با رشد سریع سیستم های فراگیر و شبکه های بی سیم و تلفن همراه، کاربردهایی که در آن گروهی از کاربران سیار نیاز به تصمیم گیری دارند، اهمیت زیادی پیدا کرده اند. اگر اعضای گروه بخواهند از بین مکان های متعدد مثلاً در سطح یک شهر، یک یا چند مکان را انتخاب نمایند که در مجموع کمترین فاصله را با مکان فعلی اعضاء داشته باشند، ممکن است سیستم نقاطی را برگرداند که با نظرات اعضای گروه همخوانی نداشته باشد. در واقع مفهوم فاصله در دنیای واقعی ذاتاً با عدم قطعیت همراه است. هیچ تعریف دقیق و پذیرفته شده ای برای کلمه ای مانند نزدیک وجود ندارد و افراد مختلف ادراک ها و باورهای متفاوتی درباره واژه ها دارند. علاوه بر آن ترجیحات افراد نیز متفاوت بوده و ممکن است برای یک عضو گروه، فاصله جغرافیائی تا نقطه مورد نظر مهم باشد و عضوی دیگر کوتاه بودن زمان لازم برای رفتن به آن نقطه را ترجیح دهد و عضو سومی نیز باشد که به هر دو جنبه اهمیتی نسبی بدهد. عوامل فوق به زمینه مکانی کاربر بستگی دارند و در واقع ادراک هر فرد از مکان و زمان و سایر جنبه های فاصله، ممکن است بر حسب زمینه و شرایط مکانی فعلی او تغییر کند. چنین نیازهای پیچیده ای را نمی توان با استفاده از مدل های کلاسیک و تک جنبه ای فاصله مانند مدل اقلیدسی برآورده نمود. بنابراین مدلی برای فاصله لازم است که محدود به یک جنبه نباشد و نیز بتواند عدم قطعیت حاصل از تفاوت ادراک فاصله بین افراد را که تحت تاثیر زمینه مکانی آنهاست، به حساب آورد تا نتایجی که با بکارگیری این مدل فاصله در کاربردهایی مانند پرس وجوهای مکانی برگردانده می شود متناسب با زمینه مکانی فرد و گروه و ترجیحات آنها باشد. در این تحقیق ابتدا مدلی از فاصله گروهی ارائه شده است که سه جنبه مهم از ادراک انسان نسبت به فاصله شامل جنبه های مکانی، زمانی و اقتصادی را دربرداشته و عدم قطعیت مرتبه بالای آن ها نیز با استفاده از منطق فازی نوع2 بازه ای مدلسازی می شود. سپس این مدل در حوزه کاربرد پرس وجوهای نزدیک ترین همسایه گروهی با دو رهیافت متفاوت بکارگیری شده و با معیارهای متعدد ارزیابی گردیده است. نتایج این ارزیابی نشان می دهد که مدل پیشنهادی می تواند میزان رضایت گروه از نظر مرتبط بودن نتایج با ادراکات اعضای گروه نسبت به جنبه های مختلف فاصله و همچنین ترجیحات مختلف افراد نسبت به این جنبه ها را بطور چشمگیر افزایش می دهد. همچنین روش مدیریت قطعیت پیشنهادی توانسته است حساسیت سیستم را نسبت به جابجایی مکان کاربران سیار کاهش دهد و از محاسبات مکرر و غیرضروری جلوگیری نماید. روش توسعه یافته پیشنهادی مبتنی بر ناحیه بندی فضای جستجو با خوشه بندی فازی و موزائیک بندی مکانی برای اجرای پرس وجوهای گروهی نیز بهبود کارآیی قابل توجهی را نشان داده است تا بکارگیری مدل فاصله چندجنبه ای با توجه به محدودیت های پردازشی در سیستم های سیار امکان پذیر باشد.

