امروزه یکی از چالش های مهم بانک ها شناخت دقیق و صحیح مشتریان، عادات رفتاری آنها و متناسب نمودن خدمات ارائه شده با نیازها و خواسته های مشتریان می باشد. بدون شناخت صحیح مشتریان بانک ها در شناسایی مشتریان سودآور، پیش بینی میزان استقبال از یک خدمت جدید، کسب مزیت رقابتی و متناسب نمودن برنامه های بازاریابی با خواسته های مشتریان، ناتوان هستند. یکی از رویکردهای نوین جهت کمک به بانکها در این زمینه، تکنیک داده کاوی است. در این تحقیق سعی می شود با استفاده از تکنیک داده کاوی و پیروی از فرآیند کشف دانش ابزاری برای شناسایی رفتار مشتریان بانک در استفاده از ابزارهای بانکداری الکترونیک فراهم شود. در واقع این تحقیق در پی کشف الگوهای موجود بین مشخصات فردی مشتریان و رفتار آنها در استفاده از ابزارهای الکترونیک بانکی و همچنین پیش بینی رفتار آتی مشتریان است. برای انجام این مطالعه ابتدا مفاهیم و تئوری های مرتبط با موضوع که عبارتند از داده کاوی، مدیریت ارتباط با مشتری و بانکداری الکترونیک تشریح و سپس با توجه به فرآیند کلی کشف دانش، مدلی جهت شناسایی رفتار مشتریان بانک در استفاده از ابزارهای بانکداری نوین طراحی شد. جهت پیاده سازی مدل، داده های تراکنشی و داده های مشخصات فردی 1504 مشتری (205803تراکنش) در بازه زمانی اول فروردین تا پایان اسفند 87 از پایگاه داده بانک استخراج گردید. پس از شناخت دقیق داده ها، سه مشخصه "تازگی"، "تکرار" و "جمع مبلغ تراکنش" جهت توصیف رفتار مشتریان تعریف و سپس از یکی از تکنیک های خوشه بندی جهت بخش بندی مشتریان استفاده شد. متغیرهای خوشه بندی در این روش سه مشخصه تازگی، تکرار و جمع مبلغ تراکنش می باشند و تعداد مناسب خوشه ها نیز با روش دیویس بولدین محاسبه شده است. با توجه به نتایچ خوشه بندی، مشتریان به سه گروه مشتریان وفادار، عادی و آسیب پذیر در استفاده از ابزارهای نوین بانکی تقسیم شده اند. پس از ادغام مشخصات مشتریان با نتایج خوشه بندی، مشخص شد افراد دارای تحصیلات دیپلم و بالاتر، مردها و افراد میانسال جزء مشتریان وفادار هستند. در مقابل افراد پایین دیپلم، زن ها و جوانان جزء مشتریان آسیب پذیر محسوب می شوند. علاوه بر آن با استفاده از تکنیک های درخت تصمیم و شبکه بیزین رفتار مشتری در آینده با توجه به مشخصات فردی (سن، جنس و تحصیلات) پیش بینی شد. در انتها با تجزیه و تحلیل روند، رفتار مشتریان در فصول گوناگون مورد بررسی قرار گرفت.

با توجه به رشد روزافزون استفاده از وب و گسترش تجارت الکترونیک، مطالعه و بررسی الگوی پیمایش کاربران وب بیشتر از گذشته مورد توجه قرار گرفته است. شرکت ها و سازمان ها برای فعالیت های ترویجی و بازاریابی هدفمند، تولید محتوای سفارشی و نگهداری مشتریان نیاز به خوشه بندی کاربران دارند تا خوشه هدف را انتخاب کرده و همچنین متناسب با خصوصیات هر خوشه استراتژی مناسب را برای آن در نظر بگیرند. در این تحقیق روشی جدید برای خوشه بندی کاربران بر اساس الگوی پیمایش صفحات وب پیشنهاد شد. در روش پیشنهادی از روش همترازی دنباله در تعریف تابع فاصله استفاده شد که برای سنجش تشابه بین نشست های کاربران که ماهیتی دنباله ای دارند مناسب است. هر نشست کاربران وب را می توان دنباله ای از صفحات بازدید شده توسط کاربر دانست و در روش همترازی دنباله ترتیب عناصر دنباله نیز در تعیین میزان تشابه دنباله ها موثر است. پارامترهای دیگری همچون میانگین زمان هر نشست و تعداد نشست های کاربران نیز در تابع فاصله وارد شد. برای بررسی عملکرد روش پیشنهادی، آن را روی داده های واقعی آزمایش کردیم. پس از تعریف تابع فاصله و محاسبه ماتریس تمایز برای داده ها، با استفاده از روش سلسله مراتبی تجمیعی خوشه بندی انجام شد. در ادامه برای انتخاب تعداد مناسب خوشه ها از شاخص توسعه یافته دان که نسبت به نقاط نویز حساسیت کمتری دارد استفاده شد. خوشه بندی با روش تطابق عناصر متناظر نشست ها نیز انجام گرفت و نتایج آن با روش پیشنهادی مقایسه شد. نتایج نشان داد در روش پیشنهادی خوشه های ایجاد شده کیفیت بهتری دارند.

در حال حاضر بانکداری در ایران یک صنعت روبه رشد است و با وجود 18 بانک که اکثر آنها هم خصوصی می باشند، همچنان بر این تعداد اضافه می شود و این موضوع نشانه رشد رقابت در بین بانک ها برای جذب سرمایه و کسب سود می باشد. لذا امروزه بانک ها تلاش می کنند که با ارائه خدمات از طریق کانال های مختلف که غالبا بر پایه شبکه و اینترنت می باشد، مشتریان را به سمت خود بکشانند. در این بین دو کانال خودپرداز و پایانه فروش رشد چشمگیری را در ایران نشان داده-اند. از آنجا که پایانه فروش کانال بسیار ارزان تری است، به راحتی در فروشگاه ها نصب می شود و امکان خرید با هرمبلغی را ممکن می سازد، کانال بسیار مناسبی برای ارائه خدمات بانکداری الکترونیکی است و بانک ها هم از سه طریق از این کانال سود می برد. برای ارائه این خدمت، بانک ها توسط شرکت های زیرمجموعه خود، در فروشگاه ها بازاریابی می کنند. با توجه به گستره وسیع فروشگاه ها، یافتن فروشگاه هایی با تراکنش های بالاتر یا مبالغ بیشتر، منجر به بازاریابی موثرتری می-شود و سود بانک هم بیشتر رشد می کند. در این تحقیق سعی شده است با کمک متدهای داده-کاوی، سودآوری و وفاداری مشتریان جاری محاسبه و سپس ویژگی های مشترک آنها استخراج گردد تا بر اساس این دانش بتوان به سمت فروشگاه هایی رفت که این ویژگی ها را داشته باشند. همچنین با معرفی قواعد رفتاری در این تحقیق، می توان پایانه های جدید را بر اساس تاریخچه پایانه های قدیمی زیر نظر گرفت و ریزش یا عدم رشد را خیلی سریع شناسایی کرد. با معرفی مدل تحلیل رفتاری rf*m* در این تحقیق که منطبق بر صنعت بانکداری است و همچنین بسط الگوریتم های موجود و ایجاد الگوریتم خوشه بندی جدید gmlvq سعی شده است که نتایج بامعناتر و دقیق-تری در این تحقیق بدست آید.

در دنیای متغیر و رقابتی، افراد سعی می کنند با پیش بینی رویدادهای آینده بهترین و مناسب ترین واکنش ها را برنامه ریزی کنند. یکی از جنبه های رقابتی زندگی انسان بعد اقتصادی آن است. افراد همواره سعی می کنند در جایی سرمایه گذاری کنند که بیشترین سود را داشته باشد. اما عوامل ناشناخته موثر بر بازار رقابتی موجود، موجبات عدم اطمینان در سرمایه گذاری را فراهم کرده که امری نامطلوب است. با پیش بینی شرایط در آینده می توان عدم اطمینان را کاهش داد. یکی از مهمترین موضوعاتی که در زمینه سرمایه گذاری مطرح است، آگاهی از وضعیت فعالیت شرکت ها از نظر اقتصادی است. زیرا سرمایه گذاری در شرکت هایی که در شرف ورشکستگی هستند، باعث هدررفتن سرمایه می شود. بنابراین پیش بینی ورشکستگی شرکت ها یکی از موضوعات مورد توجه برای تحقیق است. از روش های مختلفی برای پیش بینی می توان استفاده کرد. به کارگیری روش های آماری و کلاسیک سابقه طولانی در پیش بین ورشکستگی شرکت ها دارند در حالی که روش های داده کاوی و هوش مصنوعی به تازگی در این زمینه مورد استفاده قرار می گیرند. در این پژوهش سعی بر آن است تا ترکیبی از روش های داده کاوی شامل شبکه های عصبی و بردار پشتیبان ماشین و درخت دسته بندی و رگرسیون، برای پیش بینی هرچه دقیق تر ورشکستگی یا تداوم فعالیت شرکت ها مورد استفاده قرار گیرد و نتایج حاصل از آن با خروجی مدل آماری تحلیل ممیزی چندگانه مقایسه شود.

