تحلیل داده ‏ها با بهره‏گیری از خوشه ‏بندی فازی:

دسته: کامپیوتر

حجم فایل: 49 کیلوبایت

تعداد صفحه: 9

Fuzzy clustering

Fuzzy c-mean

چکیده

آنالیز خوشه ای (clustering) برای کلاس بندی مجموعه ای از موضوعات بکار می رود. در حالت crisp درجات عضویت موضوعات به کلاسها فقط می تواند صفر یا یک باشد اما در حالت فازی یک موضوع ممکن است با درجات عضویت مختلف (بین صفر و یک) به کلاسهای مختلف نسبت داده شود. برای برخورد با این موضوع الگوریتمهای فازی بوجود آمدند.

الگوریتمها:

– مجموعه فازی:

تقسیم‏بندی خوشه‏ای:

تقسیم‏بندی خوشه‏ای افزار یک مجموعه از داده‏ها یا اشیاء به چند خوشه است. این افزار بایستی دارای دور خاصیت زیر می‏باشد:

1- همگنی در داخل هر خوشه، بعبارت دیگر داده‏های متعلق به خوشه‏‌های مشابه بایستی تا حد امکان مشابه باشند.

2- ناهمگنی در بین خوشه‏ها، بعبارت دیگر داده‏های متعلق به خوشه‏های مختلف بایستی تا حدامکان متفاوت باشند.

مفهوم تشابه با توجه به داده‏ها تعریف می‏شود. از آنجا که اغلب داده‏ها بصورت برداری می‏باشند، لذا فاصله اقلیدسی بین داد‏ه‏ها را می‏توان بعنوان میزان عدم تشابه در نظر گرفت.

مسئله مهم در تقسیم‏بندی خوشه‏ای، عددی بودن آن و نامشخص بودن تعداد خوشه‏ها می‏باشد. دلایل زیادی را می‏توان برای نشان دادن ارزشمند بودن تقسیم‏بندی خوشه‏ای ارائه داد. اولاً تقسیم‏بندی خوشه‏ای می‏تواند در پیدا کردن گروههای واقعی کمک ساز باشد. ثانیاً می‏تواند برای کاهش داده‏ها مفید باشد از طرف دیگر تقسیم‏بندی خوشه‏ای ممکن است، گروههای غیرقابل انتظاری را ایجاد نماید. در اینصورت نتیجه حاصل بیانگر روابط جدیدی خواهد بود، که بایستی مورد بررسی قرار گیرند.

خرید

مطالب مرتبط


ادغام برنامه ریزی سلسله مراتبی و داده کاوی (ترجمه)

چکیده

پیشنهاد محصول، فعالیت کسب و کاری می باشد که برای جذب مشتری مهم می باشد. بنابراین، بهبود کیفیت این پیشنهادات برای تامین نیاز مشتریان در محیط رقابتی شدید دارای اهمیت زیادی می باشد. اگرچه سیستم های پیشنهاد دهنده متفاوتی مطرح شده است، اما تعداد کمی ارزش دوام مشتری را بریا شرکت مد نظر قرار داده اند. معمولا ارزش دوام مشتری ((CLV از نظر متغیرهای تازگی، تکرار و پولی (RFM) مورد ارزیابی قرار گرفته اند. به هر حال اهمیت نسبی در بین آن ها با توجه به مشخصات تولید و صنعت متفاوت می باشد. ما روش جدیدی از پیشنهاد محصول را ایجاد کرده ایم که تکنیک های تصمیم گیری گروهی و پردازش اطلاعاتی را مد نظر قرار می دهد. برنامه ریزی های سلسله مراتبی (AHP) نیز برای تعیین وزن نسبی متغیرهای RFM در ارزیابی ارزش دوام و وفاداری مشتری، مد نظر قرار می گیرد. سپس تکنیک های دسته بندی برای مشتریان طبقه بندی شده بر طبق به ارزش وزنی RFM به کار برده شده است. سرانجام روش بررسی قوانی مربوطه بکار گرفته شد، تا پیشنهاد محصول برای هر یک ار گروه های مشتری ارائه شود. نتایج تجربی نشان داده است که این روش ها پا را فراتر نهاده و از RFM های یکسان و روش های فیلترینگ همکاری استفاده کرده اند.

