واژه شکاف دیجیتال به فاصله بین افرادی که دسترسی موثر به فناوری اطلاعات از جمله کامپیوتر،اینترنت ،تلفن همراه و ..وعلاوه بر آن مهارتها و دانش بهره گیری از این فناوریها را داشته و آنها که چنین دسترسی را ندارند ،می باشد وبا توجه به اینکه فناوری اطلاعات و ارتباطات امروزی و یا بعبارت دیگر انقلاب دیجیتالی در حال گذر از تمام جوانب زندگی می باشد و فراهم کردن فرصت های برابر، عادلانه و امن فناوری اطلاعات برای همه شهروندان و افزایش آگاهی عمومی و سواد دیجیتالی جامعه از اهداف راهبردی فناوری اطلاعات کشور می باشد ، توجه به شکاف دیجیتالی در کشور و لزوم توسعه یکنواخت و همسان با منطقه و جهان از این لحاظ مهم بوده و ضرورت و اهمیّت این تحقیق را مشخص می نماید. در این تحقیق با بررسی ابعاد مختلف ، روشها و مدلهای موجود اندازه گیری شکاف دیجیتال ،شاخصهای مهم و تاثیر گذار در اندازه گیری شکاف دیجیتال کشور با نظر خبرگان و اساتید و کارشناسان فناوری اطلاعات از طریق پرسشنامه ،انتخاب و سپس با استفاده از تحلیل سلسله مراتبی بکمک کارشناسان خبره ، وزن دهی شده و شاخص بهره مندی دیجیتال کشور ایجاد شد و با جمع آوری آمار مربوطه ،شکاف دیجیتال میان 30 استان کشور محاسبه و نقشه شکاف دیجیتال کشور تهیه و در آخر با تحلیل نتایج راهکارهای مناسب برای توسعه فناوری های اطلاعاتی و ارتباطی در جهت کاهش و رفع شکاف دیجیتال ، ارائه گردید.در این تحقیق با مشخص شدن میزان شکاف دیجیتال میان استانهای کشور مشخص گردید که استان تهران دارای بهترین وضعیت از لحاظ بهره مندی دیجیتالی و استان سیستان و بلوچستان دارای بدترین وضعیت در میان استانها را دارا می باشند و با دور شدن از مرکز شکاف دیجیتال افزایش یافته و استانهای مرزی و غربی کشور دارای شکاف دیجیتالی بالاتری نسبت به دیگر استانها می باشند.

مزایای استفاده از فناوری اطلاعات و بهره گیری از تجارت الکترونیکی و اینترنتی، باعث شده که این امر یک مزیت رقابتی بین شرکت ها محسوب شود. با توجه به عدم گسترش مناسب خرید اینترنتی بین جامعه ایرانی و این مسئله که تا کنون تحقیق جامع و گسترده ای در این خصوص در ایران انجام نشده و یا منتشر نشده است، نیاز به انجام این تحقیق با در نظر گرفتن شرایط و ویژگی های خریداران و مصرف کنندگان ایرانی و ارائه ی یک مدل بومی منطبق بر شرایط خرید و فروش اینترنتی ایران وجود دارد. تحقیق حاضر که از نوع کاربردی است به بررسی عوامل موثر بر پذیرش خرید اینترنتی و ارائه ی مدلی برای آن می پردازد. برای ارائه ی مدل ابتدا با مطالعه ادبیات موضوع و بررسی مدل هایی که پیش از این در تحقیقات خارج از کشور ارائه شده بود و با در نظر گرفتن شرایط موجود در جامعه، عوامل موثر بر پذیرش خرید اینترنتی استخراج شد و مدل اولیه طراحی شد. سپس در مورد این مدل یک نظرسنجی از خبرگان انجام گرفت. تحلیل نتایج نظرسنجی دلفی با نرم افزار s-plus انجام گرفت. با توجه به نتایج نظرسنجی انجام شده، اصلاحات و تغییراتی در مدل ایجاد شد و مدل نهایی طراحی شد و بر اساس آن پرسش نامه ای برای اعتبارسنجی مدل طراحی شد. جامعه ی آماری این تحقیق کاربران اینترنتی شهر تهران است. بررسی صحت فرضیه های تحقیق و اعتبارسنجی مدل پیشنهادی از طریق تحلیل نتایج حاصل از پرسش نامه ها با روش های آماری رگرسیون خطی چندگانه و رگرسیون لجستیک و نرم افزار spss انجام گرفته است. طبق نتایج این تحقیق اعتماد، انگیزش، آموزش و اطلاع رسانی، مهارت در استفاده از کامپیوتر و اینترنت و زیرساخت های لازم عواملی هستند که بر پذیرش خرید اینترنتی موثرند.

کاوش قوانین انجمنی یکی از روش‏های مهم و پرکاربرد داده‏کاوی است که روابط و وابستگی‏های متقابل بین مجموعه بزرگی از اقلام داده‏ای را نشان می‏دهند. بیشتر الگوریتم‏های موجود قوانین را در طی دو مرحله استخراج می‏کنند. در مرحله اول اقلام پر رخداد بر اساس معیار حداقل پشتیبان کشف می‏شوند و در مرحله دوم بر اساس معیار حداقل اطمینان قوانین قوی استخراج می‏شوند. این الگوریتم‏ها معمولاٌ قوانین را بر اساس یک معیار، به عنوان مثال، معیار اطمینان ارزیابی می‏کنند. این معیارها قوانین را بر اساس تعداد وقوع در پایگاه داده مورد بررسی قرار می‏دهند. ارزیابی تنها بر اساس تعداد وقوع مشکلاتی را به همرا دارد. این الگوریتم‏ها با پایگاه داده‏های گسسته کار می‏کنند لذا مقادیر ویژگی‏های عددی باید گسسته شود که این امر باعث از دست رفتن اطلاعات می‏شود. در این پایان نامه، مسأله کشف قوانین انجمنی به عنوان یک مسأله بهینه سازی چندمعیاری یا چند‏هدفی در نظر گرفته می شود و معیارهایی چون درک آسان وعدم پیچیدگی (طول قانون)، ضریب پشتیبان و ضریب اطمینان به عنوان معیارهای مسأله کشف قوانین ‏انجمنی در نظر گرفته می شود. این مسأله را با استفاده از الگوریتم anealing simulated حل خواهیم کرد. همچنین مسأله کشف قوانین‏ انجمنی عددی، را یک مسأله بهینه سازی سخت فرض می‏کنیم و روش پیشنهادی بازه های صفات عددی را همزمان با جستجوی قوانین انجمنی در یک بار اجرا می یابد. کارایی الگوریتم ارائه شده در تعیین بازه های صفات عددی بر روی داده های فرضی بررسی می شود و نتایج رضایت‏بخشی به دست می آید. این روش در مقابل سطوحی از نویز، تحمل‏پذیر است. در مقایسه با الگوریتم کوچ پرندگان سخت کارایی و نتایج خوبی دارد. در نهایت الگوریتم را در داده تحلیل وضعیت خانوارهای ایران به کار می بریم و قوانین جالبی به دست می آید. این روش برای کاربردهای عملی مختلف مناسب می باشد.

