اساس طول فریم استخراج…………………………………………..27

 

جدول2-3مرور متون گذشته در ارتباط با رده‌بندی موسیقی……………………………….31

 

جدول2-4مرور متون گذشته سیستم پیشنهاددهنده……………………………………………37

 

جدول3-1اطلاعات کلی از مجموعه داده……………………………………………………………….43

 

جدول3-2پراکندگی تعداد ویژگی‌ها در دسته‌های مختلف…………………………………..44

 

جدول4-1 درصد صحت برای هر ژانر در دو آزمایش……………………………………………..60

 

جدول4-2مجموعه آزمایش های انجام شده و ویژگی های آن……………………………..37

 

جدول4-3مجموعه‌ها ویژگی‌های به کار رفتهدر آموزش درخت تصمیمی…………..63

 

جدول4-4معیار Recall- precision وF-measure برای سبک مختلف……63

 

             درونیابی به­وسیله چندجمله­ای­هابلافاصله پس از پرداخت لینک دانلود فایل در اختیار شما قرار می گیرد——–53

 

             چندجمله­ای درونیاب مبتنی بر دو نقطهبلافاصله پس از پرداخت لینک دانلود فایل در اختیار شما قرار می گیرد–54

 

             تعمیم چندجمله­ای درونیاب و بیان درونیاب لاگرانژ ——–55

 

              معایب روش لاگرانژ—61

 

                  تخمین خطای درونیابیبلافاصله پس از پرداخت لینک دانلود فایل در اختیار شما قرار می گیرد—————61

 

             تفاضلات تقسیم­شده—65

 

             صورت نیوتنی چندجمله­ای درونیاببلافاصله پس از پرداخت لینک دانلود فایل در اختیار شما قرار می گیرد—–69

 

             مزایای استفاده از روش نیوتنبلافاصله پس از پرداخت لینک دانلود فایل در اختیار شما قرار می گیرد———71

 

             تفاضلات متناهی—-72

 

             تعریف عملگر انتقال بلافاصله پس از پرداخت لینک دانلود فایل در اختیار شما قرار می گیرد—————73

 

             تعریف عملگر تفاضل پیشرو بلافاصله پس از پرداخت لینک دانلود فایل در اختیار شما قرار می گیرد——–74

 

             تعریف عملگر تفاضل پسرو بلافاصله پس از پرداخت لینک دانلود فایل در اختیار شما قرار می گیرد———-75

 

دستور درونیاب پیشرو و پسروی نیوتنبلافاصله پس از پرداخت لینک دانلود فایل در اختیار شما قرار می گیرد–77

 

                 درونیابی معکوس—-79

 

                 درونیابی هرمیتی—-82

 

                 چندجمله­ای درونیاب هرمیتیبلافاصله پس از پرداخت لینک دانلود فایل در اختیار شما قرار می گیرد———87

 

                تخمین خطای درونیاب هرمیتبلافاصله پس از پرداخت لینک دانلود فایل در اختیار شما قرار می گیرد——–89

 

                 مزایای درونیابی هرمیتیبلافاصله پس از پرداخت لینک دانلود فایل در اختیار شما قرار می گیرد————-90

 

                 کمینه­کردن خطای چندجمله­ای درونیاببلافاصله پس از پرداخت لینک دانلود فایل در اختیار شما قرار می گیرد90

 

                 درونیابی اسپلاین—-92

 

                 اسپلاین درجه یک—93

 

                 اسپلاین درجه سه—-97

 

                 مزایای درونیابی اسپلاینبلافاصله پس از پرداخت لینک دانلود فایل در اختیار شما قرار می گیرد————-112

 

        فصل سوم: درونیابی داده­های فازیبلافاصله پس از پرداخت لینک دانلود فایل در اختیار شما قرار می گیرد————-114

 

                 مقدمه————–115

 

            نمادگذاری———–116

 

            درونیابی داده­های فازی-117

 

            روش محاسبه چند­جمله­ای درونیابی لاگرانژ فازی———–  119

 

            اسپلاین فازی گره به گرهبلافاصله پس از پرداخت لینک دانلود فایل در اختیار شما قرار می گیرد————–121

 

            اسپلاین فازی طبیعی–124

 

            اسپلاین­های دیگر—–  126

 

 

 

        فصل چهارم: بهترین تقریب یک تابع فازیبلافاصله پس از پرداخت لینک دانلود فایل در اختیار شما قرار می گیرد——-127

 

                 مقدمه————–128

 

            نمادگذاری———-129

 

            بهترین تقریب یک تابع فازیبلافاصله پس از پرداخت لینک دانلود فایل در اختیار شما قرار می گیرد———–130

 

                 وجود و یکتایی  بهترین تقریب یک تابع فازی————–133

 

                 مثال عددی———-134

 

فصل پنجم: نتایج و پیشنهادات-136

 

                 مقدمه————–137

 

 

                 بررسی روشهای مطرح­شدهبلافاصله پس از پرداخت لینک دانلود فایل در اختیار شما قرار می گیرد————-137

 

                 نتیجه­گیری———-138

 

                 کارهای انجام­شده در راستای پایان­نامهبلافاصله پس از پرداخت لینک دانلود فایل در اختیار شما قرار می گیرد—-139

 

                 پیشنهاد برای پژوهش­های آتیبلافاصله پس از پرداخت لینک دانلود فایل در اختیار شما قرار می گیرد———-140

 

 

 

        پیوست­ها–141

 

                الف: برنامه متلب اسپلاینبلافاصله پس از پرداخت لینک دانلود فایل در اختیار شما قرار می گیرد——142

 

                ب: کتاب­نامهبلافاصله پس از پرداخت لینک دانلود فایل در اختیار شما قرار می گیرد——145

 

                ج: واژه­نامهبلافاصله پس از پرداخت لینک دانلود فایل در اختیار شما قرار می گیرد——148