پیش گیری از جرم همواره یکی از موضوعات اساسی و مهم در زندگی بشری بوده که در طول تاریخ به شیوه های مختلف اعمال گردیده است. در سیاست های جنایی سه شیوه مبارزه علیه بزه کاری وجود دارد که مکمل یکدیگر هستند. این مراحل سه گانه عبارت انداز : أ. مرحله قبل از تصمیم قطعی مجرم به ارتکاب جرم، ب. مرحله پس از تصمیم قطعی مجرم به ارتکاب جرم و قبل از تحقق عمل مجرمانه، ج . مرحله پس از اجرای فکر مجرمانه و تحقق بزه کاری. از جمله هدف های مهم یک سیاست جنایی کار آمد، از بین بردن فرصت های ارتکاب جرم و پیشگیری وضعی از وقوع جرم است. پیش گیری وضعی از وقوع جرم، شیوه ای از پیش گیری است که با تغییر وضعیت فرد در معرض بزه کاری و بزه دیدگی و یا تغییر شرایط محیطی مانند زمان و مکان در صدد است از ارتکاب جرم، جلوگیری کند. با توجه به گسترش فناوریهای اطلاعات و ارتباط و توسعه سیستم های اطلاعاتی در سازمانها، هدف اصلی این تحقیق ارائه روشی مبنی بر داده کاوی می باشد که با استفاده از ابزارها و الگوریتم های داده کاوی و بکارگیری بانک های اطلاعاتی موجود، بتواند داده های موجود را مدل و الگوهای جرم سرقت را شناسایی و کشف کند تا بدین طریق پلیس بتواند وقوع جرم را پیش بینی کرده و با کنترل دقیق تر نیروها و آرایش نظامی آنان در منطقه، از وقوع جرم پیشگیری نماید. از آنجاییکه درک مسئله و تعیین هدف در فرآیند داده کاوی یکی از ضرورت ها و محور اصلی مطالعات می باشد، لذا فصل اول به اهداف، ضرورت ها، جنبه های مبهم و سوالات تحقیق و در نهایت فرضیه متصور در تحقیق پرداخته شده است. در فصل دوم نیز به مرور ادبیات و فعالیت های صورت گرفته در این حوزه (نقش داده کاوی در شناسایی الگوهای جرم به منظور پیشگیری از وقوع جرم و کشف جرائم) به همراه روش ها و ابزارهای مربوط به تحلیل جرم پرداخته شده است. همچنین استاندارد crisp و الگوریتم قوانین تلازمی در فصل سوم بصورت مبسوط تشریح گردیدند. از آنجایی که پایگاه داده مهمترین موضوع در داده کاوی می باشد لذا فصل چهارم به پایگاه داده پلیس آگاهی و نحوه پالایش داده ها و کاهش نویز پرداخته شده است. خروجی ها و مدل های حاصل از الگوریتم که مورد تایید خبرگان پلیس آگاهی قرار گرفتند در فصل پنجم تفسیر گردیدند. در فصل آخر نیز، نتایج حاصل از تحقیق و پیشنهادات در چند حوزه مطرح و بیان شده است.

دانش به عنوان منبعی استراتژیک و کلیدی برای سازمانها از اهمیت ویژه ای برخوردار است. از اینرو امروزه برای استفاده صحیح از این منبع پر ارزش، موضوع مدیریت دانش در دستور کار سازمانهای پیشرو قرار گرفته است. بدون استفاده از قابلیت‏های سیستم‏های مدیریت دانش، مدیریت موثر دانش به سختی ممکن می شود و برای استفاده موثر از این سیستم‏ها، شناخت نیازهای سازمان از اهمیت بسیار زیادی برخوردار است. از سوی دیگر، از آنجا که به طور معمول بودجه سازمان‏ها محدود و خرید و پیاده سازی این سیستم‏ها نیازمند سرمایه گذاری زیادی است، اولویت بندی نیازهای سازمان نیز اهمیت می یابد. تحقیق حاضر چگونگی استفاده از رویکرد تحلیل شبکه اجتماعی برای استخراج نیازهای سیستم‏ مدیریت دانش را نشان می دهد. به منظور تحقق این هدف، از طریق مطالعه و مرور پیشینه پژوهش، مدیریت دانش، سیستم‏های مدیریت دانش و نقش شبکه‏های اجتماعی در مدیریت دانش شناخته، و سپس ابزار تحقیق براساس این مطالعات طراحی و اعتبارسنجی شد. پس از آن با تکمیل 53 پرسشنامه در یک سازمان تحقیقاتی و تحلیل داده‏ها با استفاده از روشهای آماری و همچنین تحلیل شبکه اجتماعی (با نرم‏افزار ucinet) رویه‏ای برای شناسایی نیازهای کاربران تدوین گردید. نتایج این تحقیق در بخش تحلیل داده‏ها نشان می‏دهد میزان اعتماد کارکنان به یکدیگر که نقش مهمی در ایجاد همکاری و تبادل دانش دارد، در سازمان مورد بررسی وضعیت نسبتاً خوبی دارد. توجه به پاداش، یک عامل انگیزشی مهم در مدیریت دانش می‏باشد. از نظر بسیاری از پرسنل تحصیلات نقش مهمی برای یادگیری روش انجام کار در این سازمان دارد، و به علاوه از آنجا که کارکنان معتقدند به دانش کافی برای انجام کارهایشان در محیط کار دسترسی ندارند، نیاز به جذب افراد متخصص خارج از سازمان احساس می‏شود. بر پایه تحلیل‏های انجام شده به این یافته رسیده شد که ویژگیهای مخزنی از انواع دانش، امکان گروه بندی دانش، مکانیزمهایی برای جستجو و بازیابی، و قابلیت فرادانش در سیستم مدیریت دانش سازمان مذکور از اولویت بالایی برخوردار است. همچنین فراهم کردن مکانیزمهایی برای شناسایی «چه کسی چه چیزی را می‏داند» و کانال ارتباطی مستقیم میان اعضای سازمان از اهمیت کمی برخوردار است. فراهم آوردن قابلیت تعامل و به اشتراک‏گذاری دانش ما بین افراد، و در دسترس قراردادن کانالی برای ورود دانش بیرون از سازمان اهمیت متوسط دارند.

امروزه اهمیت شبکه های اجتماعی در تصمیم خرید مشتریان، به سرعت در حال افزایش است، زیرا شبکه های اجتماعی در شکل گیری عقیده عمومی موثرند. افراد معمولا به جای صرف زمان و هزینه برای تحلیل گزینه های مختلف، بر اساس اعتماد، به اشخاص نزدیک به خود، یا اشخاصی که علایق مشترکی با آنها دارند، تصمیم گیری می کنند. این افراد مورد اعتماد، رهبران عقیده نامیده می شوند. از آنجایی که پدیده دهان-به-دهان، تاثیر گسترده ای روی عقاید و تصمیم خرید افراد دارد، با رشد روز افزون شبکه های اجتماعی، بخشهای بازاریابی شرکتها برای بقا در این دنیای رقابتی نیاز دارند تمرکز بیشتری روی مشتریان تاثیرگذار داشته و افرادی که در مرکز تعاملات و ارتباطات هستند را شناسایی نمایند. در این پایان نامه منظور از واژه هوشمند، استفاده از روشهای معمول هوشمندسازی از جمله شبکه های عصبی نمی باشد، بلکه منظور استفاده از رهبران عقیده برای ایجاد یک بازاریابی هوشمندانه می باشد. در این راستا، با توجه به اهمیت مساله رهبری عقیده و استفاده از شبکه های اجتماعی برای بازاریابی در دنیای امروز، مروری جامع بر مطالعات انجام شده در این حوزه صورت گرفته و مباحث موجود در ادبیات رهبری عقیده از جنبه های مختلف مورد تحلیل و ارزیابی قرار گرفته است. اول، با در نظر گرفتن تمامی خصوصیات ارائه شده برای رهبران عقیده، افراد پر نفوذ، خبرگان بازار و افراد کلیدی، سه دسته بندی کلی شامل ویژگی های ساختاری، رابطه ای و فردی برای خصوصیات مربوط به رهبران عقیده ارائه شده است. دوم، با طراحی یک پرسشنامه و توزیع آن بین افراد، فرضیه پر اهمیت بودن این فاکتورها در شناسایی رهبران عقیده مورد بررسی قرار گرفته است. سوم، پارامترهای موثر برای ارزیابی، تحلیل و مقایسه روشهای شناسایی و انتخاب رهبران عقیده استخراج و در یک نمودار جامع نمایش داده شده است. در پایان، یک مدل کلی برای محاسبه فاکتورهای موثر در شناسایی رهبران عقیده ارائه شده است.

