پویاسازی خوشه بندی مشتریان با استفاده از روش DEA-DA در بستر شبکه عصبی مصنوعی SOM

Authors

سعید یوسفی کارشناسی ارشد مدیریت صنعتی دانشگاه علامه طباطبایی

علی بنیادی نائینی استادیار دانشکده مهندسی پیشرفت، دانشگاه علم و صنعت ایران

محمدعلی فائضی راد دانشجوی دکتری مدیریت تحقیق در عملیات، دانشگاه فردوسی مشهد

Abstract:

چکیدهامروزه ارزیابی مشتریان برای ارائه خدمات مناسب یکی از مهم ترین چالش های مدیران و تصمیم گیرنددگان درسازمانهای مختلف است. در سازمانهای مختلف گاه با توجه به حجم سنگین تقاضای مشتریان پاسخ گدویی بدهنیازهای تمامی آنان امکان پذیر نیست و از سدوی دیگدر ایدن مشدتریان بده عندوان سدرمایه هدای سدازمان ها قلمددادمی شوند. این موضوع هدفمند نمودن مطالعده بدر روی گدرو ه هدای مختلدف مشدتریان در بازارهدای رقدابتی را بدااهمیت کرده است. یکی از شیوه های کارآمد برای مطالعه مشتریان و ارائه خدمات بهینده بده آندان، گدروه بنددیبازار و خوشه بندی مشتریان در آن است. در این پژوهش به منظور هدفمند نمدودن ارائده خددمات بده مشدتریان،ابتدا به کمک تکنیک شبکه عصبی SOM مشتریان در خوشه هایی متناسب دسته بندی می شوند تا بتدوان بدرایهر مشتری با توجه به خوشه آن به ارائه خدمات مناسب پرداخت. سپس بدا مددل ارائده داده شدده در ایدن مقالدهمی توان عضویت مشتری جدید در خوشه متناسب را با استفاده از تکنیدک DEA-DA پدیش بیندی کدرد. ایدنمدل، فرآیند خوشه بندی پویا را برای سازمان رقم می زند تا به وسیله آن در هر لحظده بتدوان مشدتریان جدیدد راارزیابی نموده و خوشه متناسب آنها را با دقت مناسبی تعیین کرد.

Upgrade to premium to download articles

Already have an account?login

similar resources

پویاسازی خوشه بندی مشتریان با استفاده از روش dea-da در بستر شبکه عصبی مصنوعی som

full text

خوشه بندی و غربالگری سرطان پستان بر اساس تصاویر حرارتی با استفاده از ترکیب شبکه ی عصبی SOM و MLP

مقدمه: سرطان پستان یکی از شایع ترین سرطان ها بین بانوان می باشد. با توجه به اهمیت غربالگری سرطان پستان و نقش آن در شناسایی به موقع بیماران و همچنین کاهش هزینههای درمان، جزو اولویت های بهداشتی یک کشور قرار می گیرد.تصویربرداری حرارتی به دلیل سرعت عملکرد در تشخیص و عدم تابش پرتو مضرر می تواند در این مرحله از جایگاه ویژه ای برخوردار می باشد. موارد و روش ها : در روش ارایه شده سعی شده است از هوش...

full text

خوشه بندی مشتریان بانک با استفاده از شبکه های عصبی رقابتی

بخش بندی مشتریان، فرصتی برای توجه به نیازهایی است که در پرتو بازاریابی انبوه مجالی برای ابرازشان نبوده است. هدف اولیه ی بخش بندی یافتن و حفظ مشتریانی است که قصد ارائه ی خدمت به آن ها را داریم. در این پژوهش خوشه بندی مشتریان بانک با استفاده از شبکه های عصبی مصنوعی رقابتی و روش های آماری سنتی با یکدیگر مقایسه شده اند. برای خوشه بندی مشتریان، 7 مشخصه ی کلیدی 600 مشتری از مشتریان یک بانک استخراج شد...

full text

خوشه بندی با استفاده از شبکه های عصبی مصنوعی

خوشه بندی یکی از روش های اصلی تحلیل داده است. از این روش به صورت گسترده ای برای تشخیص الگو، استخراج ویژگی ها، مجزا سازی تصاویر، تخمین تابع و داده کاوی استفاده می شود. خوشه بندی به عنوان یک روش دسته بندی غیر نظارتی، برخی از ساختارهای ذاتی موجود در مجموعه ای از اشیاء را بر اساس تشابه در سنجش مشخص می کند . در این پایان نامه مفهوم های اساسی مرتبط با خوشه بندی، روش های خوشه بندی سلسله مراتبی تقسیم...

15 صفحه اول

تخمین ضریب تبدیل شلتوک با استفاده از شبکه های عصبی مصنوعی در خشک کردن بستر سیال

The objective of this research was to predict head rice yield (HRY) in fluidized bed dryer using artificial neural network approaches. Several parameters considered here as input variables for artificial neural network affect operation of fluidized bed dryers. These variables include: air relative humidity, air temperature, inlet air velocity, bed depth, initial moisture content, final moisture...

full text

تخمین ضریب تبدیل شلتوک با استفاده از شبکه های عصبی مصنوعی در خشک کردن بستر سیال

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}

Journal title

مطالعات مدیریت صنعتی

volume 14 issue 40

pages 165- 187

publication date 2016-05-21

unfollow

{@ msg @}

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

خوشه بندی صفحه متمایز کننده DA تحلیل پوششی داده ها DEA شبکه های عصبی مصنوعی نگاشت خودسازمان ده SOM

Hosted on Doprax cloud platform doprax.com