نام پژوهشگر: مصطفی رجب زاده

تهیه پودر نانوکریستال اکسید آلومینیوم با استفاده از سنتز احتراقی و بررسی خواص آن
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد 1390
  مصطفی رجب زاده   سید جلال شخص امامپور

آلومینا (اکسید آلومینیوم) به عنوان کاتالیست، جاذب و ساینده در صنایع مختلفی به کار گرفته می شود. نظر به اینکه خواص فیزیکی و مکانیکی آلومینا در ابعاد نانو بهبود قابل توجهی می یابد، تولید و بهینه سازی روش های تولید این ماده از اهمیت ویژه ای برخوردار است. روش سنتز احتراقی یکی از روش های تولید پودرهای نانوبلور این ماده است که جایگزین خوبی برای روش های قدیمی و متداول فعلی است. در این پژوهش پودر نانوبلور اکسید آلومینیوم (al2o3) با استفاده از روش سنتز احتراقی محلول با به کارگیری اوره و گلیسین به عنوان سوخت، تهیه گردید. آنالیزهای پراش اشعه ایکس، میکروسکوپ الکترونی روبشی، میکروسکوپ الکترونی عبوری، و گرماسنج تفاضلی روبشی، گرما وزن سنج روی محصولات صورت گرفت و معین شد که متوسط اندازه بلور های آلفا در محدوده 21 تا 50 نانومتر می باشد. عوامل موثر بر متوسط اندازه بلور ها بررسی شده و خواص فیزیکی و ترمودینامیکی آن ها مورد بررسی قرار گرفت. استفاده از ترکیب دو سوخت (اوره و گلیسین) به جای تنها یک سوخت، باعث بهبود خواص ساختاری و افزایش پایداری محصولات گردید. نتایج نشان می دهد بهترین نتیجه زمانی به دست می آید که نسبت مولی اوره به گلیسین 3 به 1 بوده و نسبت سوخت به نیترات آلومینیوم از نسبت استوکیومتری آن بیشتر باشد.

ارائه یک روش پالایش گروهی با استفاده از خوشه بندی برای بهبود عملکرد سیستم های توصیه گر در تجارت الکترونیک
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه اراک - دانشکده فنی 1393
  مصطفی رجب زاده   رضا رافع

رشد روز¬افزون تجارت الکترونیک در فضای مجازی باعث معرفی محصولات متنوع و زیادی از سوی شرکت¬های فعال در این حوزه شده است. در چنین شرایطی انتخاب مناسب و بهینه محصولات از میان حجم انبوه اطلاعات ارائه شده برای کاربران کاری مشکل است. سیستم¬های توصیه¬گر با توجه به ویژگی¬ها، رفتار و علایق کاربران سعی می¬کنند بهترین و مناسب-ترین آیتم¬ها را به کاربران خود پیشنهاد دهند. در این پایان نامه سه روش پالایش گروهی برای طراحی سیستم¬های پیشنهادگر در دو فاز آفلاین و آنلاین ارائه شده است. در روش اول و در فاز آفلاین خوشه بندی کاربران با استفاده از الگوریتم ژنتیک انجام شده است و در فاز آنلاین میزان علاقه¬مندی کاربر هدف به آیتم ها تخمین زده می شود. عملکرد کلی روش دوم مانند روش اول است ، اما نحوه انتخاب سرخوشه ها، جهش استفاده شده در الگوریتم ژنتیک و فرآیند پیش بینی نرخ گذاری در فاز آنلاین روش دوم متفاوت است. در روش پیشنهادی سوم برای مقابله بهتر با مشکل شروع سرد علاوه بر فاکتور های استفاده شده در روش دوم مانند زمان و تفاوت نرخ¬گذاری¬ها، از مشخصات شخصی کاربران مانند سن، شغل و جنسیت نیز برای تولید پیشنهادات استفاده شده است. نتایج ارزیابی سه روش پیشنهادی نشان داده است که عملکرد روش اول از روش سنتی پالایش گروهی بهتر بوده، اما نسبت به روش های دوم و سوم ضعیف تر است. میزان خطای روش¬های دوم و سوم نسبت به روش¬های مشابه کمتر و کارایی آن¬ها بالاتر است و روش سوم بهترین عملکرد را در بین روش¬های پیشنهادی دارد