research centers


Search results: Found 4

Listing 1 - 4 of 4
Sort by

Article
Prediction Model for Financial Distress Using Proposed Data Mining Approach By

Authors: Raghad Mohammed Hadi --- Shatha H. Jafer Al-khalisy --- Najlaa Abd Hamza
Journal: Journal of Al-Qadisiyah for Computer Science and Mathematics مجلة القادسية لعلوم الحاسوب والرياضيات ISSN: 20740204 / 25213504 Year: 2019 Volume: 11 Issue: 2 Pages: Comp Page 37-44
Publisher: Al-Qadisiyah University جامعة القادسية

Loading...
Loading...
Abstract

The problem of financial distress researches are the lack of awareness of banks about the risks of financial failure and its impact on the continuity of its activity in the future, as the traditional methods used to predict financial failure through financial analysis based on financial ratios in a single result gives misleading results cannot be relied upon to judge the continuity of the activity of banks, With an increase in the number of failed banks and their inability to continue. Which requires the discovery of modern techniques that serve as an early warning of the possibility of failure and lack of continuity. The research aims to apply data mining technology to predict the financial failure of banks, and how it can provide information that helps to judge the extent to which banks continue to operate. This effort suggested founded back propagation artificial neural network to build predict system. The proposed module evaluated with banks from Free Iraq Stock Exchange dataset the investigational outcomes displays capable method to identify failure banks with great discovery rate and small wrong terror rate.


Article
A Fuzzy Approach Based for Document Datasets Clustering
النهج الضبابي لتصنيف مجموعة من الوثائق

Loading...
Loading...
Abstract

Abstract In large Computers; the huge volume of files actually generate disorder to analyze it. So, it desires to design a clustering techniques which reduce the costs of analysts. Document clustering is an essential process in text mining, which retrieve the information with an acceptable accuracy, which can be achieved by fuzzy clustering.Reuters 21578 dataset is used for experimental purpose, the proposed system was tested by using Reuters 21578 datasets according to the time required to cluster data. The proposed system improves data clustering algorithms by construct required fuzzy clusters. The proposed system showed a good result compared with clustering techniques in comparing with other clustering techniques in time efficiency.

الخلاصة في أجهزة الكمبيوتر هناك كم هائل من الملفات والتي تسبب اضطراب في تحليلها. لذلك تم تصميم نظام لتجميع الوثائق وقام هذا النظام بتقليل الجهد المطلوب في تحليل هذه البيانات. تصنيف او تجميع البيانات هي من العمليات الاساسية في تنقيب البيانات والتي تقوم باسترجاع المعلومات من هذه الوثائق بدقة مقبولة والتي تم تحقيقها باستخدام خوارزمية التصنيف المضبب . تم استخدم رويترز 21578 كبيانات كبيرة لأغراض التجربة. وتم أختبار النظام على هذه البيانات مقارنة بالوقت المطلوب لتصنيفها .النظام المقترح اعطى نتائج جيدة مقارنة بتقنيات التصنيف السابقة. وهذه المقارنة كانت على كفاءة الوقت المستغرق باجراء التصنيف.


Article
Propose NB/HNB Classifiers to Build NIDS
اقتراح استخدام مصنف NB/HNBلبناء نظام كشف التطفل الشبكي

Authors: Soukaena H. hashem سكينه حسن هاشم --- Hafsa Adil حفصه عادل
Journal: AL-MANSOUR JOURNAL مجلة المنصور ISSN: 18196489 Year: 2019 Issue: 31 Pages: 152-170
Publisher: Private Mansour college كلية المنصور الاهلية

Loading...
Loading...
Abstract

This paper indicates that the potential attack to traditional/cloud network is Denial of Service (DoS) attack that effect on the availability of the resource, to solve this problem; this paper propose hidden naïve bays(HNB) classifier to enhance the accuracy of detect DoS attack in cloud network with taking into consideration the traditional environment, the system applied NB classifier firstly supported by discretization and feature selection method to show the difference between the traditional NB classifier and the new model HNB classifier. Two methods are used to select the best feature (Info Gain and Gain ratio) and by used two dataset (KDD cup 99 and NSL KDD datasets) that are used to evaluate the performance of the system. The experiential result show that the proposed system based on HNB classifier enhance the accuracy of detect DoS attack where reach to 100% in three test dataset that are different in size and content by use KDD cup 99 dataset and select only twelve features depended on gain ratio as feature selection, while when used NB classifier the accuracy of detect DoS is equal (94, 97, 98) in three different test dataset. In NSL KDD dataset the accuracy of detect DoS reach to 90% for three test dataset based on HNB classifier and by select 10 features based on GR method, while when used NB classifier is equal to (88, 87, 86) for three test dataset.