بحث تداوم کسب وکار در بسیاری از کسب وکارهای الکترونیکی از اهمیت بالایی برخوردارد است. وقوع وقفه در برخی از پروسه های کسب وکار، ممکن است منجر به خسارت های مادی و غیر مادی بسیاری برای سازمان شود. به همین منظور بایستی تدابیری برای تداوم زیرساخت فن آوری اطلاعات و سرویس های این گونه کسب وکارها اندیشیده شود. یکی از بهترین راه حل ها در این زمینه، استفاده از بستر محاسبات ابری برای تداوم کسب وکار است. با استفاده از محاسبات ابری، سازمان ها قادر خواهند بود که تداوم کسب وکار را با کمترین هزینه، تضمین نمایند. برای ارائه مدلی به منظور تداوم کسب وکار، بایستی پروسه های حیاتی و وابستگی های بین پروسه ها، خطراتی که کسب وکار را تهدید می کند و اثرات ناشی از فقدان هر یک از پروسه های حیاتی، شناسایی شده و راه حل هایی برای تداوم آن ها ارائه شود. در این تحقیق، مدلی برای تضمین تداوم کسب وکارهایی که در بستر محاسبات ابری قرار دارند، ارائه شده است. این مدل از شش مرحله تشکیل شده که عبارتند از: تحلیل کسب وکار، شناسایی، تحلیل هزینه ها، پیاده سازی، آزمایش و نگهداری. بخش هایی از این مدل در محیط واقعی و بخش هایی از آن در بسترهای شبیه سازی شده، پیاده سازی شد. راه حل های مختلف، آزمایش و با بررسی مزایا و معایب هر یک از آن ها، در نهایت بهترین راه پیشنهاد شد. توزیع بار بین سرورهای موجود در یک ابر و همین طور، استفاده از چندین ابر در مکان های مختلف جغرافیایی، بخش هایی از مدل ارائه شده هستند که در طول پایان نامه، با جزئیات بیشتر شرح داده شده اند.

پیشرفت های اخیر در فناوری گردآوری و ذخیره داده ها موجب شده است، جمع آوری داده آسان تر و ابزارها و فضای لازم برای ذخیره داده ارزان تر از قبل شوند. در حقیقت دنیای مدرن، دنیای داده گرا می باشد و ما در محاصره انبوهی از انواع مختلف داده، قرار داریم. این داده ها باید پردازش و موشکافی شوند تا تبدیل به دانش مفید گردند. داده کاوی یکی از پیشرفت های اخیر در راستای فناوری های مدیریت داده است. از سویی دیگر در جامعه الکترونیکی امروز، تجارت الکترونیک تبدیل به یکی از کانال-های اصلی فروش در تجارت جهانی شده است. با توجه به گسترش تجارت الکترونیک، استفاده از سیستم های پرداخت الکترونیک برای خرید در حال افزایش بوده است و پذیرش بانکداری الکترونیک در چند سال گذشته، رشد سریعی داشته است. همان گونه که رشد تجارت الکترونیک فرصت های بسیار خوبی برای تجارت جهانی ایجاد نموده است، تهدیداتی نیز برای بانک ها و موسسات مالی و اعتباری به همراه داشته است. دو مساله بزرگی که در بانکداری مطرح است، پولشویی و تقلب در پرداخت های با کارت، می باشد. یکی از کابردهای گسترده داده کاوی، استفاده از آن برای شناسایی نابهنجاری در یک مجموعه داده در زمینه های مختلف با کاربردهای گوناگون است. یکی از زمینه های کاربردی شناسایی نابهنجاری، شناسایی تراکنش های مالی تقلبی می باشد. در این پژوهش به دو مساله پولشویی و تقلب در کارت های اعتباری و روش های داده کاوی برای شناسایی آن ها پرداخته شده است. شماری از روش های داده کاوی بر روی مجموعه داده تراکنش های کارت اعتباری موجود، برای شناسایی تقلب، بکارگرفته شده است و نتایج حاصل، تحلیل و ارزیابی شده اند. همچنین مقیاسی برای ارزیابی کارایی مدل ها پیشنهاد شده است.

امروزه مشتریان نقش کلیدی در توسعه و جهت دهی به فعالیت های هر سازمانی ایفا می کنند. سازمان ها دریافته اند که درک نیازها و ایجاد ارزش برای مشتریان عامل اصلی موفقیت در دنیای رقابتی می باشد، در همین راستا تحلیل صحیح اطلاعات مشتری سازمان را در جهت ارتقا مدیریت ارتباط با مشتری رهنمون می سازد.در این راستاداده کاوی به عنوان تکنیکی موثر جهت پشتیبتنی از تصمیمات مرتبط با مشتریان می باشد. در این رساله مفاهیم مربوط به داده کاوی و کاربرد تکنیک های آن در زمینه مدیریت ارتباط با مشتری بررسی می شوند، لیکن از میان این تکنیک ها بالاخذ به نحوه عملکرد رده بندها و بررسی الگوریتم های کاراو با دقت آنها پرداخته می شود. در فصل پنجم که منحصرا مربوط به این پایان نامه می باشدالگوریتم جدیدی ارائه می شود که با ارائه روشی بدیع به رده بندی داده ها می پردازد. در مقایسه با دیگر الگوریتم های موجود،الگوریتم پیشنهادی دقت در رده بندی داده ها را افزایش داده است. این الگوریتم برروی 13 مجموعه داده تست شده که صحت این مدعا را ثابت می نماید.

ما در دنیایی زندگی می کنیم که در آن حدود یک و نیم میلیون موجود زنده شناخته شده است. برای هر یک از این موجودات می توان داده های زیادی را جمع آوری نمود که شامل داده های ژنومی ، ژن ها، نحوه بیان آنها، ساخت پروتئین ها وتوالی آنها و مانند آن می باشد. مجموعه این اطلاعات آن هم برای برخی از موجودات موضوع میلیون ها رکورد در انواعی از بانک های اطلاعاتی است. چگونگی بازیابی این اطلاعات و بهره برداری از آنها در تحقیق و پژوهش در زیست فناوری موضوع اصلی بیوانفورماتیک یا داده پردازی زیستی (bioinformatics) میباشد. این اطلاعات باید پردازش و تحلیل گردند تا تبدیل به دانشی مفید گردند. داده کاوی یکی از پیشرفت های اخیر در فناوری اطلاعات میباشد که در بسیاری از علوم روز کاربردی فراوان دارد و زمینه ساز استخراج دانش کاربردی را از داده های خام فراهم میکند. بطور اختصاصی برای بهبود ساختمان پروتئینی فراورده های دارویی , روشهای متعددی وجود دارد که پگیلاسیون از معروف ترین روش ها میباشد. برای دست یافتن به یک پروتئین پگیله شده و آنالوگ های آن, که خواص پروتئین اصلی را داشته باشد ، باید مراحل و آزمایشات مختلفی را انجام داد . در طی مراحل پگیله کردن پروتئین ها , اولین قدم مهم و اساسی جهش یک اسید آمینه در طول ساختار پروتئین مربوطه میباشد بطوریکه بعد از این جهش استحکام پروتئین کاهش نیابد و ساختار اصلی خود را حفظ نماید. چگونگی این محاسبات و ملزومات آن از اهداف اساسی این پژوهش میباشد. در این پایان نامه پس از بررسی کامل دو مبحث " بیوانفورماتیک " و " داده کاوی" , به کسب دانش لازم از داده های پروتئین و بانک protherm پرداخته شده است و از داده کاوی و روشهای هوش مصنوعی و یادگیری ماشین برای تخمین میزان ثبات و استحکام تغییرات در پروتئین اصلاح شده استفاده شده است.

یک مخزن داده مفهومی شامل واژه ها با ارتباطات مفهومی موجود می باشدکه دانستن واژه های معنایی مرتبط نتایج بهتری را به وجود می آورد.وقتی کلمه ای جستجو می شود، درخت دانش و واژه های مرتبط نمایش می یابدکه بصری سازی واژه های معنایی به فهم مخاطب کمک می کند.

