ویژگی های مدیریت دانش و پیچیدگی در پیاده سازی آن به دلیل نقش کلیدی نیروی انسان در آن باعث شده است، سازمان ها توجه خاص به آن داشته باشند. به همین دلیل بسیاری از سازمان ها در پیاده¬سازی مدیریت دانش با شکست مواجه شده اند. بررسی عوامل کلیدی موفقیت به سازمان ها کمک می کند تا ریسک شکست آنها کمتر شود. با توجه به اینکه نیروی انسانی از طرفی یکی از مهم ترین منابع سازمان بوده و از طرف دیگر مهم ترین عنصر در مدیریت دانش می باشد، لذا، در این مقاله برای دستیابی به موفقیت در پیاده سازی مدیریت دانش، بر روی این عامل بعنوان عاملی کلیدی تمرکز شده است. این تحقیق به روش شبیه سازی انجام شده است. در این تحقیق ابتدا با استفاده از روش مطالعه کتابخانه ای و بررسی نظرات محققین مختلف سعی شده است ابعاد و عوامل کلیدی موفقیت هر بعد تعیین شود. سپس به ارائه چارچوب مورد نظر در راستای تقویت نیروی انسانی برای پیاده سازی موفق مدیریت دانش با استفاده از روش شبیه¬سازی پرداخته شده است. برای این کار از مدل طراحی شده توسط آقای الیوت رچ به عنوان مدل پایه استفاده شده است.

جستجو و پیدا کردن مجموعه آیتم های تکراری نقش مهمی در داده کاوی بر اساس قوانین انجمنی یا وابستگی متغیرها به یکدیگر ایفا می کند. دریک مجموعه داده که به صورت مجموعه ای از آیتم ها و به صورت تراکنشی ذخیره شده یک آیتم می تواند معانی مختلفی داشته باشد، کاوش قوانین پیوند یکی از روش های کلیدی و مهم در داده کاوی بدون نظارت است. یکی از مباحثی که امروزه در این قوانین مورد تحقیق قرار می گیرد یافتن آیتم های تکراری وزن دار است کاهش زمان اجرای الگوریتم ها و در نتیجه کاهش تعداد آیتم های تکراری یکی از مسائل مورد تحقیق است و در این تحقیق قصد آن داریم با ارائه روش هایی به کاهش زمان اجرای الگوریتم و کاهش تعداد آیتم های تولیدشده بپردازیم تمامی این روش ها بر روی الگوریتم wit-fwi صورت می گیرد. در ابتدا به بیان الگوریتم کلاسیک apriori، wit-wfi، wit -diff و در نهایت به بیان و تشریح روش های پیشنهادی خود و همچنین ارزیابی روش های پیشنهادی خود با سایر الگوریتم ها و روش ها خواهیم پرداخت.

امروزه محاسبات ابری خدمات فناوری اطلاعات زیادی را برای کاربران در سراسر جهان ارائه می دهد . در قبال هزینه هایی که کاربران در سیستم کسب و کار وب پرداخت می کنند، میزبانان مراکز داده ، خدماتی را انجام می دهند.افزایش تقاضا منجر به افزایش خدمات ودر نتیجه ایجاد مراکز داده محاسباتی با مقیاس بزرگ شده که علاوه برهزینه های عملیاتی بالا،مقادیر عظیمی از توان الکتریکی را مصرف می کند.از طرفی سیستم های خنک کننده ناکافی و ناکارآمد،نه تنها باعث گرم شدن بیش ازحد منابع وکاهش عمرکاری دستگاه ها می شود،بلکه باعث تولید کربن شده که در اثر گلخانه ای و وضعیت آب و هوا نقش مهمی دارد واین باعث شد رفته رفته مبحثی بنام محاسبات ابری سبز ظهور کند. محاسبات ابری سبز نه تنها باعث حداقل شدن هزینه های عملیاتی شده،بلکه به کاهش اثرات زیست محیطی کمک می کند. به همین علت بایدبه دنبال یک چهارچوب معماری و اصول کارآمد وتخصیص الگوریتم هایی برای مدیریت انرژی درمحاسبات ابری باشیم.دراینجا ما یک روش موثر مدیریت منابع انرژی در مراکز داده ابری مجازی شده ارائه کردیم که علاوه بر کاهش مصرف انرژی و هزینه های عملیاتی ،باعث افزایش کیفیت خدمات نیز شده و این کار در مراکز داده و با به کارگیری فناوری های یکپارچه سازی ماشینهای مجازی مطابق بابهره برداری فعلی ازمنابع، توپولوژی های شبکه مجازی برقرارشده بین ماشینهای مجازی و حالت گرمایی نودهای محاسباتی حاصل می شود. نتایج نشان می دهد که مدل محاسبات ابری پتانسیل فوق العاده ای وصرفه جویی قابل توجهی در هزینه دارد.