هرزنویسی وب، فعالیت های افراد برای گمراه کردن موتور های جست و جو در رتبه بندی صفحات، بیشتر از آن چه که استحقاق دارند، می باشد. هرزنویسان از تکنیک های مختلفی برای بالا بردن رتبه صفحه خود بهره می برند. روش های مختلفی برای تشخیص هرزنویسی پیشنهاد شده است. پیش نیاز اکثر این روش ها این است که تعداد زیادی صفحه وب دارای برچسب هرزنوشته یا غیر هرزنوشته موجود باشد. استخراج داده از وب کار سختی نیست ولی بررسی و برچسب زنی این داده ها کاری بسیار زمان بر و خطادار است. در این پژوهش سعی می شود با پیشنهاد روش جدیدی این مشکل حل شود. پیشنهاد این پژوهش، استفاده از یادگیری نیمه نظارتی به جای برچسب زنی می باشد. در این روش، از تعداد بسیار کمی از داده های دارای برچسب و تعداد زیادی داده بدون برچسب برای برچسب زنی استفاده می شود. الگوریتم مورد استفاده در این روش، الگوریتم em با دسته بندی بیزین ساده می باشد. ارزیابی روی داده های webspam-uk2007 انجام می شود. آزمایشات نشان می دهند که این روش، نه تنها مشکل زمانی برچسب زنی را حل می کند، بلکه کارایی و دقت بالایی در تعیین برچسب داده ها دارد.

حراج خرید گروهی اینترنتی این امکان را برای مصرف کنندگان فراهم می آورد تا از یک تخفیف عمده برخوردار شوند. اما آن ها با مسائل مربوط به اعتماد و ریسک نیز روبرو هستند که بر روی پذیرش این سیستم از سوی آن ها تاثیر گذار است. مواردی که کمتر در انواع دیگر فروش های اینترنتی وجود دارند. در این تحقیق مسئله قیمت گذاری در خرید گروهی در یک بازار انحصار دوجانبه مد نظر قرار می گیرد که به کمک آن فروشندگان می توانند بر اساس ارزشی که مشتریان برای کالا قائل هستند، قیمت ها را به گونه ای تعیین کنند که سودشان حداکثر شود و از طرفی مشتریان نیز می توانند از سیستم خریدی استفاده کنند که از یک طرف ارزش آن ها برای کالاها را در نظر گرفته و از طرفی امکان دریافت تخفیف در آن وجود دارد. در این تحقیق همچنین نقش آگاهی افراد از وجود سیستم های خرید گروهی در اینترنت به عنوان یک امر حیاتی مورد بررسی قرار گرفته است. که بر اساس شبیه سازی صورت گرفته در این تحقیق، افزایش عامل آگاهی به تنهایی نمی تواند موجب موفقیت سیستم خرید گروهی باشد. در ادامه نیز مدل قیمت گذاری درون یک شبکه اجتماعی شبیه سازی گردیده تا تاثیر ویژگی های شبکه اجتماعی در میزان تقاضا برای خریدگروهی مورد بررسی قرار گیرد، که براساس آن ویژگی های شبکه های اجتماعی از مهمترین عواملی است که خرید گروهی می تواند با سرمایه گذاری بر روی آن نتایج قابل توجهی بدست آورد.

نقشه های مفهومی فازی ابزاری ساده و قدرتمند در جهت مدل سازی و تحلیل سیستمهای مختلف میباشد. این نقشه ها در حوزه های مختلفی از جمله حوزه های مهندسی، دارویی، سیاسی و غیره مورد استفاده قرار گرفته و باعث راحتی و سادگی تحلیل و مدل سازی در این حوزه ها میگردد. این مدل ها اکثرا توسط افراد خبره ایجاد میگردد و به همین دلیل متاثر از محدودیت های آگاهی و توانایی های انسان میباشد. جهت کاهش این اثر پذیری تلاشهای بسیاری در جهت ایجاد خودکار نقشه های مفهومی فازی صورت گرفته است اما با افزایش تعداد مفاهیم درستی نقشه به شدت تحدید میشود. هدف از این پایان نامه ایجاد یک روش جدید جهت یادگیری نقشه های مفهومی فازی بدون دخالت انسان و بر پایه الگوریتم رقابت استعماری و با استفاده از سری های زمانی می باشد. استفاده از این روش باعث کاهش میزان تحدید یادگیری در تعداد بالای مفاهیم، نسبت به دیگر روش ها میگردد. افزایش کیفیت یادگیری و همچنین کاهش زمان یادگیری از ویژگیهای این روش میباشد.

آموزش الکترونیکی فیلد جدیدی است که در سال های اخیر و با گسترش روزافزون اینترنت و فن آوری اطلاعات، رشد چشم گیری داشته است. در راستای تولید انواع گوناگونی از این سیستم ها، محیط های آموزشی یکپارچه ای بوجود آمدند که توسط بسیاری از دانشگاه ها و مراکز علمی برای ایجاد بستری کاملا مجازی به منظور آموزش دانشجویان استفاده می گردند. سیستم کد باز مودل یکی از مشهورترین محیطهای آموزشی تحت وب است که هم اکنون در بسیاری از دانشگاه های دنیا استفاده می شود. این سیستم مانند هر وب سایت اینترنتی، تمامی فعالیت های صورت گرفته توسط کاربرانش را در پایگاه داده ی خود ثبت می کند. این اطلاعات منبع بسیاری خوبی برای تحلیل رفتار دانشجویان محسوب می گردد. در این پژوهش با ارائه چارچوبی جهت بکارگیری روش های کشف الگوهای پیمایشی از طریق کاوش در کاربری وب آنها را به سه دسته ی کلی خوشه بندی، کاوش قواعد تلازمی و کاوش الگوهای ترتیبی تقسیم بندی نموده، الگوهای پیمایشی دانشجویان در سیستم مودل به عنوان یکی از پرکاربردترین سیستم های موجود کشف و نتایج بدست آمده و همچنین کارایی روش ها ازطریق تعریف شاخص های مختلف، مورد ارزیابی قرار گرفته است. در خوشه بندی، اهمیت تعریف فیلدهای مناسب و همچنین پیش پردازش صحیح در کسب نتایج بهینه، در کشف قواعد تلازمی انتخاب درست مقادیر پشتیبان و اطمینان و در الگوهای ترتیبی نیز، شیوه ی بکارگیری صحیح برای کسب نتایج قابل اتکا نشان داده شده است. داده های استفاده شده در این تحقیق مربوط به 5 ترم فعالیت سیستم آموزش مجازی دانشگاه صنعتی خواجه نصیرالدین طوسی می باشد که سبب شده تا الگوهای بدست آمده در این تحقیق، نمونه ی خوبی از الگوهای پیمایشی دانشجویان دانشگاه های مجازی در کشور ایران گردد.