با توجه به اینکه آموزش همواره با داده ها و اطلاعات بسیار زیادی در مورد دانشگاهها، دانشجویان، اعضای هیئت علمی، پرسنل، منابع مادی روبروست و در اکثر مواقع این داده ها میتواند حامل اطلاعات و الگوهای با ارزشی باشند، لذا به نظر میرسد یکی از مهمترین کاربردهای داده کاوی در آموزش عالی است. امروز بانکهای اطلاعاتی وسیعی از ویژگیهای دانشجویان موجود است که اطلاعات مربوط به ویژگیهای خانوادگی، تحصیلی را شامل میشود. پیدا کردن الگوها و دانش نهفته در این اطلاعات میتواند به تصمیمگیرندگان عرصه آموزش عالی کمک شایانی بکند. ? پیدا کردن الگوها و دانش نهفته از داده های سیستم های آموزشی می تواند به تصمیم گیرندگان عرصه آموزش عالی در جهت ارتقاء و بهبود فرآیندهای آموزشی نظیر برنامهریزی، ثبت نام، ارزیابی و مشاوره کمک شایانی نماید. ضمن تحلیل فرایندهای سیستم آموزش دانشگاهها، به بررسی کارهای انجام شده و همچنین قابل انجام در زمینه کاربرد عملیات های مختلف داده کاوی از قبیل خوشه بندی، قوانین انجمنی، رده بندی جهت پیشبینی ثبتنام در یک رشته یا درس خاص، بررسی ترکیب واحدهای انتخابی هر دانشجو برای زمانبندی مناسب واحدها پرداخته ایم. نتایج کار توسط ابزار های مرسوم اعتبار سنجی مانندsse و silhuette در بخش خوشه بندی و معیار بازخوانی (sensitivity) و دقت(specificity) در قسمت پیش بینی اعتبار سنجی شده و ارائه می گردد. در نهایت در فصل آخر چار چوب کلی تحقیق و پیشنهادهایی برای آینده مورد بررسی قرار می گیرد

وبلاگ ها یکی از مهم ترین پدیده های نوظهور در شبکه اینترنت هستند که در ابعاد فرهنگی، اجتماعی، سیاسی و اقتصادی در سطح دنیا تأثیرات انکار ناپذیری بر جای گذاشته اند. کشور ما یکی از معدود کشورهایی است که رشد وبلاگ نویسی در آن چشمگیر بوده و سرویس های وبلاگ زیادی عهده دار این خدمت به صورت رایگان هستند. رتبه بندی سایت های ایرانی بر اساس تعداد بازدید نشان می دهد بخش قابل توجهی از ترافیک مصرفی کشور ایران مربوط به این سرویس هاست. از دیگر سو تجاری سازی سایت هایی که خدمات رایگان ارائه می دهند به خودی خود پیچیده است و فرهنگ کاربری اینترنت در ایران و نیز شرایط سیاسی اجتماعی کشور و قوانین حاکم بر امور رایانه ای و اینترنتی این پیچیدگی را دو چندان می کند. هدف این پژوهش بررسی روش های کسب درآمد و طراحی مدل های مناسب برای کسب و کار سرویس های وبلاگ با توجه به مقتضیات و شرایط جدید فناوری و کاربری اینترنت است که در طی آن به شرایط حاکم بر وبلاگ نویسی در ایران و راه های کسب درآمد در این فضا پرداخته خواهد شد. در نهایت بعضی از مدل های جدید پیشنهادی بر روی سرویس پارسی بلاگ پیاده سازی و نتایج آن در این پژوهش ارائه خواهد شد. این پایان نامه می تواند به تجاری سازی فعالیت های سایت های مبتنی بر وب 2 و شبکه های اجتماعی که وبلاگ نیز یکی از آن هاست کمک شایانی نماید و در ارتقای کمی و کیفی تجارت الکترونیک در کشور موثر افتد.

در سال های اخیر وقوع بحران های مالی و افزایش مطالبات معوق، منجر شده است تا بانک ها و موسسات مالی توجه بیشتری به ریسک های اعتباری داشته باشند. بنابراین بانک ها به منظورکاهش مطالبات معوق و بالا بردن کارایی مجبور شده اند از روش های گوناگونی برای ارزیابی ریسک اعتباری مشتریان بهره ببرند. اکثر پژوهش های قبلی جهت ارزیابی ریسک فقط روی تقیسم بندی مشتریان به دو گروه خوش حساب و بدحساب تمرکز داشته اند. بنابراین ارایه راهکارهایی که بتواند نگرش جامع تری از رفتار مشتری ارائه دهد و پارامترهای کمکی دیگری را نیز تخمین بزند، می تواند مثمرثمر باشد. بدین منظور، در بخش اول یک روش بهبود یافته برای انتخاب متغیرها و آماده سازی داده ها برای ورود به مدل بکارگرفته شد و سعی نموده ایم بر اساس مجموعه داده هایی که ایجاد می کنیم، با استخراج فیلدهای جدید در حد امکان همه ی تعاملات مشتری با بانک لحاظ شود و روی یک جنبه ی خاص تمرکز نشود. سپس با استفاده از فرآیند تحلیل سلسله مراتبی ، اهمیت داده ها مورد ارزیابی قرار گرفت و داده های مناسب برای ورود به مدل آماده شد. در فاز مدل سازی در پژوهش سعی شده است، امتیاز رفتاری مشتریان با توجه به رفتار بازپرداخت مشتریان و میزان دیرکرد آن ها به نحو مناسبی تعیین شود. بنابراین بانک ها و موسسات مالی می توانند با اندازه گیری ریسک اعتباری متقاضیان، بازگشت منابع خود را تضمین کنند و میزان تسهیلات اختصاص داده شده به یک فرد را به نحو بهینه ای تنظیم نمایند. تکنیک های داده کاوی استفاده شده ترکیبی از روش های خوشه بندی وکلاس بندی می باشد.ضمن اینکه سعی شده است با بکارگیری روش های متوازن سازی دقت مدل پیش بینی را بهبود بخشیم. در نهایت مدلی که بیشترین دقت را داشته باشد جهت پیاده سازی در سازمان مورد استفاده قرار می گیرد. فرآیند داده کاوی مربوط به مدل، بر روی مجموعه داده های متعلق به موسسه ی مالی بخش خصوصی انجام شده است. روش بکاررفته در این پژوهش ضمن داشتن نتایج بهتر نسبت به سایر روش ها برای مشتریان جدید هم محدودیت نداشته و می تواند برای آن ها هم توصیه هایی داشته باشد. نتایج حاصل یک روش پیشنهادی برای بانک ها خواهد بود تا با بهره گیری از تحلیل اطلاعات موجود، مشتریان خود را بهتر و دقیق تر شناسایی اعتباری نموده و نسبت به گذشته، ریسک اعتباری خود را کاهش دهد و منابع مالی خود را بصورت بهینه تری به مشتریان اختصاص دهند.

ادارات ثبت اختراع ایالات متحده ی آمریکا، ژاپن و اتحادیه ی اروپا بیش از یک دهه است که ثبت اختراعات نرم افزاری را به رسمیت شناخته اند و امروزه حدود 15 درصد از مجموع اختراعات ثبت شده در دنیا را اختراعات نرم افزاری تشکیل می دهند. برای ثبت یک نرم افزار به عنوان اختراع، احراز معیارهای ماهوی و شکلی مانند سایر اختراعات ضروری است اما کشورها در خصوص فرآیند بررسی نرم افزارها رویه های متفاوتی دارند. به عنوان مثال اگر چه اداره ی ثبت اختراع آمریکا بر نو بودن و وجود گام ابتکاری تأکید می کند، اتحادیه ی اروپا علاوه بر آن دو، وجود خصیصه ی فنی (تکنیکی) را در مرکز توجه قرار می دهد. از طرف دیگر، ماهیت خاص نرم افزارها مباحث مناقشه برانگیزی را در مورد معیار گام ابتکاری و همچنین محدوده ی افشای اختراع ایجاد کرده است. در کشور ما، اگر چه قانون حمایت از حقوق پدیدآورندگان نرم افزارهای رایانه ای مصوب 1379 مجوز ثبت نرم افزار را به عنوان اختراع صادر کرده است اما عنایتی نسبت به ضوابط شکلی و ماهوی لازم جهت ثبت نرم افزار با توجه به ماهیت خاص آن ننموده و صرفاً ضوابط عام حاکم بر سایر اختراعات را بر این مورد نیز بار کرده است. در آیین نامه ی این قانون هم در این خصوص موضع گیری خاصی به چشم نمی خورد. این امر می تواند از یک طرف سبب سردرگمی و بلاتکلیفی پدیدآورندگان نرم افزار و احتمالاً اتلاف وقت و هزینه ی آنان گردد و از طرف دیگر کارشناسان اداره ی ثبت اختراع را در تطبیق ضوابط عام بر نرم افزارها با مشکلات و ابهامات جدی مواجه کند. لذا در پایان نامه ی حاضر بر آنیم تا به بازتعریفی از معیارهای حاضر برای ثبت اختراعات نرم افزاری با عنایت به ویژگی خاص آن ها رسیده و سپس به چگونگی این حمایت و چالش های پیش رو بپردازیم.

