هدف : در این تحقیق ما به دنبال کشف و بررسی کردن روایی طرح دسته بندی انواع مشتریان با استفاده از بیان چهره (حالات چهره) به چهار دسته زیر هستیم : ? – خریدارن جسته و گریخته ? – خریداران آتی ? – خریداران بالقوه ? – خریداران واقعی مبنای انتخاب این چهار دسته داشتن بیان چهره مشخص برای هر دسته از آن هاست . طرح / متدولوژی/ رویکرد: این تحقیق به بررسی فروشگاههای الکترونیکی در رسته صوت و تصویر شهرستان مریوان واقع در استان کردستان می پردازد بطوریکه از فروشندگان دارای بیش از یک سال سابقه به طور مجزا خواسته شد تا اطلاعات مورد نیاز ( پرسشنامه ) را تکیمل کنند که در نتیجه انجام این کار ?? پاسخ جمع آوری گردید . یافته ها : این تحقیق نشان می دهد که برداشت فروشندگان از دسته بندی مشتریان به چهار دسته ، مشتریان جسته و گریخته ، مشتریان آتی ، مشتریان بالقوه و مشتریان واقعی صحیح است . هر کدام از این دسته ها بوسیله حالات چهره منحصر به فرد توصیف می شود . بعلاوه این تحقیق نشان می دهد که فاکتورهای جمعیت شناسی فروشندگان اثر معنی داری بر دسته بندی حالات چهره ندارد . پیامدها / محدودیت های تحقیق : این تحقیق پایه و مبنایی خواهد بود تا به کمک آن بتوان سیستمی خودکار و مکانیزه ساخت که با کمک بیان چهره مشتریان ، آن ها را دسته بندی کرده تا فروشندگان با اتخاذ استراتژی متناسب با هر خریدار مهارت های فروش خود را بهبود و توسعه دهند .این امر می تواند پاسخی بر پیشرفت تکنولوژی و تأثیر آن بر همه ابعاد سازمان باشد تا به کمک آن بتوان با تخصیص درست منابع ، گامی در بالا رفتن میزان فروش کسب و کار برداشت .

به طورکلی در این پایان نامه طراحی پایگاه دانش یک سیستم خبره برای ارزیابی ریسک اعتباری مشتریان حقوقی بانک مورد بررسی قرار گرفته است. در اینجا هدف تحلیل ریسک اعتباری مشتریان بر مبنای تحلیل کارشناسان که از نسبت های مالی بدست آمده است می باشد. نسبت های مالی از صورت های مالی مشتریان بدست آمده است، بنابراین دانشی که به کارشناسان بانک برای تعیین ارتباط بین ریسک اعتباری مشتریان و موقعیت مالی کمک می کند از این قوانین بدست آمده است. در این مطالعه سیستم خبره نسبتهای مالی مشتریان را به عنوان ورودی در نظر گرفته و پیش بینی سطح ریسک اعتباری به عنوان خروجی خواهد بود. نوع این تحقیق از نظر هدف بینادی و بر اساس نحوه گردآوری داده ها توصیفی –مطالعه موردی می باشد. جامعه آماری این پژوهش، کارشناسان اعتباری بانک تجارت می باشند که سابقه عضویت در کمیته اعتباری بانک و داشتن حق رای جهت تصویب تسهیلات و یا متخصصینی که وظیفه اصلی آنها تهیه گزارش کارشناسی جهت اعطای تسهیلات و نظارت بر مصرف تسهیلات می باشد است. پس از انجام یک مصاحبه مقدماتی و تعیین معیارهای ارزیابی تسهیلات و آیتم های هر کدام از معیارها، پرسشنامه ای با استفاده از مقیاس لیکرت طراحی گردید. پس از عرضه معیارهای تعیین شده توسط مقیاس لیکرت در پرسشنامه میزان اهمیت هر ایتم در ارزیابی معیارهای اعطای تسهیلات مورد سنجش و در اختیار کارشناسان بانک قرار گرفت. برای اطمینان از صحت داده های جمع آوری شده ابتدا آزمون نرمال بودن داده ها به عمل آمد پس اطمینان از صحت داده ها از معیارها آزمون t به عمل آمد تا متوجه شویم معیارهای انتخابی معیارهای مهمی بودند. سپس از کارشناسان خواسته شد حداقل امتیاز در هر بخش پرسشنامه جهت پذیرفته شدن متقاضی برای اعطای تسهیلات را تعیین کنند. برمبنای حداقل امتیازات تعیین شده توسط آنها قوانین سیستم خبره تعیین گردید.