مقدمه

رقابت بیشتر شرکت ها را وادار می کند تا نوع آوری های خود را در بازار برای تامین نیاز مشتری و بهبود رضایت آن ها توسعه دهند. استفاده از اینترنت و رشد تجارت الکترونیک فعالیت های بازار را گسترش داده و حجم عظیمی از اطلاعات مربوط به مشتریان را برای تجزیه و تحلیل ایجاد کرده است. این گونه از فعالیت های اقتصادی با استفاده از تجزیه و تحلیل اطلاعات مربوط به مشتریان برای تعیین اولویت های آن ها دارای اهمیت زیادی بوده و باعث بهبود فرایند تصمیم گیری در بازار می گردد. ایجاد حمایت مناسب برای تامین نیاز مشتری در افزایش موفقیت فروشگاه های آنلاین اهمیت داشته و به این ترتیب موفقیت وب سایت ها بستگی به افزایش کیفیت خدمات و اطلاعات برای ارائه به مشتریان دارد.

خرید

مطالب مرتبط


استخراج قوانین وابستگی برای بهبود کیفیت فرایند تولید (ترجمه)

چکیده

افراد تحصیل کرده و شاغل معمولاً علاقه دارند توسعه روش ها و برنامه های کامپیوتری را که با کارهای مهندسی و دانش سر و کار دارند دنبال کنند. مدیریتاشتباه عملیات و زمان های تولید از دست رفته، مشکلات و مسائل بزرگی هستند که بهره وری و کیفیت سیستم های صنعتی و هزینه تولید را تحت تأثیر قرار می دهد. استخراج قوانین وابستگی، یک تکنیک داده کاوی است که برای پیدا کردن اطلاعات مفید و ارزشمند از پایگاه های داده بزرگ استفاده می شود. این مقاله، پایه مفهومی بهتری را برای توسعه برنامه های استخراج قوانین وابستگی ارائه می دهد تا دانش را از عملیات و مدیریت اطلاعات به راحتی استخراج کند. تأکید این مقاله روی بهبود فرایندهای عملیاتی است. یک مثال کاربردی، تجربه صنعتی که استخراج قوانین وابستگی در آن برای تحلیل فرایند تولید استفاده می شود را شرح می دهد. این مقاله برخی نتایج جدید و جالب در رابطه با تکنیک های داده کاوی و کشف دانش که روی فرایند تولید نقش دارد را گزارش می دهد. نتایج تجربی روی داده هایی که در زندگی واقعی نقش دارند نشان می دهد که روش پیشنهادی برای یافتن دانش مرتبط با عملیات نادرست مفید واقع می شود.

مقدمه

کاربردهای مهندسی هوش مصنوعی نظرات محققین و شاغلین حوزه صنعت را به دلیل توانایی آن در یادگیری و درک اصول و حقایق به منظور کسب دانش و به کارگیری آن در عمل به خود جلب کرده است. پیشرفت های مداوم، اشاره به پیشرفت های رو به جلو و غیر منتظره در زمینه عملکرد سازمانی دارد (Linderman, Schroeder, Zaheer, Liedtke, & Choo, 2004). پیشرفت در مسائلی مانند افزایش ارزش مشتری، کاهش خطاها و عیوب، بهره وری بهبود یافته، امنیت عملکرد چرخه زمانی و انگیزش (Evans & Lindsay, 2001). این مورد معمولاً در روش حل تدریجی مسئله رخ می دهد که شامل مراحل ضمنی سازی مسئله، تحلیل مسئله، تعمیم راه حل و یادگیری دروس است (Kamsu-Foguem, Coudert, Geneste, & Beler, 2008). روش حل مسئله، روی توصیف فرایند شناختی در کارهای عقلانی و ملاحظات شناختی که با سرمایه گذاری دانش روی ساختارهای خاص و قدرت بخشی به تعمیم سر و کار دارد تمرکز می کند (Patel, Arocha, &Kaufman, 2001). روش های حل مسئله نقش مهمی را در اکتساب دانش و مهندسی بازی می کند زیرا سطح دانش انتزاعی برای نیل به اهداف با اعمال دانش توسط فرایند تدریجی جستجوی مسیر راه حل بسیار ارزشمند است. از این روش ها می توان برای توصیف فرایند استدلال به صورت ساختاری برای هدایت روند کسب دانش و راحت کردن تقسیم دانش و استفاده مجدد بهره جست (Benjamins & Fensel, 1998).