داده «طب کار» یا سلامت کارکنان، از انبوه داده هایی است که در سازمان ها، به فراموشی سپرده می شوند. در این تحقیق به مطالعه این داده با توجه به مشخصه وقوع حوادث کاری پرداخته شده است. این داده مربوط به سالهای 1385 تا 1389، متعلق به یکی از بزرگترین خودروسازان کشور است و شامل مشخصات عمومی کارکنان و برخی از فاکتورهای عمومی سلامت آنها می شود، مشخصاتی از قبیل سن، سابقه کار و سابقه بیماری های مزمن. در این مطالعه، برخی از این مشخصات با توجه به ارتباط آنها با وقوع حوادث کاری، با روش درخت تصمیم رگرسیونی از نوع هرس شده، برگزیده شده اند. در گام بعدی به خوشه بندی داده ها به شیوه خوشه بندی c-means پرداخته شده و در کنار آن خوشه بندی به شیوه k-means نیز، به منظور مقایسه با روش c-means انجام شده است. در مطالعه انجام شده در خصوص پیشینه تحقیق، مشابه این اقدام در خصوص داده سلامت کارکنان، مشاهده نشد. همچنین تعداد خوشه های بهینه نیز با تکیه بر ویژگی های تقویت کننده خوشه بندی به شیوه ای خاص تعیین شدند. در نهایت خوشه بندی نهایی گویا مشخصاتی است که با توجه به آن ها امکان وقوع حادثه برای آن دسته از افراد کمتر خواهد بود.

پیشرفت های اخیر در تکنولوژی های جمع آوری و ذخیره سازی داده، موجب شده که سازمان ها، حجم زیادی از داده های مربوط به فعالیت های روزانه ی خود را انباشته کنند. داده هایی که توسط سازمان ها جمع آوری شده است بسیار ارزشمند است و برای اهداف مختلف می تواند مورد استفاده قرار بگیرد. یکی از این اهداف پیش بینی هایی می باشد که جهت بهبود عملکرد و برنامه ریزی هایشان ازآن ها استفاده می نمایند. یکی از مسائل مهم و اساسی در طراحی و بهره برداری سیستم های قدرت، پیش بینی بار برای یک ساعت تا چند روز آینده است که تحت عنوان پیش بینی بارکوتاه مدت شناخته می شود. پیش بینی دقیق بار منجر به صرفه جویی انرژی و انجام برنامه ریزی های دقیق می گردد. هدف از این پروژه نیز پیش بینی کوتاه مدت میزان مصرف انرژی الکتریکی در یکی از استان های ایران(مازندران) بوده است. در این تحقیق از روش ها و ابزارهای داده کاوی جهت پیش بینی مصرف و تقاضای انرژی الکتریکی کوتاه مدت استفاده شده است. در فاز اول این تحقیق، به شناسایی پارامترهای تاثیرگزار در مصرف انرژی الکتریکی پرداخته شده است. سپس از میان آن ها، عواملی که بیشترین تاثیرگزاری را داشته انتخاب گشته اند. در فاز بعدی به تحلیل داده ها و بررسی رفتارهای مختلف مصرف انرژی الکتریکی پرداخته شده است و دسته بندی هایی براساس رفتارهاری مشابه ای که دارند انجام گرفته است. بعد از این که ورودی های مورد نیاز تشخیص داده شد و پیش پردازش های لازم انجام گردید در فاز بعدی از روش هایی چون شبکه های عصبی، ماشین بردارپشتیبان و سیستم های نروفازی جهت پیش بینی استفاده گردید و نتایج حاصل از آن ها مورد بررسی قرار گرفتند. سپس با استفاده از تحلیل مولفه اصلی به کاهش ابعاد ورودی مسئله پرداخته شده است و مجددا داده های جدید با سیستم های مطرح گشته مورد آزمایش قرار گرفته اند تا اثر تحلیل مولفه اصلی برهریک از روش ها مشاهده گردد ودرنهایت نتایج حاصل از تمام روش ها با یکدیگر مقایسه گشتند.

امروزه مدلی جدید تحت عنوان محاسبات ابری برای میزبانی و ارائه سرویس ها از طریق اینترنت بوجود آمده است. از آنجاییکه محاسبات ابری نیاز کاربران را برای برنامه ریزی برای تهیه منابع از بین می برد، این مدل محاسباتی برای صاحبان کسب و کار بسیار جذاب می باشد. همچنین این مدل محاسباتی دارای ویژگی هایی است که آن را به مدلی مناسب و مفید برای استفاده سازمان های تجاری تبدیل کرده است و به سازمان ها اجازه می دهد تا با منابع کمتر کار خود را شروع کرده و تنها هنگامیکه نیاز به سرویس ها و منابع بیشتری داشتند به درخواست افزایش منابع بپردازند. اما، با وجود اینکه محاسبات ابری موقعیت بزرگی را برای صنعت فناوری اطلاعات به ارمغان آورده است، توسعه تکنولوژی محاسبات ابری هنوز در ابتدای مسیر خود قرار دارد و لازم است بسیاری از مسائل در این حوزه مورد بررسی قرار بگیرند و راه حل های متناسب با خصیصه های این مدل محاسباتی ارائه شود. یکی از این خصیصه ها، مقیاس پذیری منابع می باشد. مقیاس پذیری را می توان به عنوان یک خصوصیت برشمرد که یک سرویس مقیاس پذیر می تواند هنگام تغییر بارکاری، بر حسب تقاضای همان زمان به استفاده از منابع بپردازد. با توجه به این موضوع، الگوریتم ها و مدل های برنامه نویسی منطبق با این خصوصیان نیز توسعه پیدا کرده اند که می توانند متناسب با منابع موجود در زیر ساخت خود به اجرای برنامه ها بپردازند و امکان اجرای برنامه ها را در مقیاس های متفاوت ایجاد می کنند. از آنجاییکه در مدل رایانش ابری، با استفاده از تکنولوژی های موجود، می توان منابع موردنیاز خود را بر حسب تقاضا و مبتنی بر مدل قیمت گذاری درخواست کرد، این مدل های برنامه نویسی سازگاری زیادی با مدل محاسبات ابری دارند. ما در این پروژه به ارائه یک راه حل برای موازی سازی برنامه ها در محیط ابر می پردازیم و با استفاده از آن راه حلی برای مسئله زمانبندی کارها ارائه می دهیم. سپس کلاستری از ماشین ها بروی ابر رایانه دانشگاه صنعتی امیر کبیر ایجاد کرده و مسئله را در مقیاس های متفاوت ارزیابی می کنیم. ارزیابی ها نشان می دهد استفاده از موازی سازی و افزایش مقیاس منابع باعث کاهش زمان اجرا و بهبود در یافتن جواب برای مسئله می شود.

