Get a site

 دانلود متن کامل پایان نامه داده کاوی پویا با بهره گرفتن از عامل

پایان­­نامه کارشناسی رشته مهندسی کامپیوتر گرایش نرم ­افزار

داده ­کاوی پویا با بهره گرفتن از عامل

استاد

۱۳۹۳

(در فایل دانلودی نام نویسنده موجود است)

تکه هایی از متن پایان نامه به عنوان نمونه :

چکیده

امروزه با توجه به گسترش روز افزون اطلاعاتی که بشر با آنها سر و کار دارد، بهره­ گیری از روش هایی همچون داده ­کاوی برای استخراج دانش و اطلاعات نهفته در داده ­ها، امری غیرقابل اجتناب می­باشد. بدلیل حجم بسیار بالای داده ­ها در بسیاری از کاربردها و اهمیت بیشتر داده ­های جدید، ذخیره­سازی این داده ­ها امری مقرون به صرفه نیست، لذا داده ­هایی که باید مورد پردازش قرار گیرند، همواره بصوت پویا در حال تغییر و تحول هستند. مساله دیگری که امروزه در بحث داده ­کاوی وجود دارد، بحث توزیع شدگی ذاتی داده ­ها است. معمولا پایگاه هایی که این داده ­ها را ایجاد یا دریافت می­ کنند، متعلق به افراد حقیقی یا حقوقی هستند که هر کدام بدنبال اهداف و منافع خود می­باشند و حاضر نیستند دانش خود را بطور رایگان در اختیار دیگران قرار دهند.

با توجه به قابلیتهای عامل و سیستمهای چندعامله و مناسب بودن آنها برای محیطهای پویا و توزیع شده بنظر می­رسد که بتوان از قابلیتهای آنها برای داده ­کاوی در محیطهای پویا و محیطهای توزیع شده بهره برد. اکثر کارهایی که تاکنون در زمینه بهره­ گیری از عامل و سیستمهای چندعامله انجام شده است خصوصیتهایی همانند خودآغازی و بخصوص متحرک بودن عاملها را مورد بررسی قرار داده است و در آنها مواردی همچون هوشمندی، یادگیری، قابلیت استدلال، هدفگرایی و قابلیتهای اجتماعی عاملها مورد بررسی قرار نگرفته است. در این تحقیق ما قصد داریم تا ضمن بررسی کارهای موجود در زمینه کاربرد عامل و سیستمهای چندعامله در داده ­کاوی، بحث طبقه ­بندی جریان داده ­ها را در یک محیط پویا مورد بررسی قرار دهیم. ما مساله خود را در دو فاز مورد بررسی قرار خواهیم داد. در فاز اول خصوصیتهای یک عامل تنها مورد بررسی قرار خواهد گرفت و در فاز دوم قابلیتهای اجتماعی عاملها مانند مذاکره، دستیابی به توافق و … برای داده ­کاوی در یک محیط پویا و توزیع­شده رقابتی مورد استفاده قرار خواهد گرفت. بطور کلی دستاوردهای اصلی این تحقیق عبارتند از ۱) ارائه یک رویکرد مبتنی بر عامل برای مساله طبقه ­بندی جریان داده ­های دارای تغییر مفهوم و پویا با بهره گرفتن از قابلیتهای هدفگرایی، هوشمندی، یادگیری و استدلال ۲) ارائه یک رویکرد مبتنی بر سیستمهای چندعامله برای طبقه ­بندی جریان داده ­های توزیع­شده در یک محیط رقابتی با بهره گرفتن از قابلیتهای اجتماعی عاملها و دستیابی به توافق. نتایج حاصل از آزمایشات انجام شده در این پایان نامه نشان­دهنده برتری استفاده از عاملها و سیستمهای چندعامله برای بحث طبقه ­بندی و داده ­کاوی در محیطهای پویا و توزیع شده می­باشد.

 

کلمات کلیدی:

داده ­کاوی[۱]، طبقه ­بندی[۲]، جریان داده[۳]، عامل[۴].