تاکنون محققان زیادی اقدام به بهبود و توسعه ی سیستم تشخیص هویت بیومتریک از طریق الگوی عنبیه نمودند به گونه ای که امروزه شاهد گسترش این سیستم و افزایش دقت آن هستیم. به طور خلاصه حذف پاره ای از نویزهای موجود در تصاویر ورودی، افزایش سرعت و قابلیت اعتماد سیستم در روند شناسایی افراد از جمله اهدافی هستند که سعی در دستیابی به آن ها شده است. توسط فیلتر میانه با قاب افقی، وجود نویزهایی از قبیل مژه ها برطرف شده که این امر سبب شد تا محدوده ی بیشتری از تصویر عنبیه به منظور شناسایی قابل استفاده باشد. به کمک شبکه های عصبی مصنوعی تصاویر در دسته های مختلفی طبقه بندی شدند که هر دسته نشان دهنده ی یک فرد ثبت شده در سیستم است. جهت افزایش دقت سیستم، الگوریتم های مختلفی به عنوان تابع آموزشی شبکه عصبی مورد استفاده قرار گرفتند که با ارزیابی نتایج هر کدام، به میزان بسیار مناسبی، دقت افزایش یافته است. استفاده ی همزمان از توابع آموزشی مختلف درعین حال که سبب افزایش دقت خواهد شد، باعث کاهش سرعت سیستم در شناسایی افراد می گردد که این مشکل با بهره گیری از موازی سازی از طریق پردازنده اصلی و پردازنده کارت گرافیک مرتفع گردید. تقسیم بار محاسباتی سیستم در امر طبقه بندی، بین پردازنده اصلی و پردازنده ی کارت گرافیک سبب شد تا از منابع موجود بیش ترین استفاده برده شده و حداکثر کارایی بدست آید. در ارزیابی سیستم و مقایسه ی نتایج حاصل و زمان سپری شده در شناسایی هر فرد، با سیستم های موجود و روش های ارائه شده، دقت 100درصد در شناسایی (با توجه به داده های مورد آزمایش) و سرعت 1/1 ثانیه در شناسایی هر فرد به دست آمد که نسبت به سیستم های پیاده سازی شده دقت و سرعت خوبی را نشان می دهد.

مدیریت، مهم ترین عامل در حیات، رشد و بالندگی یا نابودی تیم های کاری است. واگذاری امور به دست مدیرانی ضعیف، نه تنها باعث عقب ماندگی آن مجموعه، بلکه موجب می شود رقبا و واحدهای مختلفی که دارای تولید یکسان یا خدمات مشابه می باشند بازار را در دست گرفته و آن مجموعه شروع به ورشکستگی یا خروج از بازار نماید. بیشتر سازمان ها از کمبود روشی برای انتخاب مدیر مناسب رنج می برند. در این پژوهش سعی شده است تا به انتخاب شایسته ترین فرد به عنوان مدیر از بین اعضای یک تیم کاری نرم افزاری پرداخته شود. کارهای قبلی تنها شامل چارچوبی است که در آن به تاثیر شخصیت و ویژگی شناختی افراد بر سطح مدیریت پرداخته و هیچ گونه شبیه سازی کامپیوتری ندارد. در این پژوهش با استفاده از منطق فازی، ویژگی های شخصیتی، هیجانی و شناختی محاسباتی شده اند و با قوانین فازی معتبر، مناسب ترین مدیر انتخاب شده است. شبیه سازی در یک محیط چند عاملی انجام شده است. نتایج نشان می دهند که مدیر انتخاب شده معتبر است و مورد تایید سازمان مورد مطالعه قرار گرفته است. مدیر انتخابی توسط سیستم، از نظر مدیر ارشد گروه شایسته مدیریت است، همچنین نتایج انتخاب رهبر با نتایج بدست آمده از مدل یای ونگ همخوانی دارد.