با توجه به افزایش فشارهای بازار و رقابت بین کسب و کارها بر اثر ورود رقبای جدید و مسائلی از قبیل خصوصی سازی، اهمیت مشتری و مشتری محور شدن، بیش از پیش نمایان شده است. با مراجعه به وب سایت بانک مرکزی، می توان به عنوان مثال برای سال 1370 - 1380 مشاهده کرده که نزدیک به هفت موسسه مجوز فعالیت گرفته اند که این روند برای سال های بعد رشد بیشتری نیز داشته است به گونه ای که هر روز طرح های جدیدی برای جذب مشتری از سوی این موسسات در روزنامه ها، تلویزیون، اینترنت و دیگر مجراهای تبلیغاتی پیشنهادمی شود. بسیاری از سازمان ها داده های زیادی را درباره مشتریانشان جمع آوری و ذخیره می کنند ولی ناتوانی آن ها در کشف دانش پنهان با ارزش از این داده ها سبب می شود که این داده ها به دانش تبدیل نشوند و ذخیره سازی داده ها عملاً بیهوده باشد. صاحبان کسب و کارها میل به بیرون آوری اطلاعات ناشناخته، معتبر و قابل درک از بانک های اطلاعاتی عظیم خود و استفاده از این اطلاعات برای کسب سود بیشتر دارند. همان طور که اشاره شد در حال حاضر بانک ها در یک فضای رقابتی فعالیت می کنند که تنوع خدمات پیشنهاد شده در این صنعت روبه افزایش است. هیچ بانکی نمی تواند در زمینه های مختلف، بهترین خدمات ممکن را پیشنهاد دهد. همچنین یک بانک نمی تواند خدمات خویش را به کل بازار بالفعلپیشنهاد دهد. با توجه به تحقیقات انجام شده ترکیب جایگاهیابی نهادی، جایگاهیابی محصولات یا خدمات و جایگاهیابی بر اساس سیستم پیشنهاد خدمات و جایگاهیابی بخشی، چهار راهبرد زیر را در دسترس بانک ها قرار می دهد: ?) رویکرد توجه به تمام نیازهای مشتریان و در همه سطوح؛ ?) رویکرد توجه به تمام نیازهای گروهی از مشتریان و در همه سطوح؛ ?) رویکرد توجه به نیازهای خاص تمام مشتریان و در همه سطوح؛ ?) رویکرد توجه به نیازهای خاص گروهی از مشتریان و در بعضی سطوح و این رویکرد چهارم است که بانک می تواند از طریق توجه به بخشی از بازار و بعضی نیازهای آن، منابع مورد نیاز خود را به حداکثر برساند. در همین راستا، بخش بندی مشتری، به دلیل تفاوت های موجود در رفتار مشتریان و به منظور بازاریابی هدفمند همواره مورد توجه قرار گرفته است. بخش بندی مشتری ها بر اساس شاخص های مختلف و سرانجام استفاده از این بخش بندی به عنوان معیاری جهت تصمیم گیری و برنامه ریزی در مورد این گروه ها، پاسخی برای این رویکرد می باشد تا با توجه به ارزش هر گروه و امتیاز هر یک بتوان نیاز های هر گروه را متناسب با آن پیشنهاد نمود. استفاده از استراتژی بخش بندی مشتری، فواید زیادی خواهد داشت. آشکارترین فایده آن این است که تصمیم گیرنده ها می توانند از یک ترکیب خاص بازاریابی برای هدف گذاری یک گروه کوچک تر با دقت بالاتر استفاده کنند. علاوه بر این به تصمیم گیرندگان امکان می دهد منابع را به صورت کاراتر و اثرگذارتر بکار گیرند. ارتباطات نزدیک تر بین مشتریان و شرکت، از دیگر مزایای بازاریابی هدفمند به شمار می آید. همچنین نتایج حاصل از بخش بندی مشتری امکان تعیین استراتژی های رقابتی خاص( تمایز، قیمت کمتر یا استراتژی تمرکز) را برای موسسات، فراهم می نماید. تعیین بخش های مشتریان در ارزیابی فرصت ها و تهدیدات موسسات نیز راه گشا خواهد بود. بسیاری از محققان به این نتیجه رسیده اند که مبادلات گذشته مشتریان تخمین زننده های بسیار خوبی جهت پیش بینی رفتار مشتریان در آینده می باشد. در سازمان های خدمات مالی مانند بانک نیز وضعیت گذشته حساب مشتری می تواند به عنوان عاملی مهم و تعین کننده در رفتار مشتری در دوره های بعدی برای سودآوری بانک باشد. پس بهترین راهکار برای اینکه از نظر هزینه نیز برای بانک ها به صرفه باشد این است که به هر مشتری خدمات مورد نیاز همان مشتری را پیشنهاد دهند. ولی به گونه ای که آن مشتری نیاز به خدمات شرکت های رقیب را در خود نبیند. برای این کار باید در ابتدا مشتری های هر بانک را به گروه هایی بخش بندی نماییم. بعد از آن با توجه به ارزش هر گروه برای آن گروه با توجه به نیاز های مورد نیاز آن ها هزینه نمود که آن نیز توسط تحلیل ها و آنالیز آن ها شناسایی می شود. این راهبرد بانک ها را به برآورده ساختن نیازها و خواسته های برآورده نشده مشتریان، برآورده ساختن یک نیاز بهتراز سایر رقبا یا تخصصی سازی در خدمت رسانی به مشتریان کوچکی که بانک های بزرگ آن ها را نادیده گرفته اند، تشویق می کند. در این تحقیق قصد داریم که با توجه به شگرد های داده کاوی، مشتری های بانک را با توجه به تراکنش های آن ها و ارزش هر مشتری دسته بندی و در نهایت هر گروه مشتری را ارزش گذاری نماییم تا موسسه بتواند با توجه به ارزش هر گروه خدمات متناسب آن گروه در جهت حفظ و افزایش رضایت مشتری پیشنهاد و سود و منفعت خود را به بیشینه برساند. و در ادامه با توجه به تحلیل و آنالیز هر گروه بتوان پیش بینی نمود که یک مشتری جزء کدام دسته از گروه های مشتریان خواهد بود تا ویژگی های مختلف مشتریان خود را شناخته و سپس برمبنای ویژگی های هر مشتری، استراتژی های بازاریابی مناسب را برای آن توسعه دهد و بدین روش در پیشبرد اهداف که همواره دست یابی به سود بیشتر، هزینه کمتر و مهم تر از آن جلب رضایت و حفظ مشتریان کنونی و جذب مشتری بیشتر است، برسد. علاوه بر این برای محاسبه ارزش مشتری یک مدل جدید بر پایه مدل تحلیلی rfm برمبنای ویژگی های داده های مورد مطالعاتی پیشنهاد و با به کارگیری آن در کنار شگرد های داده کاوی، کارایی خوشه بندی مشتری ها را بهبود بخشیده و در نهایت با استفاده از شگرد های استقرایی برای هر گروه مشتری، قوانین اجتماعی را بیرونآوری می کنیم تا با استفاده از نتایج آن در موسسه، مدیریت ارتباط با مشتری کارایی بیشتری داشته باشد و با مشخص شدن گروه های مشتری و ارزش هر گروه استراتژی های بازاریابی مناسب آن گروه توسعه داده شود.

در این تحقیق به بررسی ارائه یک چارچوب مناسب جهت نظر کاوی در مورد محصولات شرکت ها می پردازیم. تمرکز ما در این تحقیق متن نظرات به زبان فارسی قرار دارد. تحلیل متن نظرات کاربران در سطح ویژگی محصول دارای دو مرحله اساسی شناسایی ویژگی های محصول و تعیین جهت معنایی اختصاص داده شده به هر ویژگی می باشد. در زبان انگلیسی برای هر کدام از این مراحل روش هایی ارائه شده است. در این مقاله با انتخاب مناسب ترین روش ارائه شده برای هر مرحله در زبان انگلیسی و انجام تغییرات لازم بروی آن، از آن برای تحلیل متن نظرات در زبان فارسی استفاده می نمایم. نتایج نشان می دهد که استفاده از روش با دو مرحله ی اساسی بیان شده در زبان انگلیسی برای زبان فارسی نتایج مناسبی را ارائه نمی کند. در روش ارائه شده این تحقیق با اضافه نمودن مرحله شناسایی جملات ذهنی در متن نظرات بهبود خوبی در استفاده از روش های زبان انگلیسی برای زبان فارسی را مشاهده می نمایم. نتایج استفاده از روش دو مرحله ای زبان انگلیسی معیار ارزیابی f-measure برابر %38 در مرحله تعیین جهت معنایی هر ویژگی را نشان می دهد که چندان مناسب نمی باشد. اما با اضافه نمودن مرحله شناسایی جملات ذهنی نتایج حاصل به %65 درصد ارتقاء پیدا می کند که نشان از یک بهبود حدود %27 می باشد.