 

فهرست مطالب

 

  1. فصل اول – معرفی و آشنایی با مفاهیم اولیه.. ۱

۱-۱- مقدمه­ای بر داده ­کاوی.. ۲

۱-۱-۱- خوشه­بندی.. ۳

۱-۱-۲- کشف قواعد وابستگی.. ۴

۱-۱-۳- طبقه ­بندی.. ۴

۱-۱-۳-۱- طبقه ­بندی مبتنی بر قواعد.. ۵

۱-۲- داده ­کاوی توزیع­شده.. ۷

۱-۳- عاملها و سیستمهای چندعامله.. ۸

۱-۳-۱- عامل.. ۸

۱-۳-۱-۱- مقایسه عامل با شی.. ۹

۱-۳-۱-۲- معماری عاملها.. ۱۱

۱-۳-۱-۳- معماری BDI. 12

۱-۳-۲- سیستم­های چندعامله.. ۱۴

۱-۳-۲-۱- مذاکره.. ۱۷

۱-۴- بهره­ گیری از عامل برای داده ­کاوی.. ۱۹

۱-۴-۱- سیستم­های چندعامله، بستری برای داده ­کاوی توزیع شده.. ۱۹

۱-۵- جمع­بندی.. ۲۲

  1. فصل دوم – داده ­کاوی پویا.. ۲۳

۲-۱- مقدمه­ای بر داده ­کاوی پویا.. ۲۴

۲-۲- جریان داده.. ۲۵

۲-۳- طبقه ­بندی جریان داده.. ۲۶

۲-۳-۱- موضوعات پژوهشی.. ۲۷

۲-۴- جمع­بندی.. ۳۱

  1. فصل سوم – مروری بر کارهای انجام شده.. ۳۳

۳-۱- مقدمه.. ۳۴

۳-۲- داده ­کاوی توزیع­شده ایستا.. ۳۵

۳-۲-۱- روش های غیرمتمرکز.. ۳۶

۳-۲-۲- روش های مبتنی بر توزیع ذاتی داده ­ها.. ۳۷

۳-۳- کارهای مهم انجام شده در زمینه داده ­کاوی با بهره گرفتن از عامل   ۳۸

۳-۴- کارهای انجام شده در زمینه طبقه ­بندی جریان داده ­ها.. ۴۱

۳-۴-۱- روش های طبقه ­بندی Ensemble-based. 41

۳-۴-۲- درختهای تصمیم بسیار سریع.. ۴۳

۳-۴-۳- طبقه ­بندی On-Demand. 46

۳-۴-۴- OLIN.. 48

۳-۴-۵- الگوریتمهای LWClass. 49

۳-۴-۶- الگوریتم ANNCAD.. 51

۳-۴-۷- الگوریتم SCALLOP. 51

۳-۴-۸- طبقه ­بندی جریان داده ­ها با بهره گرفتن از یک روش Rule-based. 53

۳-۵- جمع­بندی.. ۵۴

  1. فصل چهارم – تعریف مساله.. ۵۵

۴-۱- مقدمه.. ۵۶

۴-۲- تعریف مساله برای فاز اول.. ۵۶

۴-۲-۱- جریان داده.. ۵۷

۴-۲-۲- مفهوم یا مدل موجود در جریان داده.. ۵۷

۴-۲-۳- مساله طبقه ­بندی جریان داده ­های دارای تغییر مفهوم.. ۵۷

۴-۳- تعریف مساله برای فاز دوم.. ۵۹