این پایان نامه در خصوص بازشناسی متون چاپی فارسی و عربی به صورت مستقل از اندازه قلم است. بازشناسی آخرین مرحله در فرآیند ocr می باشد. در مراحل قبل انواع نویزها و چرخش موجود در تصویر برطرف شده، و ویژگی های مورد نظر از تصویر استخراج شده است. در روش پیشنهادی سیستم برای هر قلم فقط در یک اندازه مشخص آموزش داده می شود و پس از آن با دقت قابل قبولی در بازه ای از اندازه ها قادر به بازشناسی متون چاپی فارسی و عربی خواهد بود. همچنین در این سیستم فرآیند قطعه بندی و بازشناسی کاراکترها به صورت همزمان انجام می شود. اساس این روش بر استفاده از توصیفگرهای sift و مکانیزم پنجره لغزان استوار است. این توصیفگرها علاوه بر اینکه ساختار تصویر را به خوبی بیان می کنند، نسبت به برخی تغییرات مانند تغییر در مقیاس مقاوم هستند. علاوه بر توصیفگرهای sift، از تعدادی ویژگی های دیگر برای بالابردن میزان صحت بازشناسی استفاده شده است. به منظور افزایش کارایی، در روش پیشنهادی فضای حالت براساس موقعیت کاراکتر در کلمه به چهار حالت ابتدایی، میانی، پایانی و منفرد تقسیم، و برای هریک از این حالات یک کلاس بند در نظر گرفته شده است. همچنین در هریک از این چهار کلاس بند، با استفاده از مکانیزم وزن دهی به ویژگی ها، نرخ بازشناسی بهبود یافته است. فرآیند آموزش در این سیستم نسبت به سایر سیستم ها بسیار سریع تر است زیرا به ازای هر قلم، سیستم فقط در یک اندازه و روی تعداد اندکی سمبل آموزش می بیند. در پیاده سازی مرحله بازشناسی نیز، با استفاده از تکنیک هایی چون حافظه اشتراکی، مالتی ترد و توزیع پردازش روی هسته های پردازشی، سرعت اجرای الگوریتم بیش از 20 برابر نسبت به حالت عادی بهبود یافته است. الگوریتم پیشنهادی روی سه مجموعه داده pats ، apti و مجموعه داده حاصل از ocrdsg در حالت های مختلف تست شده است. نرخ بازشناسی در سطح کاراکتر برای مجموعه داده pats در بازه 98.13 تا 100 درصد و برای مجموعه داده apti در بازه 96.82 تا 100 درصد است. همچنین سیستم پیشنهادی روی مجموعه داده بدست آمده از ocrdsg به ازای هفت قلم فارسی متداول و در 13 اندازه مختلف، بر موتور بازشناسی tesseract پشتیبانی شده توسط گوگل غلبه دارد. در این حالت نرخ بازشناسی سیستم در سطح کاراکتر در بازه 97 تا 100 درصد است. نتایج این تست ها از عملکرد بسیار خوب این الگوریتم خصوصاً در اندازه های نزدیک به اندازه آموزش سیستم حکایت دارد. سیستم پیشنهادی تقریباً بر همه سیستم های شرکت کننده در مسابقه ذکر شده در متن پایان نامه غلبه می کند. توجه شود که این سیستم فقط برای یک اندازه آموزش داده شده و فاقد هرگونه لغتنامه و یا مرحله پس پردازش است. با آموزش سیستم برای اندازه های مختلف، نرخ بازشناسی در تمامی حالت ها به بیش از 99% می رسد.