چکیده به کارگیری تجزیه ماتریس در کاهش ابعاد داده نوع گراف: مورد کاوی داده ریز آرایه به کوشش: فهیمه گودرزی یکی از شاخه های مهم بیو انفوماتیک فناوری ریز آرایه dna است که امکان بررسی عبارت هزاران ژن را به طور هم زمان و در حداقل زمان ممکن می سازد که در سال های اخیر موجب تولید حجم انبوهی از داده های عبارت ژن شده است. تحلیل آماری این داده ها شامل نرمال سازی، خوشه بندی، طبقه بندی و ... غیره از جمله روش های مورد استفاده در تحلیل این نوع داده ها است. اما تکنیک های داده کاوی و یادگیری ماشین برای داده با ابعاد بالا موثر نمی باشند و دقت پرس و جو و بهره وری آن ها با افزایش ابعاد داده به سرعت تنزل می یابد. از اینرو در دهه اخیر با ظهور فناوری ریز آرایه، مرکز توجه جدیدی به مسائلی چون بازنمایی داده و کاهش ابعاد داده عبارت ژن معطوف گشته است و پژوهش های بسیاری بر روی بررسی تاثیر استفاده از تکنیک های کاهش ابعاد بر روی مدل های کاوش نظارت شده و یا بدون نظارت داده ریز آرایه انجام شده است. در این رساله روش کاهش ابعاد مبتنی بر تجزیه ماتریس غیر منفی ارایه می شود و عملکرد آن بر روی تجزیه و تحلیل خوشه بندی دو مجموعه داده leukemia و 9-tumors که کلاس نمونه ها در آن شناخته شده است، مورد بررسی قرار می گیرد. از نرم افزار matlab برای تحلیل داده ها استفاده می شود. با توجه به انطباق قابل توجه نتایج خوشه بندی با گروه بندی واقعی داده ها، که بر اساس عامل های کاهش یافته انجام می شود، می توان از این روش در خوشه بندی مواردی که اطلاع دقیقی از گروه بندی واقعی داده ها در دست نیست، استفاده کرد. کلمات کلیدی: بیو انفورماتیک، تجزیه ماتریس، کاهش ابعاد، ریز آرایه dna، داده عبارت ژن، خوشه بندی

با توجه به گسترش اینترنت و افزایش چشمگیر حجم مطالب متنی، ابزارها و روش های خودکار برای مدیریت اسناد و مطالب متنی، مورد توجه بسیار زیادی قرار گرفته اند. از جمله ی این ابزارها می توان به طبقه بند متن اشاره کرد که می تواند در این زمینه بسیار موثر باشد. این ابزار کاربردهای فراوانی در سیستم های بررسی متون مانند موتورهای جستجو، سیستم های فیلترینگ، تشخیص هرزنامه ها، کتابخانه های دیجیتال و سایر سیستم های مشابه دارد. از آن جایی که صحت طبقه بندی متن یکی از مهمترین شاخص های موفقیت این سیستم ها به شمار می آید، از اهداف اساسی این پایان نامه افزایش میزان صحت طبقه بندی متون می باشد. با توجه به میزان کارهای انجام شده قبلی، افزایش کارایی طبقه بندهای منفرد مشکل می باشد، لذا رهیافت ما برای رسیدن به این هدف استفاده و بهبود روش های ترکیب طبقه بندها است. در این پایان نامه برای بهبود صحت طبقه بندی متن، و بر مبنای روش ترکیب رأی گیری وزن دار، دو رهیافت جدید برای وزن دهی طبقه ها و طبقه بندها پیشنهاد شده است. رهیافت اول مبتنی بر در نظر گرفتن وزن مستقل برای هر طبقه و هر طبقه بند است. رهیافت دوم تعمیم رهیافت اول است. بدین شکل که برای جواب مثبت یا منفی هر طبقه بند در مورد هر طبقه وزن مستقلی در نظر گرفته می شود. برای محاسبه ی اوزان در هر دو رهیافت، علاوه بر الگوریتم ژنتیک، معادله تجربی خاصی هم پیشنهاد گردیده است که در زمان بسیار کمتری نسبت به الگوریتم ژنتیک اجرا می گردد. نتایج طبقه بندی بر مبنای محاسبه اوزان با استفاده از معادله ی پیشنهادی، کاملاَ با نتایج استفاده از الگوریتم ژنتیک قابل مقایسه و حتی گاهی بهتر هم می باشد. آزمایش ها با استفاده از طبقه بندهای رُکیو، نزدیک ترین همسایه و بیز، و سه روش انتخاب ویژگی شامل اطلاعات متقابل، خی2 و mcfs انجام شده است. نتایج تجربی حاصل از اعمال الگوریتم های ترکیب پیشنهادی بر روی مجموعه داده های آموزشی رایج و مقایسه با نتایج حاصل از سایر روش های ترکیب طبقه بندها، مانند رأی گیری وزن دار، عملگر میانگین وزن دار رتبه یافته و روش قالب تصمیم، نشان می دهد که رهیافت های پیشنهادی دقت طبقه بندی را بنحو چشمگیری افزایش داده اند. این نتایج از آزمایش بر روی چهار مجموعه داده های آموزشی متفاوت و رایج بدست آمده است.

دسته ای از الگوریتم های داده کاوی به استخراج قوانین انجمنی موجود در یک جدول می پردازد. در حالی که بیشتر داده های موجود در پایگاه داده شامل چندین جدول ذخیره شده اند. مشکلات ناشی از ادغام جداول و تبدیل آن ها به یک جدول، ما را به سوی داده کاوی رابطه ای رهنمون می سازد. در اینجا از یکی از الگوریتم های موجود در کاوش قوانین انجمنی رابطه ای که mrfp-growth نام دارد، برای یافتن الگوهای پرتکرار استفاده می شود. در کاوش قوانین انجمنی برای داده های کمی (عددی) از روش تقسیم بندی بازه ای اعداد استفاده می شود. مشکل بازه های تند وجود دارد به طوری که اجزای نزدیک محدوده بازه یا نادیده گرفته می شود یا تاکید زیادی بر آن ها می شود. برای رفع مشکل بازه های تند به فازی سازی ویژگی های عددی می پردازیم. از طرف دیگر، اقلام مختلف دارای معیارهای متفاوتی برای انتخاب شدن دارند و استفاده از یک کمینه ضریب پشتیبان باعث به وجود آمدن مشکل اقلام نادر می شود. فازی سازی ویژگی های عددی، از طریق انتخاب یک تابع عضویت مناسب، باعث بهبود مشکل بازه های تند می شود. برای رفع مشکل اقلام نادر نیز از چندین کمینه ضریب پشتیبان برای اقلام مختلف استفاده می کنیم. به طوری که کمینه ضریب پشتیبان به عنوان درصدی از تعداد کل هر قلم کالا در نظر گرفته می شود. استفاده از این روش باعث بهبود نسبی این روش می شود. تعداد الگوها بعد از فازی سازی و استفاده از چندین کمینه ضریب پشتیبان به طور مناسبی کاهش می یابد ولی زمان اجرا افزایش می یابد، همچنین میانگین طول الگوها در این حالت افزایش می یابد و در نتیجه الگوهای رابطه ای طولانی تری که حاوی اطلاعات بیشتری هستند، به وجود می آید.

خلاصه سازی خودکار متون به فرایندی اطلاق می شود که طی آن یک متن بزرگ، ضمن رعایت شرایطی، به متنی با حجم کمتر تبدیل می شود. تاکنون رویکردهای متعددی جهت خلاصه سازی ارائه شده است. در این پایان نامه، ضمن بررسی روش های موجود جهت خلاصه سازی خودکار متون، روش جدیدی با استفاده از رویکردهای مبتنی بر گراف، جهت خلاصه سازی متون فارسی ارائه شده است. در این روش جملات متن ورودی، در یک گراف کامل مدل شده و پس از تعیین امتیاز هر یک از جملات، بهترین نودهای موجود در گراف شباهت جملات، به عنوان خلاصه متن ورودی، انتخاب می شود. خروجی مدل ارائه شده با استفاده از روش ارزیابی rouge مورد بررسی قرار گرفته است.