  1. فصل پنجم – رویکردهای پیشنهادی.. ۶۲

۵-۱- مقدمه.. ۶۳

۵-۲- رویکرد پیشنهادی برای فاز اول پروژه.. ۶۳

۵-۲-۱- عامل و ویژگیهای آن در این مساله.. ۶۴

۵-۲-۲- عملکرد کلی عامل.. ۶۵

۵-۲-۳- معماری عامل.. ۶۶

۵-۲-۳-۱- حسگرها .. ۶۷

۵-۲-۳-۲- پایگاه دانش عامل.. ۶۸

۵-۲-۳-۳- تابع ارزیابی محیط.. ۷۰

۵-۲-۳-۳-۱- نحوه تشخیص اطلاعات و نگهداری الگوهای recur در جریان داده   ۷۰

۵-۲-۳-۳-۲- نحوه استخراج الگوهای recur 70

۵-۲-۳-۳-۳- نحوه بروزرسانی اطلاعات مربوط به الگوهای recur 73

۵-۲-۳-۳-۴- نحوه محاسبه وقوع احتمال وقوع یک الگوی خاص.. ۷۴

۵-۲-۳-۴- تابع سودمندی.. ۷۵

۵-۲-۳-۵- بخش تصمیم ­گیری و Planning. 79

۵-۲-۳-۵-۱- بخش تصمیم­گیری.. ۷۹

۵-۲-۳-۵-۲- Planning. 83

۵-۲-۳-۶- بخش Action. 86

۵-۳- رویکرد پیشنهادی برای فاز دوم مساله.. ۸۷

۵-۳-۱- عاملهای مشتری.. ۸۸

۵-۳-۲- عامل صفحه زرد.. ۹۰

۵-۳-۳- عاملهای داده­کاو.. ۹۱

۵-۳-۳-۱- معماری عاملهای داده­کاو.. ۹۲

۵-۳-۳-۱-۱- تابع BRF. 94

۵-۳-۳-۱-۲- تابع Generate Options. 95

۵-۳-۳-۱-۳- تابع فیلتر.. ۹۵

۵-۳-۳-۱-۴- بخش Actions. 96

۵-۳-۳-۱-۵- Plan های عامل.. ۹۷

۵-۳-۳-۱-۵- ۱- Plan مربوط به طبقه ­بندی.. ۹۷

۵-۳-۳-۱-۵-۲- Plan مربوط به تطبیق طبقه­بند .. ۹۸

۵-۳-۳-۱-۵-۳- Plan مربوط به خرید و فروش قواعد با بهره گرفتن از مذاکره   ۱۰۱

۵-۴- جمع­بندی.. ۱۱۱

  1. فصل ششم – آزمایشات و نتایج.. ۱۱۳

۶-۱- مقدمه.. ۱۱۴

۶-۲- محیط عملیاتی.. ۱۱۴

۶-۳- مجموعه داده ­های مورد استفاده.. ۱۱۶

۶-۳-۱- مجموعه داده ­های استاندارد.. ۱۱۶

۶-۳-۲- مجموعه داده ­های واقعی.. ۱۱۷

۶-۴- معیارهای ارزیابی و روش های مورد استفاده برای مقایسه.. ۱۱۷

۶-۵- آزمایشات انجام شده.. ۱۱۸

۶-۵-۱- آزمایشات مربوط به فاز اول.. ۱۱۹

۶-۵-۲- آزمایشات مربوط به فاز دوم.. ۱۲۸

۶-۶- جمع­بندی.. ۱۳۰

  1. فصل هفتم- جمع­بندی و نتیجه ­گیری.. ۱۳۲

 فهرست مراجع.. ۱۳۶

 

فهرست اشکال

 