فرایند تصمیم گیری و رفتار خرید مشتری مسئله پیچیده ای است که دانشمندان علاقمند به کشف آن هستند. عامل های هوشمند نیز به عنوان ابزاری برای حل این مسئله به کار گرفته می شوند. مدل سازی مبتنی بر عامل یک متد محاسباتی و تحلیلی جدید می باشد که امروزه در بسیاری از زمینه های مطالعاتی برای بهبود نتایج پردازش بکار می رود. یکی از زمینه های پرکاربرد سیستم های چند عاملی، مدل سازی و شبیه سازی اجتماعی است. اما آنچه که اکنون در حوزه مدل سازی عامل ها به عنوان یک چالش مطرح است چگونگی توانمند کردن عامل ها به منظور تصمیم گیری شبیه انسان است. آنچه مشخص است مدل سازی عامل ها به منظور رفتار شبیه انسان بدون در نظر گرفتن فاکتورهای عاطفی نظیر احساس که عمیقاً بر تصمیم گیری انسان تاثیر گذار است، چندان راهگشا نیست. تحقیقات نشان می دهد که احساس در مراحل مختلف تصمیم گیری مشتری تاثیر گذار است. تجربه و ابراز احساسات بخش جدایی ناپذیر از زندگی ما هستند و در رفتار خرید مشتری نیز نقش بنیادی را بازی می کنند. هدف اصلی این تحقیق، بررسی رفتار خرید مشتری بر اساس فاکتور احساس می باشد. در واقع در این پژوهش بررسی شده که در فرایند تصمیم گیری مشتری احساسات چه نقشی دارند و احساسات مختلف چگونه فرایند خرید را تحت تاثیر قرار می دهند. برای این منظور ابتدا احساسات تاثیر گذار در فرایند خرید مورد بررسی قرار گرفته و سپس از ساختار occ جهت مدل سازی این احساسات استفاده شده است. جهت مدل سازی از ساختار سیستم های چند عاملی استفاده می شود، در این ساختار عامل ها می توانند با یکدیگر در تعامل بوده و از کالاهای موجود در بازار و کالاهایی که در اختیار دیگر عامل های خریدار و فروشنده قرار دارند مطلع شوند؛ سپس با توجه به احساسات جاری عامل های خریدار، نیازی در عامل ها تحریک شده که می تواند منجر به خرید گردد. برای پیاده سازی مدل ذکر شده از نرم افزار ریپست سیمفونی که یک نرم افزار برای توسعه سیستم های چند عاملی و شبیه سازی اجتماعی است، استفاده شده است. پس از پیاده سازی مدل، صحت تئوری ارائه شده با استفاده از آزمایشاتی بررسی شده و نهایتاً جهت جمع آوری داده های واقعی با توجه به کمبود داده ها در این زمینه، با استفاده از پرسشنامه اطلاعات و رفتار مشتری مبتنی بر احساسات مورد بررسی قرار گرفته شده است و درستی نتایج را بررسی شده و نقش احساسات در فرایند خرید را ارائه شده است.