في هذا البحث تم الاشارة الى أن الهجمات المحتملة في الشبكة التقليدية والسحابية تكون من قبل DoS الذي يؤثر على متاحيه المصادر, لحل هذه المشكلة تم اقتراح استخدام مصنف HNB لتحسين نسبة كشف DoS في الشبكة السحابية مع الاخذ بنظر الاعتبار البيئة التقليدية , حيث تم تطبيق المصنف NB أولا مدعوما بعملية تجزئة البيانات و اختيار الصفات لتوضيح الفرق بين NB التقليدي و HNB. حيث تم استخدام طريقتين لعملية اختيار الصفات وهما (info Gain, Gain ratio) وباستخدام قاعدتي البيانات (KDD Cup 99 , NSL KDD) التي استخدمت لتقييم أداء النظام. حيث أظهرت النتائج أن النظام المقترح بالاعتماد على HNB حسن نسبة كشف DoS حيث وصلت النسبة الى 100% باستخدام ثلاث قواعد بيانات لفحص النظام والتي كانت مختلفة في المحتويات والحجم باستخدام قاعدة البيانات KDD Cup 99 وباختيار أثنى عشر صفات بالاعتماد على تقنية GR بينما وصلت نسبة اكتشاف DoS الى (94,97,98) في ثلاث قواعد بيانات لفحص النظام عندما تم استخدام NB كمصنف. أما في قاعدة البيانات NSL KDDوصلت نسبة اكتشاف DoS الى 90% في ثلاث قواعد بيانات لفحص النظام بالاعتماد على HNB كمصنف وباختيار عشر صفات بالاعتماد على طريقة GR, بينما عندما تم استخدام NB كمصنف وصلت النتائج الى (88,87,86) في ثلاث قواعد بيانات لفحص النظام.


Article
Dual Heuristic Feature Selection Based on Genetic Algorithm and Binary Particle Swarm Optimization

Authors: Ali Hakem Jabor --- Ali Hussein Ali
Journal: Journal of University of Babylon مجلة جامعة بابل ISSN: 19920652 23128135 Year: 2019 Volume: 27 Issue: 1 Pages: 171-185
Publisher: Babylon University جامعة بابل

Loading...
Loading...
Abstract

The features selection is one of the data mining tools thatused to select the most important features of a given dataset. It contributestosavetime and memory during the handling a given dataset. According to these principles, we haveproposed features selection method based on mixing two metaheuristic algorithms Binary Particle Swarm Optimization and Genetic Algorithm work individually. The K-Nearest Neighbour (K-NN) is used asan objective function to evaluate the proposed features selection algorithm. The Dual Heuristic Feature Selection based on Genetic Algorithm and Binary Particle Swarm Optimization (DHFS) test, and compared with 26 well-known datasets of UCI machine learning. The numeric experiments result imply that the DHFS better performance comparedwithfullfeatures and thatselected by the mentioned algorithms (Genetic Algorithm and Binary Particle Swarm Optimization).

اختيار الصفات هو أحد ادوات تنقيب البيانات الذي يستخدم لاختيار الصفات المهمة للبيانات المعطاة. ان الفائدة من اختيار صفات البيانات هو توفير الوقت وتقليل الذاكرة المستخدمة في معالجة البيانات. حسب تلك المبادئ صممنا خوارزمية اختيار الصفات على اساس دمج خوارزميتين من خوارزميات البحث العشوائي هما خوارزمية الأسراب الثنائية والخوارزمية الجينية لتعملا معاً بشكل منفصل. أستخدم التصنيف على اساس الجيران كدالة لتقييم عمل الخوارزمية المقترحة. فحصت وقورنت مع بيانات مصنفة بدون اختيار الصفات المهمة وبيانات مصنفة باختيار الصفات على اساس خوارزمية الأسراب الثنائية والخوارزمية الجينية. استخدمت في عملية التصنيف 26 مجموعة من البيانات التابعة للـ , UCIنتائج التجارب الرقمية بينت ان الخوارزمية المقترحة أفضل مقارنة مع البيانات بدون اختيار الصفات او باختيار الصفات للخوارزميات المشار اليها سابقاً.

Listing 1 - 4 of 4
Sort by
Narrow your search

Resource type

article (4)


Language

English (3)

Arabic and English (1)


Year
From To Submit

2019 (4)