محیط های مجازی آموزش و یادگیری، این امکان رابرای دانشجویان فراهم می آورند تا از نقاط مختلف و بدون نیاز به حضور فیزیکی در موسسات آموزشی به یادگیری مطالب آموزشی بپردازند. به مرور زمان انبوهی از اطلاعات مختلف مرتبط با دانشجویان، محتوای آموزش و تعاملات میان آن ها در بانک اطلاعات سیستم های آموزش مجازی ثبت می شود که یکی از مهم ترین این اطلاعات، نحوه استفاده دانشجویان از سیستم است. در این رساله ابتدا به بررسی مقالاتی که به این موضوع توجه کرده اند پرداخته خواهد شد و دسته بندیی از فعالیت های انجام شده در این زمینه ارائه شده و در ادامه چند نمونه از این فعالیت ها بر روی داده های دانشگاه مجازی امام خمینی اعمال شده است. از سوی دیگر، یکی از مهم ترین سوالات، در کاوش داده های سیستم های آموزش الکترونیکی این است که چه اتفاقی در چه زمانی افتاده است. یافتن الگوهایی که مسیر موفقیت و یا شکست یک فراگیر را در سیستم آموزش الکترونیکی در بستر زمان نشان می دهد، از پاسخ های مناسبی است که به این سوال می توان داد. در ادامه این رساله،چارچوبی برای استخراج الگوهای زمانی از داده های تراکنشی ذخیره شده در سیستم های آموزش الکترونیکی ارائه خواهد شد.در این بین، یکی از بزرگترین چالش های در روند چارچوب مذکور، تبدیل داده ها از حالت تراکنشی به دنباله ای می باشد که راهکار های انجام این مهم نیز بیان خواهد شد.مراحل فرآیند پیاده سازی این چارچوب بر روی داده های دانشگاه مجازی امام خمینی اعمال شده است.

با رشد سریع حجم اطلاعات در جهان، ابزارهایی که در زمینه های مختلف دانش به کار می روند، باید برای مقابله با این رشد عظیم توسعه یابند. به طور سنتی، داده ها به صورت تحلیلی به دانش تبدیل می شده اند. برای بسیاری از کاربردها، این تحلیل های سنتی در داده ها، کند، هزینه بر و بسیار ذهنی است. در واقع همان طور که حجم داده ها افزایش می یابد، این گونه تحلیل ها بر روی داده ها در بسیاری زمینه ها غیرعملی می شود. در نتیجه نیاز به استفاده از روش های خودکار به وجود می آید. فرآیند کشف دانش، فرآیند شناسایی طرح های معتبر، بدیع، بالقوه مفید و قابل فهم در داده هاست که بخش بزرگی از آن را پیش پردازش داده ها تشکیل می دهد. یک گام مهم در پیش پردازش داده ها، انتخاب ویژگی است. ایده ی اصلی در انتخاب ویژگی، حذف زیرمجموعه ای از ویژگی های ورودی است که یا اطلاعات کمی به دست می دهند یا اطلاعاتی برای پیش بینی در اختیار ما نمی گذارند. انتخاب ویژگی علاوه بر بالابردن دقت و کارایی رده بندی، قابلیت درک نتایج حاصل از آن را بالا می برد و اغلب باعث ایجاد مدلی می شود که قابلیت تعمیم بیشتری برای داده های جدید دارد. با کاهش تعداد ویژگی ها، مجموعه داده کوچک تر می شود و این مجموعه داده باقیمانده، نماینده بهتری برای کل داده ها خواهد بود. انتخاب ویژگی یک مسئله بهینه سازی است و به دسته ی الگوریتم های np-hard تعلق دارد. الگوریتم های فرااکتشافی قدرت خود را درحل مسئله های بهینه سازی و np-hard نشان داده اند. در این پایان نامه پس از بررسی الگوریتم های فرااکتشافی جدید الهام گرفته از طبیعت و اجتماع، الگوریتم های جدیدی بر مبنای این الگوریتم ها، برای حل مسئله انتخاب ویژگی مطرح شده است. با مقایسه عملکرد الگوریتم های پیشنهادی با برخی دیگر از روش های معتبر در ادبیات موضوع، دقت و کارایی الگوریتم های پیشنهادی به اثبات رسیده است. در پایان، کاربرد انتخاب ویژگی در حل مسئله تجاری شناسایی فاکتورهای ریسک خسارت بیمه بدنه خودرو نشان داده شده است.

به دنبال پدید آمدن و رشد چشمگیر رایانه ها از اواسط قرن گذشته میلادی، این تصور به وجود آمد که این پیشرفت ها به نقطه ای خواهد انجامید که در آن با همین روش های مطرح در علوم رایانه می توان هوش انسانی را به صورت هوش مصنوعی بازسازی کرد و رایانه ها قادر به انجام اموری خواهند بود که از موجودی هوشمند مانند انسان بر می آید. در میان دانشمندان علوم رایانه ای این پروژه با عنوان «هوش مصنوعی» (ai) شهرت یافت و نظریات گوناگونی پیرامون امکان موفقیت آن مطرح گردید. در این پژوهش در ابتدا با دو رویکرد قوی و ضعیف به هوش مصنوعی آشنا می شویم و خواهیم گفت که رویکرد قوی در صدد ساخت ماشینی است که حقیقت هوش انسانی را داشته باشد، درحالی که در هوش مصنوعی ضعیف به داشتن کارکرد اکتفا می شود. در زمینه ایجاد هوش مصنوعی نیز دو رویکرد اصلی وجود دارد: «نشانه گرایی» و «پیوند گرایی». در مرحل? بعد ضمن تبیین فلسفی رایج ترین دیدگاه ها در زمین? رابط? ذهن و بدن، هم در حوز? فلسفی غربی و هم اسلامی، امکان تحقق هوش مصنوعی قوی را بر مبنای هر کدام از این دیدگاه ها به صورت مجزا و با توجه به دو رویکرد نشانه گرایی و پیوندگرایی بررسی نموده ایم. در ادامه جهت دست یافتن به پاسخ نهایی در زمین? امکان تحقق هوش مصنوعی قوی، به مقایس? این دیدگاه ها پرداخته ایم که در نتیجه دیدگاه صدرایی به عنوان دیدگاه برتر معرفی می گردد. به این ترتیب پاسخ نهایی به مسئل? امکان تحقق هوش مصنوعی قوی بر اساس رویکرد نشانه گرایی، عدم امکان تحقق و بر اساس رویکرد پیوندگرایی امکان تحقق خواهد بود. سپس به سراغ مسئل? کارکرد هوش مصنوعی ضعیف رفته ایم و الگویی جامع را برای آن ارائه نموده ایم که به صورت کلی کارکرد ناقص رایانه در علم را نتیجه می دهد. در پایان پیشنهاداتی جهت پژوهش های آینده در این زمینه ارائه نموده ایم.

سرقت ادبی به مفهوم "دزدی دارایی های فکری" از ابتدای فعالیت های تحقیقاتی و هنری انسان وجود داشته است. اما دسترسی آسان به وب، پایگاه های عظیم اطلاعاتی و به طور کلی وسایل ارتباطی در سال های اخیر باعث شده است تا موضوع سرقت ادبی تبدیل به یک مسئله جدی برای ناشران، محققین و موسسات تحقیقاتی شود. از سوی دیگر رشد سریع علمی کشور در سال های اخیر احتمال بروز سرقت ادبی عمدی و غیر عمدی را افزایش داده است. هدف از این پایان نامه ارائه سیستم شناسایی سرقت ادبی برای اسناد فارسی می باشد. برای ایجاد مجموعه داده و همچنین ارزیابی الگوریتم های سرقت ادبی از رویکرد کنفرانس pan به عنوان برگزارکننده مسابقات شناسایی سرقت ادبی استفاده شد. خروجی حاصل از اجرای الگوریتم بر روی مجموعه ای از مقالات پایگاه مجلات تخصصی نور نشان دهنده درجه کاربردی بودن این سیستم می باشد.

