شبکه های بیزی ابزاری قدرتمند در تصمیم گیری، دسته بندی، پیش بینی، خوشه بندی و برازش منحنی هستند که تا کنون در حوزه های مختلفی از قبیل فیزیک، زیست شناسی، علوم اقتصادی، علوم اجتماعی، صنایع و ... مورد استفاده قرار گرفته اند. در سال های اخیر، شبکه های بیزی به یک ابزار مناسب و پرکاربرد برای استخراج دانش و رمز گشایی از دانش غیر قطعی، در سیستم های خبره تبدیل گشته است. این قدرت انعطاف در حل مسائل و کاربرد فراوان در زمینه های مختلف، باعث شده است که از زمان ابداع این شبکه ها، محققان متعدد، فعالیت زیادی برروی توسعه کاربردها، رفع نواقص و افزایش کارایی، و همچنین تعمیم آن ها انجام دهند. رشد تکنولوژی در عصر امروز، پیامدها و نتایجی را با خود به همراه داشته است. یکی از این نتایج مکانیزه شدن بسیاری از روندهای صنعتی و تجاری، به ویژه در حوزه های نرم افزاری مانند تحلیل، استنتاج و تصمیم سازی است. با توجه به حجم قابل توجه داده در دسترس، و به علت نبود المان هایی مانند معیارهای دقیق تقسیم بندی و متغیرهای هدف، در بسیاری از این مجموعه های داده، نقش زمینه هایی مانند خوشه بندی در دانش داده کاوی بسیار پررنگ و اساسی است. با در نظر گرفتن نکات ذکر شده در بالا، ضرورت و اهمیت بررسی و بهبود خوشه بندی داده ها بر کسی پوشیده نخواهد بود و در این تحقیق، این مهم –با استناد به دلایلی که ذکر شد- به واسطه ابزار شبکه های بیزی، صورت پذیرفته است. ایده اصلی این تحقیق و هدف آن در راستای بهبود فرآیند خوشه بندی با استفاده از المان هایی مانند در نظر گرفتن ویژگی ها و روابط بین آن ها در یک مجموعه داده، و همچنین استفاده از روشی که حساسیت آن به ساختار و نحوه توزیع مجموعه داده، از سایر روش ها کمتر باشد، بوده است. در نهایت پس از پیاده سازی و امتحان روش بر روی داده های مختلف نتایج رضایت بخشی حاصل شد و اهداف مورد نظر به دست آمدند. به طور مشخص از موارد زیر می توان به عنوان دستاوردهای پژوهش جاری یاد کرد: • افزایش دقت در خوشه بندی • خوشه بندی کارای مجموعه داده هایی که توزیع متفاوت دارند، با استفاده از یک روش • استفاده از وابستگی های بین ویژگی های یک مجموعه داده در جهت ارایه خوشه بندی بهتر پژوهش حاضر از نظر گردآوری اطلاعات و مدارک، کتابخانه ای و از حیث ماهیت، یک پژوهش عقلی محسوب می گردد. تجزیه و تحلیل در این تحقیق با استفاده از پیاده سازی نرم افزاری و مقایسه نتایج حاصله با نتایج سایر روش ها و متدها صورت می گیرد. ابزار مورد استفاده در این تحقیق نیز تکنیک ها، الگوریتم ها و مجموعه داده های استاندارد هستند. برای انجام این پژوهش نیز مراحل زیر طی شده است: 1. بررسی ادبیات پژوهش به منظور شناخت مبانی نظری و شناسایی اولیه در مورد شبکه های بیزی، روش k-means و خوشه بندی. 2. شناسایی ابعاد قابل بهینه سازی در پیاده سازی شبکه های بیزی 3. بررسی نحوه خوشه بندی توسط شبکه های بیزی 4. پیاده سازی شبکه بیزی بهبود یافته در روند خوشه بندی مجموعه داده 5. نتیجه گیری و ارایه پیشنهادات

صنعت حمل و نقل ریلی یکی از صنایع حساس در بخش حمل و نقل می باشد و همچنین نقش مهمی در جابجایی کالا و مسافران بر عهده دارد. یکی از اجزای این صنعت لکوموتیو است. عملکرد مناسب این دستگاه از اهمیت ویژه ای برخوردار است. این پژوهش به بررسی کاربرد روش های داده کاوی در نگهداری و تعمیرات لکوموتیو می پردازد. از آنجا که در یک سیستم نگهداری و تعمیرات ماشین آلات مختلف رفتار متفاوتی دارند، نمی توان برنامه یکسانی برای همه آنها ارائه داد. بنابراین لازم است رفتار تمام ماشین آلات شناسایی گردد و بر اساس آن برنامه مناسبی برای هرکدام از اجزای سیستم طراحی شود. همچنین از این طریق می توان در مواقع حساس تصمیمات درستی گرفت که تا حد زیادی می تواند به بهبود عملکرد سیستم کمک نماید.