صنعت گردشگری به عنوان یکی از مهمترین صنایع امروز جهان، نقش عمده ای در بهبود وضعیت اقتصادی و توسعه ی پایدار کشورها دارد و از سوی کارشناسان، مدیران و برنامهریزان کشورهای مختلف مورد توجه قرار گرفته است. مطالعات آماری نشان می دهد تأثیر اقتصادی این صنعت به حدی قابل ملاحظه است که 9 درصد از تولید ناخالص داخلی در سطح جهانی را شامل می شود. در عصر جدید فناوری اطلاعات و ارتباطات با توجه به افزایندگی عملکرد، سرعت عمل و کاهش هزینه ها در عرصه های مختلف مورد توجه قرار گرفته است. یکی از این عرصه ها صنعت گردشگری است. بنابرین متخصصین این صنعت با توجه به شناخت وآگاهی ویژه خود، اذعان دارند که توسعه گردشگری بدون بهبود و توسعه زیرساختها به هیچ عنوان میسر نمیگردد. فناوری اطلاعات و ارتباطات از زیرساخت های مهم این صنعت است. بنابراین هدف این پژوهش بررسی نقش فناوری اطلاعات و ارتباطات در توسعه پایدارگردشگری است. این پژوهش از نظر روش، "توصیفی- پیمایشی" و از نظر هدف، کاربردی است. جامعه ی آماری مشتمل بر کارکنان بنگاه تورگردان شهر اصفهان را در بر می گیرد. روش نمونه گیری سرشماری می باشد و ابزار گردآوری اطلاعات، پرسشنامه محقق ساخته است، که شامل 15 سوال اصلی ونیز 4 سوال عمومی است. پایایی پرسشنامه ها با استفاده از ضریب آلفای کرونباخ بررسی شد که مورد پذیرش قرار گرفت. تجزیه و تحلیل داده ها با استفاده از فراوانی پاسخ ها و آمار اکتشافی متغیرها انجام شد. در پرسش نخست، پذیرش فناوری اطلاعات و ارتباطات در بنگاه های تورگردان مورد بررسی قرار گرفت. در این میان برای رزرو هتل هنوز از وسایل و امکانات جدیدتر، استفاده کمی می شود و در مورد پرسش دوم، تاثیر فناوری اطلاعات و ارتباطات در بنگاه های تورگردان بررسی شد. نتایج نشان می دهد که این فناوری توانسته تاثیرات زیادی بر این بنگاه ها بگذارد، ولی هنوز نتوانسته باعث کاهش چشمگیر مراجعه حضوری دفاتر خدمات مسافرتی برای رزرو بلیت و هتل باشد.

کسب دانش از داده های مربوط به بیماران نفریت لوپوسی می تواند کمک زیادی به ایجاد یک طرح درمانی مناسب باشد. درسه دهه اخیر،تکنیک های داده کاوی دراستخراج دانش والگوهای مخفی موجوددرپایگاه داده ها به طور قابل توجهی موفقبوده اند. ماشین بردار پشتیبان یکی از موفق ترین تکنیک های داده کاوی دراین زمینه به شمارمی رود که درکاربردهای متنوعی به کار گرفته شده است. باوجود برتری کارآیی درماشین بردار پشتیبان،یک عیب بزرگ دراین تکنیک وجودداردوروشی که این تکنیک برای یادگیری الگوهااز داده ها به کار می برد برای کاربر قابل درک نیست درنتیجه این تکنیک یک توضیح قابل درک برای دانش های یاد گرفته شده فراهم نمی کند. این مشکل باعث شده است در برخی از کاربردهای عملی به خصوص درحوزه هایی مثل تشخیص و پیش بینی پزشکی از این روش استفاده نشود. استخراج قواعد از ماشین بردار پشتیبان، ایده به دست آوردن قواعد ازمدل به جای استخراج مستقیم آن هاازداده هااست. بنابراین ازاین طریق یک توضیح از الگوهای یاد گرفته شده و تعبیه شده درساختارماشین بردار پشتیبان آشکار شده و به کاربران در یک شکل قابل درک ارائه می شود. در این پایان نامه یک روش پیشنهادی برای استخراج قواعد فازی از ماشین بردار پشتیبان برای کمک به درمان بیماری نفریت لوپوسی ارائه می شود. در روش پیشنهادی ابتدا ویژگی های تأثیرگذار با معیار نفع اطلاعات از مجموعه داده بیماران انتخاب می شوند. پس از این ماشین بردار پشتیبان آموزش می بیند و استخراج قواعد از بردارهای پشتیبان صورت می گیرد. در مرحله بعد قواعد به دست آمده به قواعد فازی تبدیل می شوند که این مرحله با استفاده از الگوریتم رقابت استعماری انجام می شود تا مجموعه های فازی به دقت تنظیم شوند. ارزیابی روش پیشنهادی روی مجموعه داده بیماران نفریت لوپوسی که در طی این پژوهش جمع آوری شده است و مجموعه داده گل زنبق که یک مجموعه داده استاندارد برای ارزیابی است، انجام می شود. معیار ارزیابی نرخ خطای دسته بندی توسط قواعد فازی تولیدشده است. مقایسه روش پیشنهادی با سه روش دسته بندی دیگر و بر اساس پارامترهای متفاوت ماشین بردار پشتیبان نشان دهنده برتری روش پیشنهادی در دسته بندی داده ها می باشد.