گسترش روزافزون استفاده از ابزارهای یادگیری از راه دور و تمایل افراد به صرفه جویی در زمان و هزینه، منجر به افزایش درخواست افراد به شرکت در دوره های یادگیری الکترونیکی یا تحصیل در دانشگاه های حمایت کننده از این روش شده است. در سال های اخیر علی رغم رشد قابل ملاحظه در کمیت این مبحث، کیفیت رشد چندانی نداشته است. فقدان روابط رو در رو که از عوامل اصلی یادگیری به روش سنتی محسوب می شود، خود مشکلاتی در این زمینه به وجود آورده است. با توجه به نو بودن حوزه یادگیری الکترونیکی در ایران، و همچنین گسترش استفاده از هوش مصنوعی، در این پژوهش با نگاهی به رشد سریع استفاده از عامل های هوشمند، و پس از بررسی انواع عامل های هوشمند در زمینه یادگیری، دو رویکرد اصلی در زمینه استفاده از آن ها، شناسایی شد. رویکرد اول به مواردی اشاره دارد که از عامل های هوشمند به صورت پایه ای در زمینه یادگیری الکترونیکی استفاده کرده اند و رویکرد دوم به مواردی می پردازد که در آن ها عامل های هوشمند به عنوان جزیی در کنار سیستم اصلی و برای دستیابی به اهداف خاص، طراحی شده اند. از نظر پیاده سازی نیز موارد بررسی شده عمدتا از ابزارهای متن باز برای تهیه نمونه اولیه و یا پیاده سازی سیستم ها استفاده کرده اند. در قدم بعدی با بررسی بستر فنی پرتال یادگیری و دیگر نرم افزارهای وابسته به آن در موسسه مهر البرز تهران، تلاش شد به روشی ساده نوعی عامل هوشمند که بتواند در پاسخ گویی به سوالات متداول دانشجویان به آن ها کمک کند طراحی و در پرتال آموزشی موسسه در دسترس ایشان قرار گیرد. بررسی نتایج حاصل از این پژوهش رضایت کاربران و تمایل ایشان به استفاده از این گونه عامل ها را نشان می دهد. روش جمع آوری اطلاعات در مرحله ارزیابی نظرات، پرسشنامه بوده و از spss نسخه 21 به منظور تحلیل داده ها استفاده شده است. و همچنین در مرحله طراحی و تولید نمونه آزمایشی ابزارهای closed-source مورد استفاده قرارگرفته اند.

یکی از مهمترین مراحل در فرآیند کلی ocr، مرحله ی شناسایی کاراکترهای قطعه بندی شده می باشد که تاکنون روشهای متعددی برای انجام این کار مورد آزمایش قرار گرفته است. اما نقاط ضعف هر کدام از این روشها و این واقعیت که برخی از آنها بر اساس ویژگیهای یک زبان خاص طرح ریزی شده اند، مانع از دستیابی به یک روش جامع و کلی برای امر شناسایی کاراکتر گردیده است. در سال 2005، شیوه ی مدلسازی و محاسباتی نوینی تحت عنوان حافظه ی سلسله مراتبی موقتی توسط آقای جف هاوکینز ارائه گردید که حاصل تحقیقات وی بر روی نحوه ی عملکرد مغز انسان می-باشد. از آنجا که این روش در صدد شبیه سازی عملکرد مغز انسان تا حد امکان بوده و با در نظر گرفتن این واقعیت که فرآیند دسته بندی (شناسایی) کاراکترها با اشکال و صور مختلف برای انسان امری ابتدایی و راحت می باشد، لذا از نقطه نظر شهودی و همچنین بر اساس مبانی نظری این روش، انتظار آن می رود که بتوان از این روش در امر شناسایی کاراکتر حداکثر استفاده را به عمل آورد. در سند حاضر، ضمن معرفی برخی از مهمترین روشهای متداول برای شناسایی کاراکتر و بررسی نقاط قوت و ضعف آنها، سعی بر آن است، شیوه ی جدید یاد شده مورد بررسی قرار گرفته و از آن در امر شناسایی کاراکتر پارسی استفاده به عمل آید.