پژوهش حاضر به بررسی رابطه ی مولفه های عدالت سازمانی و کیفیت زندگی کاری بین کارکنان دانشگاه پیام نور استان تهران پرداخته است. اهداف کلی مطالعه و تعیین عدالت سازمانی در میان کارکنان، مطالعه و تعیین کیفیت زندگی کاری در میان کارکنان، مطالعه و تعیین رابطه عدالت سازمانی و کیفیت زندگی کاری در میان کارکنان می باشد. جامعه آماری 800 نفر ونمونه با استفاده از جدول مورگان 260 نفر از کارکنان دانشگاه پیام نوراستان تهران می باشد. روش نمونه گیری طبقه ای سهمیه ای است. جهت جمع آوری اطلاعات از روش کتابخانه ای و میدانی استفاده شده است. این تحقیق از نوع توصیفی به لحاظ هدف کاربردی، به لحاظ جمع آوری اطلاعات میدانی وبه لحاظ محاسبات آماری که رابطه بین دو متغیر را بررسی می کند از نوع همبستگی است. برای دریافت اطلاعات از جامعه مورد نظر از پرسشنامه که روش مستقیم برای تحقیق به شمار می رود استفاده شده است. پرسشنامه های این تحقیق یک پرسشنامه محقق ساخته است. به منظور حصول اطمینان از ارتباط آزمون با خصیصه مورد اندازه گیری ضمن مطالعه کتب موجود، با اساتید راهنما و مشاور مشورت شد و نظر آنان در تهیه و اصلاح پرسشنامه اعمال گردید و به تائید نهایی ایشان رسید. و در نهایت پرسشنامه ای با 50 گویه تهیه و تدوین شد. برای دستیابی به پایائی از روش برآورد ضریب آلفای کرونباخ استفاده گردید، که ضریب آلفای کرونباخ پرسشنامه با استفاده از نرم افزار spss 85/. برای پرسشنامه عدالت سازمانی و 87/. برای پرسشنامه کیفیت زندگی کاری محاسبه گردید. به منظور تجزیه و تحلیل داده ها و پاسخ گوئی به فرضیه های اساسی از شاخصهای آمار توصیفی و روش آزمون ضریب همبستگی پیرسون و رگرسیون چند متغیره و تحلیل واریانس چند متغیره یکراهه با به کارگیری نرم افزار spss استفاده شده است. و نتیجه نشان می دهد که بین مولفه های عدالت سازمانی وشاخص های کیفیت زندگی کاری کارکنان دانشگاه پیام نوراستان تهران رابطه مثبت و معناداری وجود دارد.

گسترش استفاده از کامپیوتر و تکنولوژی اطلاعات باعث رشد سریع پایگاه های اطلاعاتی در بیشتر مراکز و سازمان های پزشکی شده است. هر روز حجم عظیمی از داده های تولید شده، در پایگاه داده های مختلف ذخیره می شود. در سال های اخیر تمایل به جست و جو برای کشف الگوهای پنهان میان داده ها به منظور بهبود در تصمیم گیری پزشکان افزایش چشمگیری داشته است. شایع ترین بیماری که امروزه در کشور و در جهان مطرح است، بیماری قلبی و عروقی می باشد، رشد چشمگیر این بیماریها و اثرات و عوارض آنها و هزینه هایی که بر جامعه وارد میکند، باعث شده است، که جامعه پزشکی به دنبال برنامه هایی جهت بررسی بیشتر، پیشگیری، شناسایی زود هنگام و درمان موثر آن باشند. در سالهای اخیر کاربردهای مختلف تکنیکهای داده کاوی روی انباره بیماران قلبی مورد بحث واقع شده است، که در این کار تحقیقاتی-عملی، 1000پرونده بیماران کرونری بیمارستان شهید مدنی تبریز طبق متدولوژی ارایه شده مورد مطالعه قرار گرفته است. هدف در این مطالعه ارایه روشی برای پیش بینی بیماری کرونری با خطای کمتر در افراد با استفاده از تکنیک داده کاوی می باشد. برای ایجاد پیش بینی با خطای کمتر از الگوریتم های خوشه بندی و دسته بندی در کنار هم استفاده شده است. در این راستا برای تعیین انواع دسته افراد دارای بیماری(متغیر هدف)، از تکنیک خوشه بندی داده کاوی استفاده شده است، که در این راستا نمونه ها با سه ارزش بیماران کرونری ریسک بالا، ریسک متوسط، ریسک پایین برچسب گذاری شده اند، و برای پیش بینی خوشه های برچسب گذاری شده از شبکه بیزین استفاده شده است. در نهایت برای بهبود شبکه بیز مدل ترکیبی درخت تصمیم– شبکه بیزین پیشنهاد شده است، که با صحت 0.95 وجود بیماری کرونری قلبی را در فاز اولیه پیش بینی می کند.

پیشرفت ابزار و امکانات تکنولوژی ارتباطات در علوم پزشکی به بحث مهم در عصر حاضر تبدیل شده است. از فناوری‏های نوینی که تحلیل‏های مناسبی در سیستم‏ها و کسب‏وکارهای مختلف ارایه می‏دهد، علم داده‏کاوی است که با تکنیک‏های متفاوتی، تفسیر نتایج و تحلیل‏های به جا و مناسب را ممکن می‏سازد. داده‏کاوی، امروزه جای خود را در علوم پزشکی نیز به خوبی باز کرده و برای تشخیص و درمان بیماری‏ها به کمک پزشکان آمده است. ناباروری، از مجموعه علوم جدیدی است که امروزه به خصوص در کشور ما، اهمیت زیادی نزد پزشکان و زوجین نابارور دارد و با این توصیف، هرگونه کمکی در زمینه تسریع و تسهیل در درمان‏های ناباروری، بسیار مهم و حیاتی به شمار می‏رود. هدف این پژوهش، ارایه مدلی توصیفی از داده‏های بیمارستان "صارم" است که با اجرای فرایند داده‏کاوی به دست می‏آید. در این پروژه، به منظور تولید نتیجه بهتر، الگوریتم k-means را با الگوریتم سلسله‏مراتبی تلفیق نموده و سپس این الگوریتم بهبودیافته بر روی داده‏های زوجین نابارور بیمارستان "صارم" که از روش درمانی icsi استفاده نموده‏اند، اجرا شده و نتایج به صورت توصیفی از مشخصات داده‏های بیماران ارایه شده است. در توصیف به دست آمده، 702 رکورد از مراجعه‏کنندگان بیمارستان صارم به 5 خوشه تقسیم شده و مشخصات هر یک از خوشه‏ها به تفکیک بیان شده است.

داده کاوی عبارتست از استفاده از داده ها و اطلاعات در یک زمینه ی خاص، برای کشف دانش و الگوهای پنهان آن، به منظور استفاده ی هر چه بهتر و مفیدتر از این الگوها در آن زمینه. امروزه داده کاوی در بسیاری از زمینه ها به ویژه حوزه ی پزشکی وارد شده و نتایج چشمگیری داشته است. حال ما بر آن شدیم تا از داده کاوی در یکی از حوزه های پزشکی به نام ناباروری که از اهمیت غیر قابل انکاری در زندگی ما برخوردار است، استفاده کنیم. ناباروری که خود دارای علل فراوانی میباشد، بالطبع روش-های درمان مختلفی نیز دارد. بنابراین ما در صددیم تا بتوانیم الگوهایی برای پیش بینی بهترین و موثرترین روش درمان استخراج کنیم، تا در راستای انتخاب روش هایی با میزان موفقیت بالاتر و نیز کاهش تنش های روحی، روانی، جسمی و حتی مالی نه تنها به بیماران بلکه به پزشکان هم کمک کنیم. در این پروژه با استفاده از استنتاج مبتنی بر مورد (case base reasoning)و متدهای تجزیه و تحلیل مفاهیم رسمی (formal concept analysis ) و متدهای خوشه بندی در علم داده کاوی مدلی را برای تصمیم گیری در حوزه ناباروری ارائه کرده ایم. این سیستم به عنوان یک مشاور برای پزشکان در هنگام درمان و تحقیق می تواند نقش ایفا کند و می‏تواند مشخص کند که چه دانشی مربوط با مسئله جدید وجود دارد که این امر در حل مسئله جدید میتواند کمک بزرگی باشد.

در این پژوهش چارچوب ترکیبی روش تحلیل پوششی داده هادر قالب یک تحلیل پنجره ای با تکنیک درخت تصمیم، ارائه شده است. در ابتدا مدل تحلیل پوششی داده های پنجره ای با توجه به ورودی ها و خروجی ها جهت سنجش کارایی واحدهای تصمیم گیرنده که در این مطالعه خطوط اتوبوسرانی هستند؛ اجرا می شود و نتایج حاصل از آن به عنوان برچسب دسته ی واحدهای تصمیم گیرنده ها که در واقع ورودی روش درخت تصمیم می باشند، مورد استفاده قرار می گیرند. البته پیش از اجرای درخت تصمیم می بایست شناخت داده ها، آماده سازی داده ها و پیش پردازش آن ها انجام گیرد. در ادامه، با استفاده از دو الگوریتم c5.0 و chaid، قواعد مستتر در مجموعه داده ها استخراج می شوند. جهت شناسایی الگوریتم برتر، با استفاده از شاخص صحت، دو الگوریتم درخت تصمیم با یکدیگر مقایسه می شوند. که در این میان الگوریتم c5.0 عملکرد به مراتب بهتری از خود نشان می دهد.

