امروزه پیشرفت امکانات نرم افزاری و سخت افزاری، موجب آسانی ذخیره شدن مقادیر زیادی داده شده است. تعداد مستندات متنی روز به روز در حال افزایش است، نامه های الکترونیکی، صفحات وب، متون خبری و مقالات تنها بخشی از این گستره رو به افزایش هستند. بنابراین نیاز به تکنیک های متن کاوی همانند روش های خودکار برای رده بندی متون احساس می شود. در امر رده بندی خودکار متون، انتخاب ویژگی از درون متن جزء مهم ترین مراحل می باشد. انتخاب ویژگی برای کاهش ابعاد فضای ویژگی استفاده می شود، چرا که فضای ویژگی برای متون شامل ده ها هزار کلمه خواهد بود که پردازش های بعدی سیستم را امکان ناپذیر می کند. تاکنون روش های مختلفی برای انتخاب ویژگی برای داده های متنی طراحی شده اند که هر یک دارای معایب و مزایایی هستند، ولی روشی کلی که اکثر سیستم های رده بندی متون از آن استفاده کنند و میزان کارایی بالایی نیز داشته باشد معرفی نشده است. برای بهبود کارایی سیستم رده بندی متون در این پایان نامه دو روش جدید برای انتخاب ویژگی ارائه شده است. روش اول بر پایه الگوریتم مبتنی بر احتمال سرد شدن شبیه سازی شده پیاده سازی شده است. در الگوریتم سرد شدن شبیه سازی شده نیاز به استفاده از تابع برازندگی مناسب وجود دارد. بنابراین از روش بسامد سند برای ارزیابی راه حل در هر تکرار الگوریتم سرد شدن شبیه سازی شده استفاده شده است. روش بسامد سند به عنوان تابع برازندگی دارای هزینه محاسباتی کمی است. روش دومی که برای انتخاب ویژگی در این کار ارائه شده است روش بهبود یافته اطلاعات متقابل است که آن را اطلاعات متقابل اصلاح شده نام نهادیم. در نهایت کارایی روش-های پیشنهادی با کارایی روش های مربع چی، ضریب همبستگی، مربع چی ساده، بهره اطلاعاتی، اطلاعات متقابل، بسامد سند و انحراف معیار بسامد کلمه بر روی مجموعه ای از متون فارسی مقایسه شده است و به این نتیجه رسیدیم که هر دو روش پیشنهادی دارای کارایی بهتری در اکثر موارد می باشند. در بین روش های بررسی شده روش های مربع چی و ضریب همبستگی نسبت به روش-های پیشنهادی قابل مقایسه هستند. همچنین پس از بررسی نتایج به این نکته رسیدیم که در اکثر مقایسه ها روش پیشنهادی مبتنی بر الگوریتم سرد شدن شبیه سازی شده ، به روش اطلاعات متقابل اصلاح شده چیره خواهد شد. همچنین الگوریتم های پیشنهادی در رده سیاسی پایین ترین و رده ورزشی بالاترین کارایی دارند.

مسائلی همچون رشد روز افزون جمعیت شهری، شهری شدن جوامع، جهانی شدن و ضرورت پاسخگویی و شهروندمداری، مدیران و تصمیم گیران را به سوی بهره گیری از روش های مطلوب در زمینه مدیریت شهری سوق داده است؛ یکی از روشهای مطرح در این زمینه حکمروایی خوب شهری است. بنابراین مدیریت شهری با بکارگیری مولفه های حکمروایی خوب می تواند بر این مسائل و مشکلات غلبه کند. این پژوهش با هدف سنجش عملکرد مدیریت شهری با تاکید بر شاخص های حکمروایی خوب شهری در یزد انجام گردیده است. نوع این پژوهش کاربردی و روش آن توصیفی- تحلیلی می باشد. جامعه آماری این پژوهش شامل دو گروه شهروندان و کارشناسان (شهرداری و شورای شهر) می باشد. حجم نمونه برای شهروندان با استفاده از فرمول کوکران 400 نفر به دست آمد و برای کارشناسان نیز تعداد 40 نفر از کارشناسان مربوطه انتخاب گردید. در این پژوهش با استفاده از ابزار پرسشنامه که روایی آن از طریق پیش آزمون و پایایی آن با استفاده از روش آلفای کرونباخ تایید شده، داده های مورد نیاز جهت سنجش عملکرد مدیریت شهری جمع آوری شده است. یافته های این پژوهش و نتایج حاصل از آزمون فرضیه نشان می دهد که مدیریت شهری عملکرد مطلوبی در زمینه حکمروایی خوب شهری نداشته است. از دیدگاه شهروندان مدیریت شهری در زمینه حکمروایی خوب شهری میانگینی پایین تر از حد متوسط داشته است، اما از دیدگاه کارشناسان مدیریت شهری در 5 شاخص اثر بخشی و کارایی، شفافیت، قانونمداری، مسئولیت و پاسخگویی و شاخص بینش راهبردی میانگینی بالاتر از حد متوسط داشته اند و فقط سه شاخص مشارکت، عدالت و جهت گیری توافقی میانگین پایین تری از حد متوسط داشته است. در آخر نیز با توجه به عملکرد نامناسب مدیریت شهری در شهر یزد، پیشنهاداتی نیز در جهت بهبود حکمروایی خوب شهری در یزد ارائه گردید.