این پایان نامه روشی برای بازشناسی متون چاپی فارسی و زبان های دارای الفبای مشابه آن مانند عربی ارائه می دهد. بازشناسی آخرین مرحله در فرآیند ocr است که در آن به وسیله ویژگی های به دست آمده از تصویر، متن موجود در آن تشخیص داده می شود. تصویر مورد استفاده، در مراحل قبل پیش پردازش شده، انواع نویزها و چرخش آن برطرف گشته، و در نهایت دودویی شده است. در این روش، نوع و اندازه قلم یا قلم های استفاده شده در متن نیز باید مشخص باشند. الگوریتم پیشنهادی از مدل پنهان مارکوف استفاده می کند. این مدل یکی از موفق ترین روش های بازشناسی گفتار می باشد که به دلیل وجود شباهت های بسیار، در سال های اخیر در بازشناسی متون نیز مورد توجه زیادی قرار گرفته است. مدل پنهان مارکوف شامل حالات به همراه احتمال گذر بین آن هاست و در هر حالت می توان مشاهدات احتمالی مختلفی نیز داشت. برای بازشناسی متن، مشاهدات می توانند مجموعه ای از مقادیر پیکسل ها و حالات بیانگر بخش های حروف باشند. برای کوچک کردن فضای حالت ویژگی ها و در نتیجه ساده تر کردن محاسبات، در این روش از کوانتیزاسیون برداری نیز استفاده شده است که این کار با کمک خوشه بندی انجام می شود. در این پایان نامه روش های مختلف خوشه بندی نیز ارائه شده و کارایی آن ها در مسئله بازشناسی بررسی گشته و در نهایت الگوریتم خوشه بندی agglomerative مورد استفاده قرار گرفته است. در فرآیند آموزش روش ارائه شده، سیستم تعداد زیادی تصاویر متنی به همراه اطلاعات قطعه بندی آن ها در سطح کاراکتر دریافت می کند. سپس یک پنجره در راستای خط زمینه حرکت کرده و ابتدا برای حالات مختلف هریک از کاراکترها یک مدل پنهان مارکوف ایجاد می شود. در نهایت با بررسی احتمال قرارگیری حروف در کنار یکدیگر، تمامی این مدل ها به یکدیگر متصل شده و یک مدل پنهان مارکوف کلی نیز تشکیل می گردد. آموزش مدل ها در این فرآیند توسط الگوریتم baum-welch می باشد. در بخش تست، سیستم تصویر متن را دریافت کرده و با استفاده از مکانیزم پنجره ذکر شده، دنباله ای از ویژگی ها را نتیجه می دهد. در این جا نیازی به قطعه بندی نیست و تنها تشخیص محل قرارگیری خط کافی می باشد. با وارد کردن این دنباله مشاهدات به مدلی که در مرحله قبل آموزش داده شده، مدل پنهان مارکوف بهینه ترین زنجیره از حالات که بیانگر متن موجود در تصویر است، را با استفاده از الگوریتم viterbi به ما بر می گرداند. برای بررسی عملکرد این سیستم در زبان فارسی، با استفاده از چندین واژه نامه معتبر، مجموعه وسیعی از کلمات ایجاد کرده و با کنار هم قرار دادن تصادفی آن ها متون زیادی را تشکیل داده ایم. سپس تصاویر این متون را با قلم های مورد نظر تولید و ساختار مناسبی برای توصیف آن ها ایجاد نموده ایم. به منظور مقایسه نیز از مجموعه داده عربی pats استفاده شده است. برای مجموعه تصاویر توسعه داده شده نرخ بازشناسی بین 98.32 تا 100 و برای مجموعه داده pats بین 95.37 تا 100 قرار دارد.

هدف از این پایان نامه معرفی روشی برای دودویی سازی مستندات چاپی و اسکن شده به زبان فارسی بر اساس ویژگی های آن ها می باشد. این فرآیند باعث کاهش چشمگیر حجم اسناد می شود و یکی از مهمترین مراحل فرآیند پیش پردازش و بهبود کیفیت تصاویر است. فرآیند دودویی سازی بطور کلی نوعی کلاس بندی پیکسل های تصویر بر اساس ویژگی های آن ها می باشد. ورودی این فرآیند برداری از ویژگی های تصویر می باشد که با استخراج مهمترین ویژگی ها و ایجاد تابع ارزیابی بر اساس آن ها، مقدار حد آستانه مناسب جهت کلاس بندی پیکسل ها محاسبه می شود. ویژگی های استخراجی می توانند ویژگی های کلیِ تصویر و یا ویژگی های محلی و یا ترکیبی از هر دو نوع باشند. این پایان نامه سعی دارد تا با استخراج ویژگی های مناسب به دودویی سازی اسناد بپردازد. الگوریتم پیشنهادی ابتدا بر اساس ویژگی های کلی تصویر، آن را بلاک بندی می کند و سپس با استخراج ویژگی های مناسب از هر بلاک به جداسازی بلاک های متنی از بلاک های غیر متنی می پردازد و در پایان بلاک های متنی را بطور جداگانه دودویی می کند. ارزیابی الگوریتم پیشنهادی در سه مرحله انجام گرفته است. مرحله اول ارزیابی عملیات جداسازی بلاک های متنی و غیر متنی می باشد، مرحله دوم ارزیابی شهودی و محاسباتی فرآیند دودویی سازی است و مرحله سوم بررسی پیچیدگی اجرایی الگوریتم پیشنهادی می باشد. براساس نتایج بدست آمده، پاسخِ الگوریتم پیشنهادی به علت استخراج ویژگی های مناسب و استفاده همزمان از خصوصیات کلی و محلی تصویر، در شرایط مختلف همچون نویز و توازن نورِ متغیر، مطلوب می باشد.