در سال های اخیر داده کاوی، روش تحلیلی فعالی در حوزه های علمی مختلف بوده است. یکی از این حوزه ها، پیش بینی تأخیر قطار است. برای پیش بینی تأخیر قطار باید داده های گذشته تأخیر قطار تحلیل شوند. هدف این تحقیق ارائه یک رویکرد داده کاوی ترکیبی برای پیش بینی تأخیر قطارهای مسافری با صحت بالا و استخراج قواعد تأخیر است. این رویکرد ترکیبی، از مزایای هر دو روش شبکه عصبی مصنوعی و درخت تصمیم استفاده می کند. شبکه عصبی مصنوعی قدرت مواجهه با داده های مغشوش را دارد؛ درحالیکه، درخت تصمیم به ایجاد قواعدی می پردازد که درک آنها آسان است. در این رویکرد، ابتدا داده های مغشوش با استفاده از شبکه عصبی مصنوعی حذف شده اند. بنابراین، مجموعه داده جدید از مجموعه داده اولیه خالص تر است و برای ایجاد قواعد مناسب تر می باشد. سپس، مجموعه داده جدید به سه قسمت: مجموعه داده آموزشی، آزمایشی و اعتبارسنجی تقسیم شد. در نهایت، درخت تصمیم بر اساس این سه مجموعه ساخته شده است. این تحقیق شامل 196816 رکورد تأخیر است که از پایگاه داده تأخیر قطارهای مسافری شرکت رجاء انتخاب شده است و شامل داده های هشت محور از سال های 1386 تا 1390 می باشد. رویکرد پیشنهادی روی این محورها به طور جداگانه اعمال شده است تا رفتار تأخیر محورهای مختلف به سادگی قابل تمایز باشد. صحت پیش بینی رویکرد پیشنهادی با درخت تصمیم اولیه مقایسه شده است. این مقایسه یک بار بدون درنظرگرفتن داده های غربال شده صورت گرفته است که در این حالت، نتایج نشان داد که صحت پیش بینی رویکرد پیشنهادی بیشتر از درخت تصمیم اولیه است. بار دیگر این مقایسه با این فرض که داده های غربال شده، توسط مدل پیشنهادی به طور تصادفی پیش بینی می شوند، صورت گرفته است. در این حالت، صحت پیش بینی مدل پیشنهادی از درخت تصمیم اولیه کمتر شده است.

امروزه داده کاوی در بسیاری از زمینه ها به ویژه حوزه ی پزشکی وارد شده و نتایج چشمگیری داشته است. حال ما بر آن شدیم تا از داده کاوی در یکی از حوزه های پزشکی به نام ناباروری که از اهمیت غیر قابل انکاری در زندگی ما برخوردار است، استفاده کنیم. ناباروری که خود دارای علل فراوانی میباشد، بالطبع روش های درمان مختلفی نیز دارد. بنابراین ما در صددیم تا بتوانیم با ارائه یک مدل پیش بینی کننده بهترین و موثرترین روش درمان را استخراج کنیم، تا در راستای انتخاب روش هایی با میزان موفقیت بالاتر و نیز کاهش تنش های روحی، روانی، جسمی و حتی مالی نه تنها به بیماران بلکه به پزشکان هم کمک کنیم. در این پروژه با استفاده از ترکیب متدهای درخت تصمیم و شبکه عصبی و بهره گیری از ماهیت تکنیک خوشه بندی، به ارائه مدلی پرداخته شده است که ابتدا بیماران را به دسته هایی که از نظر روش درمان، علل ناباروری ودیگر پارامترهای مهم شبیه هم هستند، تقسیم می کنند و سپس با گرفتن پارامترهای ابتدایی که در بدو ورود بیمار به بیمارستان قابل تشخیص هستند؛ دسته بیمار را به عنوان خروجی تولید می کند. در این مرحله با تفسیر این کلاس بدست آمده، هم به بیمار مورد نظر و هم به پزشکان در امر تصمیم گیری در مورد نوع و روند درمان بیمار یاری می کند

چکیده امروزه رشد شتابان و بی رویه شهرها و افزایش جمعیت کلانشهر و به تبع آن نیاز به مسکن در سطح وسیع، موضوع برخورد با تغییرات گسترده کلانشهرها را به یک چالش اساسی در مباحث برنامه ریزی شهری و جغرافیای انسانی همه کشورها تبدیل کرده است. و به دلیل وقوع تغییرات اساسی طی دهه های اخیر اهمیت بیشتری یافته است پدیده حرکت سلولی که بیشتر در مناطقی که دارای ارزش منطقه ای بالا هستند، رخ می دهد بیشتر به دلیل تغییر و تحولات همین عوامل اقتصادی می باشد. در واقع تراکم ساختمانی معلول علل و عوامل گوناگونی می باشد که قیمت زمین و تاثیر آن بر تراکم می توان به عنوان یکی از همین علل و عوامل می باشد. در واقع افزایش ارزش منطقه باعث می شود تا مالکان به فکر بیشترین استفاده از سطح بیافتند و از ساخت و ساز بیشتر استقبال کنند؛ در این صورت بناهای که هنوز عمر مفید آن ها به پایان نرسیده تخریب می شوند و برج ها و بلند مرتبه ها جایگزین آن ها می شوند و سرمایه ملی به راحتی برای کسب سود به هدر می رود. در حقیقت تراکم شهری نامطلوب، یکی از معضلات اساسی شهرهای امروز است و می تواند منشاء بسیاری از نابسامانی های دیگر از قبیل آلودگی بصری و بهم خوردن خط آسمان شهر شود. از سوی دیگر خودکفایی شهرداری ها و فروش تراکم به عنوان ابزاری برای کسب درآمد به این موضوع دامن زده است. داده ها و روش : با جمع آوری اسنادی و میدانی داده های مورد نیاز و با استفاده از روش های و مدل هایی (آی دی دبیلو، کرنل دنسیتی، کراس تب، فازی سازی، رشد نمایی، آنتروپی شانون و پیرسون و همچنین برخی تحلیل ها به بررسی اثرات ارزش منطقه ای در افزایش تراکم وکاهش عمر مفید ساختمان ها و ارتباط خود کفایی شهرداری ها با افزایش تراکم پرداخته شد. نتایج: نتایج حاکی از وجود همبستگی بین افزایش ارزش منطقه ای و افزایش تراکم ساختمانی است؛ که رقم این همبستگی برابر با 863/0 می باشد. از آنجای که شهرک زعفرانیه با متوسط ارزش زمین (25000000ریال) جزوه مناطق گران شهر تبریز محسوب می شود و عمر قطعات و سلولهای تغییر یافته همگی کمتر از سی سال بوده ؛ این موضوع نشان دهنده همبستگی بین افزایش ارزش منطقه ای و کاهش عمر مفید ساختمان ها می باشد و همچنین فروش تراکم به عنوان یک چهارم منابع درآمدی شهرداری ها، نشانگر این است که این حرکت مبتنی بر اصل درآمد بوده نه ابزار شهرسازی.