  1. شکل ۱-۱- معماری BDI در عامل.. ۱۵
  2. شکل ۳-۱- درخت تحقیق مربوط به طبقه ­بندی در مبحث داده ­کاوی.. ۳۴
  3. شکل ۳-۲- طبقه ­بندی مبتنی بر Ensemble. .44
  4. شکل ۳-۳- چارچوب روش On-Demand. 47
  5. شکل ۳-۴- نمایی از سیستم OLIN.. 49
  6. شکل ۳-۵- پروسه SCALLOP. 53
  7. شکل ۵-۱- نمودار ترتیب عملکرد عامل پیشنهادی.. ۶۶
  8. شکل ۵-۲- معماری عامل پیشنهادی.. ۶۷
  9. شکل ۵-۳- پنجره نظاره بر روی جریان داده ­ها.. ۶۸
  10. شکل ۵-۴- گراف ایجاد شده از روی رشته مفهوم­ها.. ۷۱
  11. شکل ۵-۵- محل تجمع الگوهای استخراج شده از رشته مفهوم­ها.. ۷۳
  12. شکل ۵-۶- میزان محاسبه شده احتمالها به ازای مقادیر مختلف K 81
  13. شکل ۵-۷- شبه کد Plan کلی عامل.. ۸۳
  14. شکل ۵-۸- نسبت واریانس به حاصلضرب ۵۰ متغیر دارای مجموع ثابت.. ۸۵
  15. شکل ۵-۹- وزن دهی چند داده مختلف.. ۸۶
  16. شکل ۵-۱۰- نمایی کلی از سیستم چندعامله ایجاد شده.. ۸۸
  17. شکل ۵-۱۱- معماری BDI عامل داده­کاو.. ۹۳
  18. شکل ۵-۱۲- بخشی از جریان داده و قواعد استخراج شده از آن.. ۹۹
  19. شکل ۵-۱۳- بخشی از جریان داده و قواعد استخراج شده از آن.. ۱۰۱
  20. شکل ۶-۱- کد نمونه برای استفاده از بسته نرم افزاری weka. 115
  21. شکل ۶-۲- زمان لازم بر حسب میلی ثانیه برای داده ­های Stagger .. 120
  22. شکل ۶-۳- زمان مصرف شده برای تطبیق طبقه­بند.. ۱۲۰
  23. شکل ۶-۴- نمودار مربوط به زمان پردازش روش های مختلف برای داده ­های HyperPlan 121
  24. شکل ۶-۵- زمان مصرف شده برای تطبیق طبقه­بند .. ۱۲۱
  25. شکل ۶-۶- نمودار مربوط به زمان پردازش روش های مختلف برای داده ­های Nursery 122
  26. شکل ۶-۷- زمان مصرف شده برای تطبیق طبقه­بند برای داده ­های Nursery 122
  27. شکل ۶-۸- عملکرد روش های مختلف بر روی مجموعه داده HyperPlan 124
  28. شکل ۶-۹- نمودار عملکرد روش های مختلف بر روی مجموعه داده HyperPlan در یک بازه کوچکتر ۱۲۴
  29. شکل ۶-۱۰- نمودار عملکرد روش های مختلف بر روی مجموعه داده HyperPlan در یک بازه کوچکتر ۱۲۵
  30. شکل ۶-۱۱- زمان مصرف شده برای تطبیق طبقه­بند برای داده ­های HyperPlan 125
  31. شکل ۶-۱۲- عملکرد روش های مختلف بر روی مجموعه داده Stagger .. 126
  32. شکل ۶-۱۳- زمان مصرف شده برای تطبیق طبقه­بند برای داده ­های Stagger 126
  33. شکل ۶-۱۴- عملکرد روش های مختلف بر روی مجموعه داده Nursery .. 127
  34. شکل ۶-۱۵- زمان مصرف شده برای تطبیق طبقه­بند برای داده ­های Nursery 127
  35. شکل ۶-۱۶- نمودار نتایج حاصل از طبقه ­بندی توزیع ­شده مجموعه داده Nursery 130

 

فهرست جدولها

 

  1. جدول ۱-۱- ویژگیهای یک عامل .. ۱۱
  2. جدول ۳-۱- ماتریس حاصل از روش LWClass. 51
  3. جدول ۳-۲- مقایسه تکنیکهای ذکر شده.. ۵۴
  4. جدول ۵-۱- ساختار اطلاعاتی ذخیره شده برای هر مفهوم و الگو.. ۶۹
  5. جدول ۵-۲- ساختار اطلاعاتی مربوط به وقوع الگوی “CFDA”.. 75
  6. جدول ۵-۳- نمونه ای از خروجی تابع سودمندی عامل.. ۸۱
  7. جدول ۵-۴- اطلاعات مورد استفاده برای تخمین سودمندی یک قاعده.. ۱۰۵
  8. جدول ۶-۱- دقت طبقه ­بندی روش های مختلف.. ۱۲۸
  9. جدول ۶-۲- نتایج حاصل از طبقه ­بندی توزیع شده مجموعه داده Nursery در سه مفهوم مختلف ۱۳۰

 

 

فصل اول

 

معرفی و آشنایی با مفاهیم اولیه

 

فصل اول

 

معرفی و آشنایی با مفاهیم اولیه

 

