گربه ها و دیگر گربه سانان میزبان نهایی بسیاری از انگل های روده ای هستند، که بعضی از آنها باعث بیماری های زئونوز می شوند. در این مطاالعه، میزان آلودگی انگل های تک یاخته ای در گربه های ولگرد شهر کرمان، در یک محدوده زمانی نه ماهه در خلال دی ماه سال 1390 تا اواسط شهریور سال 1391 بررسی شد. تشخیص آلودگی بر اساس آزمایش های مدفوعی صورت گرفت. تعداد 100 گربه ولگرد در سه گروه سنی، 1>، 3-1 سال و 3< با تله گذاری از نقاط مختلف شهر کرمان جمع آوری شد.تعداد 100 نمونه مدفوع توسط چهار روش شناورسازی با محلول شکر اشباع، روش رسوبی فرمالین- اتر، رنگ آمیزی ذیل- نلسون و رنگ آمیزی تری کروم آنالیز گردید. به طور کلی میزان آلودگی به انگل های تک یاخته ای 67 درصد تشخیص داده شد. بیشترین میزان آلودگی مشاهده شده مربوط به انگل ایزوسپورا فیلیس ( در 38 مورد) بود. و همچنین در این بررسی انگل های ایزوسپورا ریولتا (در 25 مورد)، توکسوپلاسما گوندی (در 16 مورد)، گونه های سارکوسیستیس (در 8 مورد)، کریپتوسپوریدیوم پارووم (در 7 مورد ) و گونه های ژیاردیا (در 5 مورد) نیز تشخیص داده شدند. در این بررسی، رابطه معنی داری بین آلودگی انگل های تک یاخته ای با جنس و سن مشاهده نشد. تنها رابطه بین شیوع انگل ایزوسپورا فیلس با سن از نظر آزمون آماری معنی دار بود. بعضی از انگل های زئونوز که در این مطالعه مشاهده شد، به عنوان یک عامل خطر برای بهداشت عمومی مطرح می شوند و به کار بردن روش هایی برای کنترل و جلو گیری از شیوع این انگل ها به منظور کاهش آلودگی محیط زیست ضروری است.

امروزه، با پیشرفت تکنولوژی و پیچیده تر شدن فرآیندهای کسب وکار، روش های انجام و در نتیجه شناسایی کلاهبرداری ها نیز به مراتب پیچیده تر شده اند. با توجه به حجم عظیم داده های موجود در بانک ها، ردیابی عملیات های مجرمانه حتی با در نظر گرفتن منابع انسانی بسیار به صورت دستی امکان پذیر نیست و نیاز به ابزارهای جدید در این زمینه دارد. در سال های گذشته ثابت شده است که ابزارهای داده کاوی نسبت به روش¬های آماری از کارایی قابل توجهی به خصوص در حوزه مالی برخوردارند. در این تحقیق، با ارائه روشی شامل ابزار های مختلف داده کاوی به بررسی شناسایی کلاهبرداری در کارت های اعتباری پرداخته شده است. روش پیشنهادی این تحقیق، شامل سه بخش عمده انتخاب مشخصه های مهم، تعیین استراتژی بهینه نمونه برداری و مدل سازی حساس به هزینه می باشد. در بخش نخست از روش پیشنهادی، از الگوریتم ژنتیک برای تعیین مشخصه های مهم استفاده شده است. در ادامه، با استفاده از روشی مبتنی بر طراحی آزمایش ها نسبت بهینه هر یک از دسته ها برای انجام نمونه برداری تعیین شده است. در بخش مدل سازی نیز از روش درخت تصمیم c4.5 حساس به هزینه به عنوان دسته بند پایه در الگوریتم آدابوست استفاده شده است. در پایان، با استفاده از یک مجموعه داده واقعی نشان داده شده است که روش پیشنهادی تحقیق با حداقل 14 درصد کاهش هزینه دسته بندی اشتباه نتیجه بهتری نسبت به روش های درخت تصمیم، بیزی ساده، شبکه بیزی، شبکه عصبی و سیستم ایمنی مصنوعی داشته است.