چکیده: حسابرسی مستقل از طریق بهبود قابلیت اتکا و افزایش اعتبار فرآیند گزارشگری مالی ، به سودمندی این فرایند و کارآیی بازارهای سرمایه کمک می کند. کیفیت حسابرسی به عوامل متعددی به خصوص استقلال حسابرس بستگی دارد. لذا کاهش استقلال حسابرس به طور مستقیم ، برکیفیت فرایند حسابرسی و اظهار نظر وی تاثیر می گذارد. به دلیل مرتبط بودن پدیده تغییر حسابرس با استقلال حسابرس ، بررسی دقیق تر آن ضروری است. به همین دلیل هدف اصلی این پژوهش تجزیه و تحلیل ماهیت پیش بینی کنندگی متغیرهای درماندگی مالی به منظور پیش بینی تغییر حسابرس شرکت های پذیرفته شده در بورس اوراق بهادار تهران و ارائه مدلی کارا به منظور پیش بینی تغییر حسابرس شرکتهای پذیرفته شده در بورس اوراق بهادار تهران با استفاده از متغیرهای درماندگی مالی و با کمک تکنیک های داده کاوی طی سالهای 1381 الی 1390 می باشد. در این پژوهش به منظور دستیابی به اهداف تحقیق چهار فرضیه تدوین شده است به منظور آزمون فرضیه ها از روش های داده کاوی شبکه بیزین، درخت رگرسیون و دسته بندی و رگرسیون لجستیک استفاده شده است. یافته های حاصل از تجزیه و تحلیل رگرسیون لجستیک نشان می دهد که در سطح اطمینان 95% رابطه معنی داری بین تغییر حسابرس و متغیرهای درماندگی مالی وجود دارد همچنین نتایج حاصل از روش های داده کاوی نشان می دهد که نرخ تشخیص بیش از 89% و نرخ tp بیش از 84% است. به طور کلی نتایج پژوهش حاضر نشان می دهد که متغیرهای درماندگی مالی حاصل از صورت های مالی حسابرسی شده دارای بار اطلاعاتی مناسبی برای پیش بینی تغییر حسابرس شرکتهای فعال در بورس اوراق بهادار تهران هستند و با استفاده از آنها و تکنیک های داده کاوی می توان مدل هایی با کارآیی مناسب برای پیش بینی تغییر حسابرس شرکت ها ایجاد کرد. واژگان کلیدی: تغییر حسابرس، درماندگی مالی، داده کاوی

در این پایان نامه از یادگیری تقویتی برای پیدا کردن یک سیاست مناسب جهت رفع مشکل موجود در بازی های امروزی که سطح سختی نامتناسب و عدم تطبیق پذیری بازی، با قابلیت های بازیکنان می باشد استفاده کرده-ایم. عامل یادگیرنده بازی که از روش یادگیری تطبیقی dyna بهره می برد با بکار بردن تابع عمل-ارزش و دریافت پاداش، شروع به درک محیط اطراف خود می کند و در ادامه، مبحث انتخاب و سازماندهی ویژگی ها، اعمال و پاداش (که در همه بازی ها وجود دارد) در ترکیب با متد یادگیری مطرح می گردد. عامل یادگیرنده، شروع به آموزش دیدن در مقابل عامل هوشمند دشمن (الگوریتم های برپایه قانون ) می کند و در بخش نتایج نشان خواهیم داد که عامل یادگیرنده برای انتخاب سیاست در بازی، می تواند به نسبت برخی روش های موجود عملکرد بهینه تری را از خود نشان دهد. دو آزمایش مختلف برای اثبات بهینه بودن روش مطرح شده در این پایان نامه طراحی گردیده است. در آزمایش اول موضوع کارایی عامل یادگیرنده مد نظر است که نشان دهنده توانایی الگوریتم ارائه شده در اجرای بازی بصورت موفق می باشد. آزمایش دوم نیز مقایسه ای بین روش ارائه شده در این پایان نامه و یکی دیگر از روش های رایج در بازی ها، در مواجهه با وضعیت های جدید انجام خواهد داد.

اتفاقی که امروز در بازی سازی دنیا در جریان است آن است که برای نوشتن سناریو بازی های رایانه ای (بازی نامه) از انواع مدل های کلاسیک روایت در ادبیات نمایشی (مدل ارسطویی، هرم فری تاگ، ساختار پنج پرده ای، ساختار اسطوره ای سفر قهرمان، ساختار سه پرده ای سید فیلد و...) که پیش تر در تئاتر و سینما پیاده سازی شده اند، استفاده می شود. مهم این جاست که بازی های رایانه ای به دلیل خاصیت تعاملی ای که با بازی کننده دارند اگر سعی در تعریف قصه داشته باشند، نوعی از قصه گویی در آن ها به وجود می آید که به آن قصه گویی تعاملی (interactive storytelling) می گویند و در حقیقت این مخاطب (بازی کننده) است که قصه را با تصمیمات خود پیش می برد و ساختار درام بسته به انتخاب های مختلف بازی کننده در بازی عوض می شود. تعداد زیادی بازی رایانه ای نیز در دنیا ساخته شده است که با تکیه به این نوع روایت از شیوه های قصه گویی کلاسیک دور شده و به راهکارهای جدیدی برای تاثیر بر مخاطب دست یافته اند؛ برای مثال داستان مکبث را طوری در نظر بگیرید که مخاطب بتواند پایان های مختلفی برای آن رقم بزند و درام شکسپیر با تصمیمات مخاطب امروز پیش روی کند. مسئله ی اصلی این پژوهش بررسی این مدل قصه گویی جدید در بازی های رایانه ای است. اگر چنین مدل قصه گویی مدرنی را بتوان شاکله بندی و الگوهای آن را استخراج کرد، دو مهم حاصل خواهد شد؛ اول آن که مدلی جدید به مدل های کلاسیک قصه گویی در ادبیات نمایشی اضافه خواهد شد. مدلی که می تواند روی صحنه یا پرده هم اجرا و بازنمایی شود. و دیگر آن که کشف چنین مدلی که از هنر ادبیات نمایشی (با تاکید بر واژه ی «هنر بودن») برمی خیزد و به نواده ی خود بازی های رایانه ای می رسد، می تواند موید ارتباط های ساختاری این دو مدیوم باشد. قطعا هم جواری و اشتراک های بازی های رایانه ای به عنوان مقوله ای جدید با هنری چون ادبیات نمایشی، منجر به ارتقای اهمیت بازی های رایانه ای و تاکیدی بر مقوله ی «هنر بودن» آن ها خواهد شد.

سامانه های پیشنهاددهنده ابزاری مناسب برای ارائه پیشنهادهای شخصی سازی شده به کاربران می باشند. رویکرد پالایش مشارکتی یکی از مشهورترین رویکردهایی است که در این سامانه ها استفاده می شود. اکثر سامانه های پیشنهاددهنده ای که از این رویکرد استفاده می کنند، با مشکل تنکی دادگان و قابلیت مقیاس پذیری مواجه هستند. تکنیک های تجزیه ماتریس و تجزیه تانسور از موثرترین و مناسب ترین تکنیک های رویکرد مبتنی بر پالایش مشارکتی می باشند. این تکنیک ها مشکلاتی نظیر تنکی دادگان و قابلیت مقیاس پذیری را از بین برده اند و همچنین از میزان دقت بالایی در پیش بینی ها برای سامانه های پیشنهاددهنده برخوردار هستند. ما از سه تکنیک تجزیه ماتریس svd، sgd و als و دو تکنیک تجزیه تانسور hosvd و تجزیه تانسور بهینه سازی شده استفاده کردیم و قصد داریم که با استفاده از یک روش مقداردهی جدید میزان خطای این تکنیک ها را بهبود بخشیم.

چکیده ندارد.