در سال های اخیر نانوکامپوزیت های پلیمر- سیلیکات به دلیل خواص مکانیکی و حرارتی بهتر، نسبت به پلیمر خالص و کامپوزیت های معمولی هم در صنعت و هم در مجامع علمی توجه عمده ای را به خود جلب نموده اند. در این تحقیق ریز ساختار و خواص مکانیکی نانوکامپوزیت های پلی وینیل کلراید – ارگانو رس تهیه شده توسط روش اختلاط مذاب در مقایسه با پلیمر خالص مورد مطالعه قرار گرفته و نحوه تاثیر عوامل مختلف (مقدار و نوع نانو رس و ماده سازگارکننده) بر روی این خواص بررسی شده است. بدین منظور در ابتدا نانو رس تهیه شده از معدن خیرآباد استان کرمان توسط سیلیکات سدیم و ماده دی متیل دی اکتا دسیل آمونیوم کلراید اصلاح و آبگریز گردیده و نمونه نانو رس تجاری کلوزیت a15 نیز جهت مقایسه تهیه شده است. با تعیین عوامل مختلف و سطوح آنها طراحی آزمایش ها به روش تاگوچی انجام (9 آزمایش) و بر اساس آن نمونه های نانوکامپوزیتی تهیه گردیده است. سپس خواص مکانیکی نمونه های تولید شده (خواص کششی و استحکام ضربه) اندازه گیری و از طریق روش های آماری میزان و نحوه تاثیر عوامل مختلف بر روی این خواص مورد بررسی قرار گرفته است. نتایج حاصل از تحلیل واریانس نشان می دهد که عوامل مورد نظر در محدوده سطوح مورد بررسی بر روی خواص مکانیکی نمونه های نانوکامپوزیت موثر می باشند. تصاویر الگوی پراش پرتو ایکس نمونه ها بیانگر پخش پذیری بهتر نانو رس تولید شده در مقایسه با نمونه نانو رس تجاری می باشند و استفاده از سیلیکات سدیم در فرآیند اصلاح نانو رس با افزایش در راندمان اصلاح تاثیر بیشتری در افزایش خواص مکانیکی نمونه های نانوکامپوزیتی نشان می دهد. همچنین مشاهده می شود که مقادیر کم نانو رس (phr1) به دلیل پراکندگی مطلوب در ماتریس پلیمر باعث ایجاد ساختار ورقه ای شده است. ماده سازگارکننده با افزایش امتزاج پذیری، موجب تقویت پراکندگی نانو رس می گردد که متعاقبا باعث افزایش بیشتر خواص مکانیکی نمونه های نانوکامپوزیتی می شود، به طوریکه با استفاده از سازگارکننده اتیلن وینیل استات در phr1 از نانو رس استحکام ضربه به میزان 87 درصد نسبت به پلیمر پایه افزایش یافته است.

امروزه بسیاری از سیستم ها به صورت شبکه شکل می گیرند . به خوبی ثابت شده است که تجزیه و تحلیل شبکه را می توان برای توصیف شبکه های هدفمند که در آن مبادلات ارزش از دستیابی به نتایج خاص حمایت می کنند به کار برد. از یک سو، شبکه ارزش رویکردی است که اطلاعات کیفی فراوانی که از طریق مصاحبه جمع آوری شده اند را به شکلی ترسیم می کند که می تواند روشی سریع برای تفسیر و تحلیل آن اطلاعات محسوب شود و بینش عمیقی را برای تصمیم گیران ارشد سازمان ها به وجود آورد. از سوی دیگر، داده کاوی نیز از مهمترین روش های کشف دانش است که در بسیاری از حوزه ها به خصوص بازاریابی و ارتباط با مشتری کاربرد دارد. با وجود حجم عظیم داده های در دسترس در سازمان ها، رویکردهای فعلی شبکه ارزش تکنیک های داده کاوی را به کار نبرده اند. هدف این مطالعه استفاده از قابلیت های داده کاوی در چارچوب تحلیل شبکه ارزش می باشد. از آنجاییکه رویکرد پیشنهادی این تحقیق هر دو نوع داده کمی و کیفی را بکار می گیرد، نتایج حاصل از آن جامعیت بیشتری نسبت به رویکردهای جاری تحلیل شبکه ارزش خواهد داشت. در این تحقیق، با یکپارچه سازی این دو روش(شبکه ارزش و داده کاوی) رویکرد جدیدی پیشنهاد می گردد که با هدف تشکیل مجموعه مشتریان سودآور، تغییرات رفتار مشتری را پایش، تحلیل، هدایت و تصحیح می کند. روش پیشنهادی تحقیق، برای ترسیم و تحلیل شبکه ارزش مشتریان مخابرات یکی از شهرهای خوزستان به کار گرفته می شود و از تحلیل نتایج، راهبردهایی برای بهبود مورد مطالعه شده ارائه می گردد.

فرآیند کاوی موضوعی تحقیقی در حوزه ی فناوری اطلاعات است که به استخراج اطلاعات از داده-های گزارش های رخداد اختصاص دارد. این گزارش ها حاوی رخدادهای روی داده در یک فرآیند کسب و کار هستند. یکی از اطلاعاتی که فرآیند کاوی سعی در به دست آوردن آن دارد مدل فرآیندی است. در این حالت بر اساس رخدادهای یک فرآیند کسب و کار، مدلی فرآیندی ساخته می شود که به صورت بصری توصیف کننده ی فرآیند مورد مطالعه باشد. در این پایان نامه هدف این بوده است که مدلی بر اساس روش-های فرا ابتکاری به منظور کشف فرآیند پیشنهاد شود. در این مدل از الگوریتم ژنتیک و الگوریتم تبرید شبیه سازی شده استفاده شده است. همچنین یک تابع ارزیابی جدید نیز پیشنهاد شده است. مدل ارائه شده در مقایسه با مدل های قبلی ارائه شده در ادبیات پژوهشی به نتایج بهتری منجر شده است. تا قبل از این پایان نامه تنها از الگوریتم ژنتیک در ادبیات پژوهشی برای کشف فرآیند استفاده شده بود. در این پایان-نامه نشان داده ایم که مدل حاضر عملکرد بهتری نسبت به روش های ارائه شده در ادبیات پژوهشی دارد.

ناباروری یکی از مسائل و مشکلاتی است که امروزه هزینه های مادی و معنوی زیادی را بر دوش زوجین نابارور قرار داده است. روش انتقال داخل رحمی اسپرم یکی از روش های درمانی برای این گروه از زوجین می باشد. غیرقابل پیش بینی بودن نتیجه این روش ضرورت بررسی و شناسایی عواملی را که بر روی میزان اثربخشی آن تأثیرگذار هستند، دو چندان کرده است. در این پایان نامه هدف، استفاده از تکنیک های داده کاوی برای بررسی عوامل تأثیرگذار بر اثربخشی روش درمانی مورد نظر و ارائه مدلی بهینه برای پیش-بینی نتایج این روش بر اساس داده های زوجین نابارور بیمارستان صارم می باشد. مدل پیش بینی ارائه شده در این پایان نامه، بر اساس الگوریتم ماشین بردار پشتیبان پیشنهاد شده و با بررسی چالش های موجود در این الگوریتم، به ارائه راهکاری نو بر اساس الگوریتم ژنتیک برای رفع این چالش ها و بالا بردن میزان صحت پیش بینی این الگوریتم پرداخته شده است. با به کارگیری این مدل بر روی داده ها علاوه بر بالا رفتن میزان صحت در پیش بینی نتیجه روش درمانی، عواملی که تأثیرگذاری بیشتری در نتایج این روش نیز داشتند، مشخص شد.

همان گونه که می دانیم، داده کاوی به معنای استخراج دانش و کشف الگوهای پنهان از پایگاه داده های بسیار بزرگ می باشد. داده کاوی موجب تحول عظیمی در استفاده از داده ها شده است به گونه ای که پا را از استخراج اطلاعات فراتر گذاشته و به کشف دانش نهفته در دل داده ها می پردازد. شاخه ای از داده کاوی که اصلی ترین منابع داده ای بشر یعنی مستندات متنی را پوشش می دهد، متن کاوی نام دارد. متن کاوی در واقع پیش پردازش قوی متون غیر ساخت یافته برای استفاده از تکنیک های داده کاوی روی پایگاه داده های ساخت یافته است. مهم ترین منبع متنی در اختیار انسان ها، قرآن کریم است. در گذشته، پروژه های آماری و داده کاوی زیادی بر روی این گنجینه دانش انجام شده است. در این پژوهش سعی شده با پیش پردازش پایگاه داده قرآن کریم و استفاده از قواعد تلازمی، برای کشف باهمآیی ریشه های قرآنی، تلاشی نو صورت گیرد و همچنین گراف روابط ریشه ها رسم گردد. در خلال این پژوهش، خوشه بندی روی سوره های قرآن انجام گرفته و از تکنیک هایی دسته بندی برای تفسیر موضوعی قرآن استفاده شده است.

