دانلود مقاله پیشبینی ورشکستگی شرکتهای موجود در بورس با استفاده از سیستم خودکار فاز ی دریلماک با word
دانلود مقاله پیشبینی ورشکستگی شرکتهای موجود در بورس با استفاده از سیستم خودکار فاز ی دریلماک با word دارای 6 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد دانلود مقاله پیشبینی ورشکستگی شرکتهای موجود در بورس با استفاده از سیستم خودکار فاز ی دریلماک با word کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.
این پروژه توسط مرکز مرکز پروژه های دانشجویی آماده و تنظیم شده است
توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی دانلود مقاله پیشبینی ورشکستگی شرکتهای موجود در بورس با استفاده از سیستم خودکار فاز ی دریلماک با word،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن دانلود مقاله پیشبینی ورشکستگی شرکتهای موجود در بورس با استفاده از سیستم خودکار فاز ی دریلماک با word :
سال انتشار: 1389
محل انتشار: اولین کنفرانس ملی محاسبات نرم و فن آوری اطلاعات
تعداد صفحات: 6
چکیده:
سرمایه گذاری و اطمینان به سرمایه گذاران یکی از موضوعات مهمی است که سال ها در زمینه مالی مطرح است.یکی از مسایلی که می تواند به نحوه تصمیم گیری سرمایه گذاران کمک نماید, وجود ابزارهای مناسب برای ارزیابی سرایط مالی و وضعیت شرکت ها است . یکی از ابزارهای مورد استفاده برای تصمیم بهسرمایه گذاری , مدل های ÷یش بینی ورشکستگی است. داده کاوی , تکنیک و ابزار متداولی است که امروزه در زمینه های مختلفی کاربرد پیدا کرده است . ÷یش بینی ورشکستگی شرکتها , یکی از زمینه های اقتصادی پرکار داده کاوی محسوب می شود.در این مقاله پیش بینی خودکار ورشکستگی شرکت ها ÷رداخته و از سیستم های دسته بندیفازی برای این منظور استفاده می شود. روش پیشنهادی مطرح شده ، به کمک سیستم های فازی مبتنی بر قانون که مجموعه ای از قوانین if-then فازی می باشند، دانش مورد نیاز را واکشی نموده و عمل دسته بندی را انجام می دهد.دانش مورد نظر می تواند به صورت یک پایگاه قانون فازی در نظر گرفته شود که در طول فرایند داده کاوی و به کمک یک الگوریتم بهینه سازی نظیر الگوریتم ژنتیک که یکی از الگوریتم های تکاملی است ، بهبود می یابد.نتایج حاصل از پیاده سازی نرم افزاری این روش بر روی مجموعه داده بورس از مخزن داده UCI نشان می دهد که روش پیشنهادی در مقایسه با روش های معروف در این زمینه از کارایی مطلوبی برخوردار است.