نام پژوهشگر: مهدی صادق زاده
فرید صاغری مهدی صادق زاده
در امر آموزش ویژگی های مختلفی در یادگیری دانشجویان دخالت دارند. شناسایی این ویژگی ها در آموزش های مبتنی بر وب جهت شناسایی مشکلات و ارائه مشاوره به دانشجویان بدلیل تعامل غیرمستقیم استاد و دانشجو از اهمیت ویژه ای برخوردار است. در این تحقیق با انجام مطالعات و با استفاده از دانش افراد خبره ویژگی های تاثیرگذار بر یادگیری دانشجویان شناسایی گردیده و با استفاده از روش انتخاب ویژگی، ویژگی های تاثیرگذار بر یادگیری و عملکرد افراد انتخاب شده و سپس خوشه بندی فازی بر روی ویژگی های انتخاب شده انجام پذیرفت تا اهمیت و درجه ارتباط آنها نسبت به هم مشخص گردد. همچنین در جهت پیش بینی عملکرد، افزایش کارایی و موفقیت یادگیری دانشجویان، تکنیک های خوشه بندی، کشف قوانین همبستگی، کلاس بندی و تشخیص ناهمگونی بر روی نمرات دانشکده کامپیوتر و فناوری اطلاعات دانشگاه امیرکبیر اعمال گردید. فیلدهایی که در این تحقیق به عنوان متغیر در نظر گرفته شده، نمره میان ترم، پایان ترم و نمره نهایی دروس اخذ شده در یک ترم توسط دانشجویان ورودی 1385 تا 1391 این دانشگاه است. نتایج بدست آمده در این تحقیق نشان دهنده بالاترین دقت در استفاده از روش خوشه بندی و پایین ترین دقت در استفاده از روش کشف قوانین همبستگی می باشد. بر مبنای این نتایج می توان هر دانشجو را از ابتدای ترم راهنمایی و با توجه به نمراتی که در طول ترم کسب می کند، او را از محدوده نمره نهایی خود آگاه کرد و بر طبق توانایی هایش برنامه ریزی مناسب تحصیلی نمود. این الگوها می توانند برای کارآمدتر ساختن فرآیند یادگیری موثر باشند.
مهدی صادق زاده احمدرضا جلالی نایینی
چکیده ندارد.
مهدی صادق زاده محسن شاطریان
در این رساله تحولات جمعیتی زاهدان و نقش آن در ابعاد مختلف توسعه از دیدگاه برنامه ریزی شهری بررسی شده است . در ابتدا پس از نگرش کلی بر علل پیدایش شهرها و بررسی تطبیقی آن با پیدایش زاهدان به مطالعه عوامل موثر در پیدایش و توسعه زاهدان پرداخته شده و تحولات فیزیکی زاهدان در ادوار مختلف مورد بررسی قرار می گیرد سپس تغییرات و تحولات جمعیتی شهر طی ادوار مختلف سرشماری از دیدگاه آماری مطالعه شده تا هم روند رشد جمعیت این شهر و هم عوامل موثر در رشد جمعیت آن مشخص گردد که در این رابطه اگر چه بالا بودن میزان موالید در افزایش جمعیت این شهر نقش داشته است ، عوامل مهاجرتی ، عوامل سیاسی و امنیتی ، اداری ، اقتصادی نیز نقش مهمی در افزایش جمعیت شهر ایفا کرده است. یکی از نتایج افزایش جمعیت این شهر توسعه کالبدی نامتوازن آن بخصوص از سال 1355 تاکنون می باشد که موجب بروز نابسامانی هایی در این شهر گردیده است . پس از تحلیل مسائل جمعیتی به بررسی اثرات جمعیتی بر روی چشم اندازهای شهری و مطالعه کالبدی شهر از جمله بررسی امکانات و کمبود های شهری جهات و موانع توسعه محلات ، مقایسه سرانه های استاندارد با سرانه های موجود ، مسائل ترافیکی و ...) پرداخته شده است . در بخش پایانی نیز جمعیت زاهدان بطور کلی و زیر گروه های جمعیتی دیگر مثل جمعیت دانش آموزان و پزشکان و ... ) نیز به طور اخص براساس چهار فرض برای سالهای آتی پیش بینی شده و امکانات و فضاهای مورد نیاز برای این جمعیتها پیش بینی گردیده است . در پایان نیز پیشنهاداتی جهت رفع مشکلات موجود و آتی شهر زاهدان در ابعاد مختلف اجتماعی ، اقتصادی ، فرهنگی ، کالبدی و برنامه ریزی شهری آورده شده است که محور این پیشنهادات در دو جهت مطرح شده است : 1 - بهره وری مناسب از پتانسیل های موجود جمعیتی و شهری . 2 - جلوگیری از مهاجرت مناطق اطراف به شهر زاهدان از طریق ایجاد فعالیتهای اشتغال زا در شهر ها و روستاهای مبدا
مهدی صادق زاده نصرالله مقدم چرکری
اصطلاح بافت در لغت به معنی سطحی از یک ماده بافته شده می باشد و در مورد تصاویری بکار می رود که حاوی یک یا چند الگو باشند که بصورت باقاعده یا بی قاعده تکرار شده است. هدف از بکارگیری تکنیک های تقطیع یا بخش بندی بافت در یک تصویر، جداسازی اشیا، موجود از یکدیگر و یا از زمینه آن می باشد. این تکنیک ها مناطقی از تصویر شامل بافت های گوناگون را یافته و هر بافت را با سطح خاکستری مختص خود جایگزین می کنند. بنظر می رسد که روشهای کلاسیک تقطییع بافت مانند روش های ماتریس هم وقوعی، فیلترهای گابور، میدان تصادفی مارکوف و فرکتال، مناطق مرزی بین دو بافت را بخوبی تشخیص نمی دهند، زیرا قادر به بدست آوردن ویژگی یا ویژگی هایی که نرخ طبقه بندی را بهینه کند، نیستند. در این پایان نامه، رهیافتی جهت افزایش کیفیت تقطیع بافت با بکارگیری الگوریتم های ژنتیک ارائه شده است، و ضمن ارائه چگونگی پیاده سازی فعالیت انجام شده، نتایج بدست آمده بر روی تصاویر مونتاژ شده بانک تصاویر استاندارد brodatz مورد بررسی قرار گرفته است. نرخ دقت بخش بندی بر روی این تصاویر با استفاده از روشهای کلاسیک میدان تصادفی مارکوف و ماتریس هم وقوعی بترتیب برابر 5/73% و 73% بدست آمده است که با استفاده از الگوریتم های ژنتیک به حدود 90% افزایش یافته است.