دسته بندی تصاویر از مباحث پرکاربرد در زمینه ی بینایی ماشین است که در مواردی از قبیل رباتیک، جستجوی تصاویر، تشخیص چهره و ... مورد استفاده قرار می گیرد. در بین روش های مطرح در این زمینه؛ دسته بندی با استفاده از کیسه ی کلمات کلیدی، از رایج ترین و کاراترین روش ها می باشد که در روش پیشنهادی در این پایان نامه هم استفاده شده است. در روش پیشنهادی برای ساخت واژگان یا کیسه ی کلمات کلیدی، ابتدا نقاط کلیدی تصاویر را توسط توصیفگر brisk تفسیر کرده و در نهایت با استفاده از روش خوشه بندی k میانگین و روش فازی c میانگین، خوشه بندی کرده و مراکز هر خوشه را به عنوان اعضای واژگان استخراج می کنیم. البته ساخت واژگان به صورت غیر فازی دارای معایبی از قبیل عدم قطعیت، عدم مقبولیت و از دست رفتن اطلاعات است اما در عین حال دارای مزایایی از قبیل سرعت بالاتر و حجم محاسبات کمتر می باشد. پس از تست و مقایسه نتایج آزمایش روی اندازه های مختلف واژگان مشخص شد روش های پیشنهادی کاراتر از روش های ارائه شده ی پیشین هستند و علاوه بر این به دلیل استفاده از توصیفگر brisk حجم محاسبات نیز کاهش یافته است.

درک عواملی که موجب پذیرش یک فناوری شده و ایجاد شرایطی که تحت آن، سیستم اطلاعاتی مورد نظر پذیرفته می شود، از پژوهش های مهم در زمینه فناوری اطلاعات و سیستمهای اطلاعاتی است؛ یکی از انواع سیستمهای اطلاعاتی نوظهور در دهه های اخیر، عاملهای هوشمند انسان نما در مراکز سلامت الکترونیک میباشند. لذا این تحقیق به بررسی عوامل موثر بر پذیرش عاملهای هوشمند در خدمات سلامت الکترونیکی می پردازد. مدل ارائه شده در این تحقیق شکل توسعه یافته مدل پذیرش فناوری (tam) میباشد که علاوه بر متغیرهای سهولت استفاده ادراکی، مفید بودن ادراکی، نگرش و نیت که متغیرهای اصلی مدل میباشند، دو متغیر دیگر تحت عناوین کیفیت ادراکی و اطمینان ادراکی نیز به مدل اولیه پذیرش فناوری اضافه شده اند. این تحقیق از نظر هدف کاربردی و از نظر گردآوری اطلاعات توصیفی- همبستگی میباشد. در این تحقیق از ابزار پرسشنامه استفاده شده است. مقیاس سنجش آیتم ها از ادبیات موجود استخراج گردیده و سنجش شاخص ها بر اساس مقیاس پنج تایی لیکرت با مبنای کاملا مخالف تا کاملا موافق انجام پذیرفته است. برای تجزیه تحلیل داده های استخراج شده از 365 پرسشنامه جمع آوری شده، در سطح آمار توصیفی از نرم افزار spss، و در سطح آمار استنباطی از روش تحلیل حداقل مربعات جزئی و از نرم افزار smart plsاستفاده شده است. یافته های تحقیق حاکی از آن است که هفت فرضیه از نه فرضیه ارائه شده، مورد تائید قرار گرفته که طبق آنها متغیرهای کیفیت ادراکی و اطمینان ادراکی بر سهولت استفاده ادراکی، سهولت استفاده ادراکی بر مفید بودن ادراکی و نگرش، مفید بودن ادراکی بر نگرش و نیت کاربر، و در نهایت نگرش بر نیت به استفاده تاثیر گذار میباشند. و تاثیر متغیرهای کیفیت ادراکی و اطمینان ادراکی بر مفید بودن ادراکی به صورت مستقیم، مورد تایید قرار نگرفتند.