انجام عملیات کپی کردن کد برای استفاده مجدد از آن، یکی از رایج ترین فعالیت ها در حوزه توسعه نرم افزار به شمار می رود. از طرفی انجام این عمل زمان توسعه نرم افزار را کاهش می دهد و از طرف دیگر مشکلات مربوط به ناسازگاریِ میان قطعه کدهای کپی شده و مدیریت آن ها، فعالیت های مربوط به نگهداری نرم افزار را بیشتر و زمان آن را طولانی تر می کند و حتی سبب بروز خطا در برنامه می شود. مطالعات اخیر نشان می دهد که در طول تکامل یک نرم افزار، تنها بخش کوچکی از کلون های نوع سوم، به صورت سازگار تغییر می یابند؛ بنابراین پیش بینی دقیق اینکه آیا یک قطعه کلون نوع سوم به صورت سازگار تغییر می یابد یا ناسازگار، می تواند در توسعه بهتر نرم افزار و کاهش اثرات منفی آن موثر باشد. در این پایان نامه ما یک روش جدید مطرح می کنیم که به طور خودکار و با توجه به تغییرات نحوی، پیش بینی می کند که آیا قطعه کلون تغییریافته، سازگار است یا ناسازگار. ما بر این باوریم که ویژگی های مربوط به نحوِ برنامه در تشخیص سازگاریِ قطعه کلون ها به عنوان یکی از اصلی ترین عوامل تشخیصی عمل می نماید؛ بنابراین بر مبنای چندین ویژگی نحوی ِاستخراج شده، ما از مدل درخت طبقه بندی، یک تکنیک یادگیری ماشین، استفاده می کنیم تا پیش بینی کنیم آیا تغییرات حاصل در قطعه کلون های نوع سوم، سازگار است یا ناسازگار. برای ایجاد این مدل، ما از یک سیستم نرم افزاری بلوغ یافته استفاده می کنیم تا به وسیله آن، مدل درخت طبقه بندی را ایجاد نماییم. همچنین ما به سه سوال تحقیقاتی مهم پاسخ می دهیم. مدل پیش بینی کننده با دقت 19/85 می تواند الگوی تغییر، در کلاس های کلون نوع سوم را پیش بینی نماید. نتایج ارزیابی نشان می دهد که این مقدار در مقایسه با سه روش طبقه بندی ماشین بردار پشتیبان، بیز و شبکه های بیزی از دقت بالاتری برخوردار است.