مسئله پیش¬بینی مکان استقرار پروتئین¬ها در سلول یک مسئله پژوهشی بسیار جدی در علم بیوانفورماتیک می¬باشد. به طور روشنتر دانستن مکان استقرار پروتئین¬ها در سلول یک گام مهم در فهمیدن کارکرد آن پروتئین می¬باشد. یک مسئله مشابه با مسئله پیش¬بینی مکان استقرار پروتئین¬ها در سلول، مسئله پیش¬بینی مکان استقرار پروتئین¬ها در اندامک¬های موجود در سلول مانند هسته، میتوکندری و یا کلروپلاست می¬باشد. یکی از مهمترین اندامکهای موجود در سلول هسته¬داران میتوکندری می¬باشد که نقش بسیار مهمی در فرآیند متابولیسم انرژی دارد و جایگاه تنفس سلول می¬باشد. میتوکندری توسط دو لایه غشایی خارجی و داخلی احاطه¬ شده¬است. در داخل غشای داخلی آن ماده زمینه قرار گرفته¬است . غشای خارجی، غشای داخلی و ماده زمینه شامل پروتئین¬هایی می¬باشند که در رویه های گوناگونی از فرآیند متابولیسم انرژی شرکت می¬کنند. استفاده از یک سیستم ماشینی قابل اعتماد برای تشخیص مکان پروتئین در میتوکندری می¬تواند موجب تسریع طراحی دارو برای بیش از 100 گونه از بیماریهای پیچیده در ارتباط با میتوکندری چون برنامه ریزی مرگ سلول ، قابلیت تنظیم بیولوژیکی یونی و غیره شود. در ابتدا ما براساس مدلهای بازنمایی گوناگون توالی¬های پروتئینی اقدام به ساخت پییش¬بینی کننده¬هایی برای تعیین مکان استقرار پروتئین در میتوکندری می¬نماییم. در نتیجه آن ما یازده مدل بازنمایی را مورد توجه قرار¬می¬دهیم که شامل درصد ترکیب اسیدهای آمینه ، درصد¬ترکیب دی¬پپتیدی، درصد¬ترکیب دی¬پپتیدی با شکاف، درصد¬ترکیب ویـژگیهای اسیدهای آمینه، درصد¬ترکیب اسیدهای آمینه کاذب chou، درصد¬ترکیب دومن کارکردی، مدل بر اساس پیش بینی سطح در دسترس ، مدل بر اساس پیش بینی عناصر ساختار دوم ، مدل ترکیبی بر اساس پیش¬بینی سطح در دسترس و پیش¬بینی عناصر ساختار دوم توالی، مدل گسسته همترازی دوبدوی توالی¬های پروتئینی، مدل گسسته بهبود یافته همترازی دوبدوی توالی¬های پروتئینی می¬باشد. در ادامه بر¬اساس مجموعه داده های استاندارد ساخته¬شده برای این مسئله ویژگی¬های در ارتباط با هر مدل بازنمایی را برای هر توالی پروتئینی استخراج می¬کنیم . سپس بر اساس ساخت طبقه¬کننده¬هایی با استفاده از روش ماشین برار پتشتبان چندکلاسی یک¬-دربرابر-یک برای هر مجموعه ویژگی مربوط به هر مدل بازنمایی توالی¬ها به پیش¬بینی مکان استقرار پروتئینها در میتوکندری پرداختیم. نتایج این بررسی نشان¬داد که بر¬اساس مدل گسسته بهبود یافته همترازی دوبدوی توالیهای پروتئینی توانستیم طبقه کننده¬هایی بسازیم که بر اساس روش تست یکی¬کنار در دقت پیش¬بینی مکان استقرار پروتئین در میتوکندری 1% نسبت به بهترین سیستم محاسباتی پیشین بکار رفته برای این مسئله بهبود ایجاد کند. در ادامه ما به این بهبود اکتفا نکرده و با استفاده از روش¬های ترکیب طبقه¬کننده¬ها مانند رای¬گیری¬ اکثریت و عملگرهای ترکیب¬داده عملگر میانگین مرتب وزن دار(owa) بهترین طبقه¬کننده¬های حاصل از انواع مدل¬های بازنمایی توالی¬های پروتئینی را که خود پیشتر ساخته¬ایم را در سطح تصمیم¬گیری ترکیب کرده و ابر¬طبقه¬کننده هایی برای این مسئله می¬سازیم. در نهایت براساس بکار بردن عملگر میانگین مرتب وزن دار بر روی یازده طبقه کننده برتری که پیشتر ساخته بودیم توانستیم طبقه کننده¬ای بسازیم که براساس روش تست یکی¬کنار با دقت کل 94.01% مکان استقرار پروتئین¬ در میتوکندری را پیش¬بینی کند. این نتیجه نسبت به درصد دقت¬کل بهترین سیستم محاسباتی پیشین بکار رفته برای این مسئله که 89% می¬باشد یک برتری قابل توجه می¬باشد.