نام پژوهشگر: علی عزیزیان

وجوه و معانی روانشناسی در اندیشه نیچه با نظر به آرای یونگ
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه علامه طباطبایی - دانشکده الهیات و معارف اسلامی 1392
  علی عزیزیان   احمدعلی حیدری

نیچه در عبارت معروفی در کتاب فراسوی خیر و شر روانشناسی را ملکه علوم می داند و به دنبال نشاندن روانشناسی به جایگاه اصلی خود در میان علوم است. همچنین می دانیم که نیچه پیوسته خود را روانشناس نامیده است. این روانشناس بودن نیچه به چه معناست؟ روانشناسی نیچه نوعی روانشناسی فیزولوژیک است که بر اساس تحلیل نیروها و تفسیر آنهاست. این نیروها با اینکه تمام نیروهای عالم را در بر می گیرند اما تفسیر علم فیزیک از آنها ناقص است و نمی تواند بیانگر آنها باشد. همچنین این نیروها بدون منشأ و اتم هستند ولی در عین حال به طرزی مکانیکی بر هم عمل می کنند. این را نیچه جمع دید افلاطونی و مکانیکی نامیده است. شناخت "من" و تفاوت آن با "خود" و سیر "من" به سوی "خود" و ایجاد رابطه ای مستحکم میان "من" و "خود" هدف کلی روانشناسی نیچه می باشد به این ترتیب که "من" تا آنجا که خود را تن نمی داند و از بدن جدا و بیگانه گشته است، ارتباط خویش را با "خود" که همان خرد بدن می باشد از دست داده است. لیکن این "من" و عالم خیال که توهم اراده آزاد دارد، به کلی نفی نمی شود. در اینجاست که نیچه با آرمان زاهدانه فاصله می گیرد. اما هر اراده آزادی نیز تأیید نمی شود. تنها آن اراده آزادی به راستی اراده آزاد است که "خواست قدرت" و "خواست بازگشت جاودان" همان را دارد.

مقایسه سری های زمانی با طول نابرابر در حوزه فرکانس
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه شهید چمران اهواز - دانشکده ریاضی و کامپیوتر 1394
  علی عزیزیان   رحیم چینی پرداز

ممیزی و خوشه بندی دو موضوع مهم در تحلیل آماری چند متغیره هستند. خوشه بندی سری های زمانی با استفاده از آنالیز فوریه یکی از این روش های مهم است که به دلیل مستقل کردن دوره نگار در فرکانس های مختلف محاسبات خوشه بندی را مقدار زیادی ساده می کند. مشکلی که اغلب در کارهای عملی خوشه بندی سری زمانی به وجود می آید نابرابر بودن طول سری های زمانی است. در این پایان نامه روش پیشنهادی برای خوشه بندی با طول نابرابر ارائه شده است. در این روش طول سری با اضافه یا کاهش دادن مقادیر، برابر و سپس آنالیز ممیزی با خوشه بندی انجام می شود. چند فاصله مهم از جمله کولبک-لیبلر، چرنوف و ماهالانوبیس برای خوشه بندی سری زمانی برای زمانی که تعداد مشاهدات برابر نیستند به دست آورده شده است. سپس ضمن تعیین کارایی این فاصله ها با شبیه سازی نشان داده ایم که فاصله چرنوف نسبت به دیگر فاصله ها کارایی بیشتری دارد. در انتها با استفاده از فاصله ممیزی چرنوف داده های ایالت های آمریکا را خوشه بندی کرده ایم. نتایج نشان داد ایالت های جنوبی نسبت به ایالت های شمالی و شرقی در یک خوشه با ‏نرخ جمعیت بالاتر قرار دارند.