حجم روز افزون داده ها در دنیای امروز، خصوصا در جریان تجارت الکترونیک بشر را بر آن داشته که به فکر کشف دانش مفید از این داده ها برآید و به دنبال مسیری درست برای پاکسازی و کشف الگو ها و روابط منطقی در میان این داده ها باشد. تجارت الکترونیک و تلفیق آن با ابزارهای داده کاوی، انقلابی عظیم در بهره گیری از داده های فراوان در دسترس به وجود آورده است. در این تجارت، استفاده ازعلوم مکمل داده کاوی و مدیریت ارتباط با مشتری برای کشف روند توسعه کسب و کار و تصمیم گیری درست در شناخت درست مشتری، چگونگی مدیریت صحیح ارتباط با مشتری و افزایش درآمد، امری عاقلانه است. هدف از این تحقیق توجه به مسئله کاربرد داده کاوی در تحلیل داده های فروش الکترونیکی به منظور بهبود مدیریت ارتباط با مشتری می باشد. در این راستا، با استفاده از علوم مذکور و با جمع آوری داده های فروش الکترونیک یک شرکت عسل دارویی ایرانی، تحلیلی کارا به منظور شناخت اثر بخش ترین محصولات از دید بهترین گروه مشتریان صورت پذیرفته است. با ارائه ی مدل و روند کاری جدید در این پایان نامه به تشخیص و تحلیل خوشه های متفاوت مشتریان با استفاده از روش های الگوریتم k-means، شاخص دیویس، مفاهیم rfm و روش clv پرداخته شده است. باتحلیل دقیق بهترین گروه مشتریان و بدست آوری اطلاعات جامع تر از این گروه، شناخت کاملی از نیازمندی ها ی مشتریان و صاحبان شرکت بدست آمده و بر اساس نتایج این تحلیل، راهکاری متناسب با نیازمندی های مطرح شده به شرکت ارائه گردیده است. در انتها ی مسیر با استفاده از نتایج بدست آمده از روند کاری مدل ارائه شده و تحلیل صورت گرفته، کاتالوگی جدید، متناسب با اهداف مورد نیاز مشتریان و صاحبان شرکت، ارائه داده شده است.

یکی از تصمیمات مهم در موسسات مالی ارزیابی اعطای تسهیلات و کاهش ریسک اعتباری است. ارزیابی صحیح ریسک اعتباری مشتریان به روش سنتی و استفاده از کارشناسان خبره با محدودیت هایی از قبیل هزینه بالا و زمان بر بودن فرایند اعتبارسنجی مواجه است. حال با توجه به حجم عظیم داده های اعتباری مشتریان، داده کاوی می تواند جهت دسته بندی و شناسایی مشتریان خوش حساب و بدحساب مورد استفاده قرار گیرد. اما در بیشتر موارد، داده های اعتباری از مشکل عدم توازن رنج می برند که موجب شده است اکثر الگوریتم های دسته بندی نتیجه قابل قبولی را تولید نکنند. بدین منظور در این پایان نامه، یک مدل آنسامبل ترکیبی ارائه شده است که بررسی های انجام شده نشان از برتری این مدل بر مدل های موجود دارد. برای اعتبارسنجی مدل از مجموعه داده بیمه ای کاراوان و داده های اعتباری آلمان استفاده شده و نهایتا مدل بر روی داده های بیمه بدنه شرکت بیمه ملت پیاده سازی شد. نتایج بدست آمده بر اساس معیار سطح زیر آر او سی برای مجموعه داده های کاراوان، آلمان و بیمه ملت به ترتیب عبارتند از 0.670 – 0.770 – 0.707 که در مقایسه با سایر مدل های معتبر پیاده سازی شده بهتر هستند. بر اساس نتایج بدست آمده از تحلیل داده های بیمه ملت، مشتری جدیدی که شامل تخفیف بالای 17.8% می شود، با احتمال خیلی زیاد خساتی را به شرکت بیمه تحمیل نخواهد کرد. همچنین بر اساس صفات استخراج شده برای تحلیل، درصد تخفیف، نوع وسیله، استان، مورداستفاده و سال ساخت به ترتیب از اهمیت بیشتری برخوردارند.

انتقال و توزیع برق شامل تلفات فنی و غیرفنی می¬باشد. در سال¬های اخیر انتخاب روش¬های کارآمد برای کشف خسارات و تلفات از موضوعات مهم تحقیقاتی می¬باشد. تلفات غیرفنی به هر نوع استفاده غیرقانونی مشترکین از برق چه با دستکاری کنتور به¬صورت آشکار و چه پنهان گفته می¬شود. تلفات غیرفنی برروی کیفیت عرضه، افزایش بار روی ایستگاه تولید و هزینه صنعت و مشترکین تاثیرگذار است. لذا تلفات غیرفنی یکی از مشکلات اساسی صنعت برق بوده و شناسایی و کشف تلفات و کاهش آن¬ها از وظایف مهم صنعت برق به¬شمار می¬آید چون برروی سودآوری صنعت تاثیرگذار است. هدف اصلی این پایان¬نامه مطالعه¬ای موردی روی صنعت برق ایران-تهران به¬منظور پیش¬بینی تلفات غیرفنی با دقت بالا و کشف مشترکین متخلف با استفاده از تکنیک ماشین بردار پشتیبان است. داده¬های مورد استفاده به¬منظور شناسایی و کشف متخلفین پروفایل بار مشترکین می¬باشد. در این پژوهش انواع ماشین¬های بردار پشتیبان اعم از خطی، غیرخطی استفاده و نتایج آن¬ها باهم مقایسه شده است.

داده کاوی ابزاری قدرتمند در اختیار صنایع مختلف است. به کمک این ابزار می توان الگوهای پنهان در داده ها را کشف و اطلاعات و دانش سودمندی استخراج کرد. مشتریان سرمایه های سازمان ها هستند و اکثر این سازمان¬ها پایگاه های داده مشتریان دارند. با این حال، این پایگاه های داده خود به تنهایی نیازهای اطلاعاتی سازمان ها را برطرف نمی کنند. یکی از صنایعی که با حجم بالای مشتریان مواجه است صنعت بیمه می باشد. در این حوزه در راستای کسب اطلاعات مفید از پایگاه های داده مشتریان، راهکارهای مختلفی وجود دارد. در سالیان اخیر با ظهور تکنیک های داده کاوی، صنعت بیمه همچون سایر صنایع از روش های داده کاوی به منظور تحلیل دقیق و کارآمد از مشتریان استفاده می کند. در این تحقیق، مدل جدیدی به منظور تحلیل داده های بیمه ی عمر، مربوط به یکی از شرکت های خصوصی در ایران، ارائه کرده ایم. در این مدل با استفاده از ترکیب الگوریتم جستجوی گرانشی و الگوریتم خوشه بندی k-means سعی شده است تا نتایج دقیق تری از خوشه بندی مشتریان به دست آید. این ترکیب برای رفع مشکل انتخاب نقاط اولیه به صورت تصادفی صورت می¬گیرد. در این تحقیق نشان خواهیم داد که الگوریتم پیشنهادی عملکرد بهتری نسبت به مدل های پیشین دارد. در نهایت با ارزیابی نتایج، استراتژی های مدیریتی برای گروه های مختلف مشتریان ارائه کرده ایم.

امروزه تعیین میزان بروز آسیب های اسکلتی – عضلانی که در اثر پوسچرهای نامطلوب بدنی به وجود می آید، در بحث سلامتی کارکنان در صنایع مختلف از اهمیت بالایی برخوردار است. با توجه به این نگرش، در پژوهش حاضر قصد داریم تا با تحلیل اطلاعات مربوط به پوسچرهای بدنی جامعه آماری مورد آزمایش، پوسچرهای بدنی این افراد را بررسی کنیم که نتایج این تحلیل ها می تواند در صنایع مختلف مورد استفاده قرار گیرد. برای این تحلیل ها از فرآیند داده کاوی و تکنیک های دسته بندی و پیش بینی کننده استفاده کردیم. بدین صورت که با انجام آزمایش های ارگونومیکی اطلاعات جامعه آماری تحقیق را جمع آوری کردیم و با استفاده از الگوریتم های دسته بندی در فرآیند داده کاوی این اطلاعات را آنالیز و دسته بندی کردیم. مزیت این روش این است که وقتی می خواهیم پوسچرهای بدنی فرد جدیدی را اندازه گیری کنیم دیگر نیاز نیست تمام اطلاعات پوسچر را اندازه گیری کنیم، بلکه با اطلاعاتی که از تعادل سنج به دست می آوریم بقیه اطلاعات مربوط به پوسچر را به وسیله تکنیک های داده کاوی پیش بینی می کنیم در نتیجه چون فرآیند اندازه گیری سریع تر انجام می شود در هزینه ها و امکانات مورد نیاز تأثیرگذار می باشد.