۱-۱- مقدمه­ای بر داده ­کاوی

داده ­کاوی به معنای یافتن نیمه خودکار الگوهای پنهان موجود در مجموعه داده ­های[۵] موجود می­باشد[۳۸]. داده ­کاوی از مدلهای تحلیلی ، کلاس بندی و تخمین و برآورد اطلاعات و ارائه نتایج با بهره گرفتن از ابزارهای مربوطه بهره می گیرد. می­توان گفت که داده کاوی در جهت کشف اطلاعات پنهان و روابط موجود در بین داده ­های فعلی و پیش ­بینی موارد نامعلوم و یا مشاهده نشده عمل می­ کند. برای انجام عملیات داده ­کاوی لازم است قبلا روی داده ­های موجود پیش­پردازشهایی انجام گیرد. عمل پیش پردازش اطلاعات خود از دو بخش کاهش اطلاعات و خلاصه­سازی و کلی­سازی داده ­ها تشکیل شده است. کاهش اطلاعات عبارت است از تولید یک مجموعه کوچکتر، از داده ­های اولیه، که تحت عملیات داده ­کاوی نتایج تقریبا یکسانی با نتایج داده ­کاوی روی اطلاعات اولیه به دست دهد[۳۸]. پس از انجام عمل کاهش اطلاعات و حذف خصایص غیر مرتبط نوبت به خلاصه­سازی و کلی­سازی داده ­ها می رسد. داده ­های موجود در بانک­های اطلاعاتی معمولا حاوی اطلاعات در سطوح پایینی هستند، بنابراین خلاصه­سازی مجموعه بزرگی از داده ­ها و ارائه آن به صورت یک مفهوم کلی اهمیت بسیار زیادی دارد. کلی­سازی اطلاعات، فرایندی است که تعداد زیادی از رکوردهای یک بانک اطلاعاتی را به صورت مفهومی در سطح بالاتر ارائه می نماید. خود روش های داده ­کاوی به سه دسته کلی تقسیم می­شوند که عبارتند از خوشه­بندی، طبقه ­بندی و کشف قواعد وابستگی. در ادامه هر یک از این روشها را بطور کلی معرفی می­نماییم.

 

۱-۱-۱- خوشه­بندی

فرایند خوشه­بندی سعی دارد که یک مجموعه داده را به چندین خوشه­ تقسیم نماید بطوریکه داده ­های قرار گرفته در یک خوشه با یکدیگر شبیه بوده و با داده ­های خوشه ­های دیگر متفاوت باشند. در حال حاضر روش های متعددی برای خوشه­بندی داده ­ها وجود دارد که بر اساس نوع داده ­ها، شکل خوشه ­ها، فاصله داده ­ها و غیره عمل خوشه­بندی را انجام می­دهند. مهمترین روش های خوشه­بندی در زیر معرفی شده ­اند:

  • روش های تقسیم­بندی : روش های خوشه­بندی که بروش تقسیم بندی عمل می­ کنند، داده ­های موجود در یک مجموعه داده را به k خوشه تقسیم می­ کنند، بطوریکه هر خوشه دو خصوصیت زیر را داراست :
    • هر خوشه یا گروه حداقل شامل یک داده می­باشد.
    • هر داده موجود در مجموعه داده دقیقا به یک گروه یا خوشه تعلق دارد.

معیار اصلی در چنین مجموعه داده ­هایی میزان شباهت داده ­های قرار گرفته در هر خوشه می­باشد. در حالیکه داده ­های قرار گرفته در دو خوشه مختلف از نظر شباهت با یکدیگر فاصله زیادی دارند. مقدار k که بعنوان پارامتر استفاده می­گردد، هم می ­تواند بصورت پویا تعیین گردد و هم اینکه قبل از شروع الگوریتم خوشه­بندی مقدار آن مشخص گردد.

 

  • روش های سلسله مراتبی : روش های سلسله مراتبی به دو دسته کلی روش های bottom-up و روش های top-down تقسیم می­گردند. روش های سلسله مراتبی bottom-up به این صورت عمل می­ کنند که در شروع هر کدام از داده ­ها را در یک خوشه جداگانه قرار می­دهد و در طول اجرا سعی می­ کند تا خوشه ­هایی نزدیک به یکدیگر را با هم ادغام نماید. این عمل ادغام تا زمانی که یا تنها یک خوشه داشته باشیم و یا اینکه شرط خاتمه برقرار گردد، ادامه می­یابد. روش های top-down دقیقا بطریقه عکس عمل می­ کنند، به این طریق که ابتدا تمام داده ­ها را در یک خوشه­ قرار می­دهد و در هر تکرار از الگوریتم، هر خوشه به خوشه ­های کوچکتر شکسته می­شود و اینکار تا زمانی ادامه می­یابد که یا هر کدام از خوشه ­ها تنها شامل یک داده باشند و یا شرط خاتمه الگوریتم برقرار گردد. شرط خاتمه معمولا تعداد کلاستر یا خوشه می­باشد.