امروزه پیشرفت¬های سریع تکنولوژی امکان ذخیره¬سازی و بازیابی حجم زیادی از اطلاعات را به شکل چندرسانه¬ای (متن، فیلم، صدا، تصویر و...) فراهم کرده است. افزایش حجم داده¬های چندرسانه¬ای مخصوصاً تصاویر، مدیریت و بازیابی آنها را برای انسان با مشکل مواجه¬ کرده است. بازیابی اطلاعات چندرسانه¬ای به شیوه متنی با دو مشکل روبرو است. مشکل اول کار دستی موردنیاز برای تفسیرآنها و مشکل دوم برداشت متفاوت افراد از داده¬ها می¬باشد که کاری وقت¬گیر و ناکارآمد است؛ بنابراین برای دسترسی به این اطلاعات در پایگاه ¬داده¬های حجیم نیاز به ابزارهای جستجوی هدف¬دار غیرقابل اجتناب است. در زمینه پزشکی تصاویر تولید شده بخش بسیار مهمی از اطلاعات پزشکی را تشکیل می¬دهند که می¬توانند در فرآیند تشخیص و درمان بیماری به¬کار روند. درحال حاضر بازیابی این تصاویر براساس مشخصات بیمار است؛ نه برپایه نوع بیماری. مشکل دیگر وجود شکاف معنایی در بازیابی تصاویر می¬باشد؛ بنابراین روش پیشنهادشده در این پایان¬نامه با هدف کاهش دادن شکاف معنایی طراحی شده است. از این¬رو هدف از انجام این پایان¬نامه، ارایه طرحی برای بازیابی تصاویر mr مغز مبتنی ¬بر محتوا با استفاده از بازخورد ارتباط کارآمد قرارداده شده است. در بخش اول پیاده¬سازی ابتدا در مرحله استخراج ویژگی¬ها، ویژگی¬های مبتنی بر لبه و بافت از تصاویر استخراج و در یک پایگاه برای تصاویر موجود در مجموعه ¬داده ذخیره می¬شود. همین مراحل برای تصویر ورودی به عنوان تصویر نمونه نیز انجام می¬شود. این روش نیمه¬خودکار بوده؛ به¬طور¬ی¬که در مرحله اندیس-گذاری با ایجاد بردار¬¬ وزن مناسب توسط بازخورد کاربر، بردارهای ویژگی مربوط به ویژگی انتخاب شده مقایسه و داده¬های شبیه به تصویر ورودی بازیابی می¬گردند. در بخش دوم، اندیس¬گذاری و بازیابی تصاویر براساس ویژگی¬های محلی تصویر با استفاده از روش sift می¬باشد. این روش ویژگی¬هایی که برای توصیف تصاویر مناسب هستند را استخراج می¬کند. روش¬ پیشنهادی روی مجموعه تصاویر mr مغز که مجموعه ¬داده معتبر برای ارزیابی است، انجام می¬شود. معیار ارزیابی روش پیشنهادی، متوسط نرخ دقت می-باشد. مقایسه روش پیشنهادی با دو روش بازیابی تصاویر دیگر، نشان¬دهنده برتری دقت روش پیشنهادی در بازیابی تصاویر می¬باشد.

معرفی مدلفروش با تکیه بر هوشمند سازی عامل هوشمند فروشنده به تصمیم گیری بر اساس فرهنگ بازار هدف.در این پایان نامه با استفاده از تئوری فرهنگ هافستدو استفاده از آن برای کمک به نحوه تصمیم گیری فروشنده بر اساس فرهنگ بازار هدف در کنار انواع مدلهای خریدگامی جدید در هوشمند سازی کامل بازارهای هوشمند برداشته شده است.

با توجه به رشد فزاینده داده در محیط اینترنت، نیاز به سیستمی که بتواند به کاربران، در یافتن اطلاعات ارزشمند در میان حجم عظیم از داده ها کمک کند، بسیار قابل توجه و اهمیت است. چندین روش برای نیل به این هدف ارائه شده است، که از رایج ترین آنها می توان به روشهای فیلترینگ تجمعی ، فیلترینگ مبتنی بر محتوا و غیره اشاره کرد.روش فیلترینگ تجمعی علیرغم مزایا و کاربردهای مهمی که دارد، با چالشهایی نیز مواجه است. از مهمترین چالشهای پیش روی این روش که تاثیر زیادی بر روی دقت پیش بینی و توصیه دارند ، می توان به چالش های مقیاس پذیری ، خلوتی و شروع سرد اشاره کرد.با حل مسائل مذکور می توان در سرعت و دقت پیش بینی و توصیه سیستم های توصیه گر بهبود ایجاد کرد.

چکیده ندارد.