یکی از کاربردهای مهم موجود در شبکه های اجتماعی مربوط به ارائه سرویس پیشنهاددهی به کاربر می باشد. این سرویس ها بر اساس اصول تعریف شده برای سیستم پیشنهاد دهنده طراحی می شوند. نیاز به ا یجاد بهبود در این سرویس ها از طریق استفاده از قابلیت های ساختاری و اطلاعاتی شبکه اجتماعی و بکارگیری الگوریتم-های موجود در سیستم های پیشنهاد دهنده به عنوان هدف اصلی در این پایان نامه تعریف می شود. برای اعمال بهبود مورد نظر ما از متدولوژی 4 مرحله ای شامل جمع آوری داده ها، انتخاب الگوریتم، پیاده سازی، و ارزیابی که بر اساس مدل های موجود در مقالات مروری و فعالیت های پژوهشی مشابه تعریف شده، برای طراحی سیستم پیشنهاددهی دوست به عنوان بخشی که در فرآیند انتشار اطلاعات در سطح شبکه تاثیر گذار است، استفاده نموده ایم. مهمترین بخش متدولوژی مذکور فاز پیاده سازی سیستم می باشد که هسته اصلی آن را ترکیب روش های فیلترینگ ساختاری، بر اساس بکارگیری پارامترهای سطح گره، و فیلترینگ اجتماعی، بر اساس بکارگیری تکنیک های پروفایل کاوی تشکیل می دهد. همچنین در این پایان نامه از چند شاخص ارزیابی به منظور مشاهده عملکرد سیستم پیشنهادی و مقایسه آن با دیگر روش ها استفاده شده است. نتایج خروجی پارامترهای ارزیابی نشان دهنده عملکرد بهتر سیستم پیشنهاد دهنده طراحی شده در مقایسه با روش مشابه دوست دوست در سیستم پیشنهاد دوست به کاربر هدف می باشد.

حجم اطلاعات در سازمان ها رو به افزایش است. استفاده از ابزارها و تکنیک های مختلف در برابر این حجم فزاینده، غیر قابل اجتناب است. سیستم پشتیبان تصمیم یکی از ابزار هایی است که می تواند در تصمیم گیری به افراد سازمان کمک کند. امروزه سازمان ها برای رسیدن به موفقیت چاره ای جز تطبیق با تکنولوژی روز ندارند. سیستم خبره یک نوع سیستم پشتیبان تصمیم است که از سطحی از هوشمندی برخوردار است. داده های موجود در سازمان نیز، همواره حامل دانش مفیدی هستند که با استفاده از روش های صحیح میتوان در حداکثر امکان، از آن ها بهره برد. داده کاوی ابزار مدرنی است که با تلفیق آمار و الگوریتم های یادگیری ماشین، در بسیاری از زمینه ها، پشتیبان سازمان ها بوده است.ترکیب داده کاوی و سیستم خبره، که کمتر مورد توجه سازمان ها قرار گرفته است، می تواند از تمام مزیت های این دو حوزه بهره مند گردد. در این تحقیق، قرار است از روش های داده کاوی در کنار دانش فرد خبره، به منظور ایجاد پایگاه دانش سیستم خبره استفاده نماید. در بخش داده کاوی از روش های خوشه بندی و دسته بندی برای ایجاد قوانین استفاده شده است. این سیستم، از طریق تعامل با کاربر اطلاعات را از وی دریافت می کند و روش پیشنهادی برای درمان ناباروری را به کاربر ارائه می دهد و قابلیت این را دارد که احتمال موفقیت دو روش کمک باروری iui و icsi را پیش بینی کند.

از آن جایی که در دنیای رقابتی امروز، محیط کسب وکار از محصول محوری به مشتری محوری تغییر کرده است، درک رفتار مشتری اهمیت بیشتری یافته و یکی از چالشهای بزرگ سازمانهای مشتری محور، شناخت مشتریان، ایجاد تمایز میان گروه های مختلف مشتریان و رتبه بندی آنهاست. خوشه بندی یکی از مهمترین تکنیک های داده کاوی است که در بازاریابی و مدیریت ارتباط با مشتری برای گروه بندی مشتریان استفاده می شود. در این پژوهش با استفاده از این تکنیک به گروه بندی مشتریان بانک کشاورزی بر اساس دو دسته مولفه ی rfm و lrfm که توسط خبرگان بانکی وزن دهی شده اند، می پردازیم و نتایج دو دسته مولفه ی rfm و lrfm را با هم مقایسه می کنیم. روش های امتیازدهی مختلفی برای رتبه بندی مولفه ها وجود دارد با توجه به اشکالاتی که در این روشها وجود دارد، یک روش امتیازدهی سه مقداری جدید طراحی شد و با روش پنجک مشتری که یکی از پرکاربردترین روش های امتیازدهی است، مقایسه شد. نتایج مقایسه ها و نتایج بدست آمده از تحلیل خوشه ها در فصل پنجم بیان شده اند.

چکیده ندارد.

توسعه و پیشرفت فناوری اطلاعات و ارتباطات تغییر و تحول بسیاری در زمینه های مختلف ایجاد نموده است و موجب شده سبک زندگی امروز دستخوش تغییرات اساسی گردد. بدیهی است سیستمهای بهداشت و درمان و نظام سلامت نیز چون سایر عرصه ها در مواجهه با این فناوری جدید توان مقاومت در برابر تغییر را نداشته و نمی تواند مزایای استفاده از آن را نادیده بگیرد. از این رو داشتن شناخت کافی از عوامل تاثیرگذار بر به کارگیری فناوری اطلاعات در سیستم بهداشت و درمان برای تدوین استراتژی و برنامه ریزیهای مورد نیاز جهت استفاده اثربخش این فناوری در نظام سلامت امری ضروری به نظر می رسد. در این راستا، پژوهش حاضر با هدف بررسی عوامل موثر در انتقال فناوری پزشکی از راه دور در ایران انجام شده است، نتایج این پژوهش نوع و میزان تاثیر عوامل مختلف فنی و فرهنگی جهت استقرار فناوری پزشکی از راه دور در کشور را ارائه می نماید. جهت انجام این پژوهش پرسشنامه ای با 65 سوال در قالب طیف لیکرت 7 تائی تهیه شد که توسط افراد نمونه آماری پژوهش تکمیل گردید. جامعه آماری این پژوهش شامل مسوولان واحد فناوری اطلاعات در دانشگاههای علوم پزشکی مراکز استانها و نیز بیمارستانهای مراکز استانها و مرکز آمار و اعضاء واحد توسعه فناوری اطلاعات وزارت بهداشت و درمان بوده است. برای سنجش نوع و میزان تاثیر عوامل فنی و فرهنگی موثر بر انتقال پزشکی از راه دور در ایران مدل “ انتقال فناوری پزشکی از راه دور” ارائه شده توسط kifle مورد ارزیابی قرار گرفت و به منظور تعیین چگونگی و شدت تاثیر میان متغیرهای موجود در مدل از روش آماری تحلیل مسیر با استفاده از آزمون رگرسیون خطی برای تعیین میزان تاثیر مستقیم و غیر مستقیم متغیرها بر یکدیگر و نیز تعیین ضریب تعیین برای سنجش میزان پیش بینی متغیر وابسته قابلیت پزشکی از راه دور توسط متغیرهای مستقل استفاده شد. نتایج نهائی به دست آمده از نظر پاسخ دهندگان نمونه آماری پژوهش بیانگر اینست که بر مبنای میزان تاثیرگذاری بر متغیر قابلیت پزشکی از راه دور، به ترتیب فرهنگ پذیری تکنولوژیکی، سیاستهای ملی فناوری اطلاعات و ارتباطات، زیرساختهای بهداشت و درمان، آمادگی سازمانی، سیاستهای ملی امنیت و حفاظت اطلاعات، سیاستهای ملی سلامت الکترونیک، اثربخش پیاده سازی، زیرساختهای فناوری اطلاعات و تصمیم گیری منطقی در استقرار پزشکی از راه دور در کشور تاثیر مثبت دارند و متغیرهای فاصله قدرت و پرهیز از عدم قطعیت تاثیر آماری معنی داری ندارند.