 

  • روش های مبتنی بر چگالی : اکثر روش های خوشه­بندی که بروش تقسیم­بندی عمل می­ کنند معمولا از تابع فاصله بعنوان تابع معیار خود بهره می­برند. استفاده از چنین معیاری باعث می­گردد که الگوریتم خوشه­بندی تنها قادر به ایجاد خوشه ­هایی با اشکال منظم باشد. در صورتیکه اگر خوشه ­های واقعی در داده ­ها دارای اشکال غیرمنظمی باشند، این الگوریتم­ها در خوشه­بندی آنها با مشکل مواجه می­گردند. برای حل اینگونه مشکلات یکسری از روشها برای خوشه­بندی پیشنهاد گردیده­اند که عمل خوشه­بندی را بر مبنای چگالی داده ­ها انجام می­دهند. ایده اصلی در این روشها بر این اساس است که خوشه ­ها تا زمانی که داده ­های قرار گرفته همسایگی خوشه ­ها از حد معینی بیشتر باشد، رشد می­ کنند و بزرگ می­شوند. چنین روش هایی قادرند خوشه ­هایی با شکلهای نامنظم نیز ایجاد نمایند.

البته دسته دیگری از روش های خوشه­بندی مانند روش های مبتنی بر گرید، روش های مبتنی بر مدل و … وجود دارند که می­توانید آنها را در ]۳۸[ مطالعه نمایید.

 

۱-۱-۲- کشف قواعد وابستگی

بحث قواعد وابستگی به مقوله کشف عناصری یا المان­هایی در یک مجموعه داده می ­پردازد که معمولا با یکدیگر اتفاق می­افتند و بعبارتی رخداد آنها بنوعی با یکدیگر ارتباط دارد. بطور کلی هر قاعده یا rule که از این مجموعه داده­ بدست می­­آید، دارای شکل کلی بصورت  می­باشد که نشان می­دهد چنانچه الگوی X اتفاق بیفتد، با احتمال بالایی الگوی Y نیز اتفاق خواهد افتاد. برای مطالعه بیشتر در مورد مقوله کشف قواعد وابستگی می­توانید به ]۳۸[ مراجعه نمایید.

 

۱-۱-۳- طبقه ­بندی

فرایند طبقه ­بندی در واقع نوعی یادگیری با ناظر می­باشد که در طی دو مرحله انجام می­گردد. در مرحله اول مجموعه ­ای از داده ­ها که در آن هر داده شامل تعدادی خصوصیت دارای مقدار و یک خصوصیت بنام خصوصیت کلاس می­باشد، برای ایجاد یک مدل داده بکار می­روند که این مدل داده در واقع توصیف کننده مفهوم و خصوصیات مجموعه داده ­هایی است که این مدل از روی آنها ایجاد شده است. مرحله دوم فرایند طبقه ­بندی اعمال یا بکارگیری مدل داده ایجاد شده بر روی داده ­هایی است که شامل تمام خصوصیات داده ­هایی که برای ایجاد مدل داده بکار گرفته­ شده ­اند، می­باشد، بجز خصوصیت کلاس این مقادیر که هدف از عمل طبقه ­بندی نیز تخمین مقدار این خصوصیت می­باشد.

الگوریتم­ها و روش های مختلفی برای طبقه ­بندی تاکنون پیشنهاد شده ­اند که برای مثال می­توان از روش های طبقه ­بندی با بهره گرفتن از درخت تصمیم، طبقه ­بندی بیزین، SVM ، طبقه ­بندی با بهره گرفتن از شبکه ­های عصبی، طبقه ­بندی مبتنی بر قواعد و … ]۵۶[ نام برد. در اینجا ما قصد نداریم وارد مباحث مربوط به الگوریتم­ها و روش های طبقه ­بندی شویم و تنها روش طبقه ­بندی مبتنی بر قواعد را بدلیل استفاده از آن در فاز دوم پروژه در اینجا معرفی خواهیم نمود. در صورت نیاز به مطالعه بیشتر می­توانید به فصل ششم مرجع ]۳۸[ مراجعه نمایید.

 

(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)

تعداد صفحه :۱۵۷

قیمت : ۱۴۷۰۰تومان

بلافاصله پس از پرداخت لینک دانلود فایل در اختیار شما قرار می گیرد

و در ضمن فایل خریداری شده به ایمیل شما ارسال می شود.

پشتیبانی سایت :               [email protected]

در صورتی که مشکلی با پرداخت آنلاین دارید می توانید مبلغ مورد نظر برای هر فایل را کارت به کارت کرده و فایل درخواستی و اطلاعات واریز را به ایمیل ما ارسال کنید تا فایل را از طریق ایمیل دریافت کنید.

 

[add_to_cart id=154822]

—-

پشتیبانی سایت :       

*