خرید

مطالب مرتبط


مقاله اصول مدیریت کیفیت

مقدمه

اصل اول: تمرکز بر مشتری (Customer Focus)

هر سازمانی به مشتریان خود وابسته است و باید نیازهای حال و آینده آنان را درک نماید و نیازمندی های مشتریان خود را برآورده نماید. علاوه بر این سازمان ها باید برای عبور از انتظارات مشتریان خود برنامه ریزی و تلاش نمایند.

تمرکز بر مشتری و درک نیازهای حال و آینده او باعث پاسخگویی منعطف و سریع سازمان به فرصت های بازار و در نتیجه افزایش سود سهام و سهم بازار برای سازمان خواهد شد.

رضایت مشتریان با افزایش اثربخشی بکارگیری منابع سازمان، افزایش یافته و بهبود وفاداری مشتری به سازمان باعث ماندگاری در تجارت می گردد.

بکارگیری اصل تمرکز بر مشتری عموما باعث می گردد که سازمان:

  • برای درک نیازها و انتظارات مشتریان تحقیقات لازم را صورت دهد.
  • از ارتباط اهداف سازمانی با نیازها و انتظارات مشتریان اطمینان حاصل نماید.
  • ارتباطات درون سازمانی را در راستای نیازها و انتظارات مشتریان هدایت نماید.
  • رضایت مشتریان را اندازه گیری نموده و بر مبنای نتایج حاصل از آن اقدام نماید.
  • ارتباطات با مشتریان را به صورت سیستمی مدیریت نماید.

از وجود توازن بین رضایتمندی مشتریان و سایر ذینفعان سازمان (نظیر مالکین، کارکنان، سرمایه گذاران، انجمن ها و مجامع محلی) اطمینان حاصل نماید.

خرید

مطالب مرتبط


عقیده کاوی از اسناد متنی

  • عنوان لاتین مقاله: Mining Opinion from Text Documents: A Survey
  • عنوان فارسی مقاله: عقیده کاوی از اسناد متنی.
  • دسته: فناوری اطلاعات و کامپیوتر – دیجیتال و فناری
  • فرمت فایل ترجمه شده: WORD (قابل ویرایش)
  • تعداد صفحات فایل ترجمه شده: 9
  • ترجمه سلیس و روان مقاله آماده خرید است.

خلاصه

عقیده کاوی (OM) یک زمین? تحقیقاتی جدید و نو ظهور است که با بازیابی اطلاعات و استخراج دانش از متن با استفاده از داده کاوی (DM) و پردازش زبان طبیعی (NLP) سروکار دارد. هدف OM این است که کامپیوتر را قادر سازیم که بتواند احساسات را تشخیص و بیان کند. دید یا رفتاری که بر اساس احساسات باشد به جای منطق، احساس گفته می شود. بنابراین OM به تحلیل احساسات نیز معروف است. سازمان های تجاری پول زیادی را صرف مشاوران و محققان کرده اند تا احساسات و عقاید مشتریان را در مورد محصولاتشان بدانند. به طور مشابه، افراد نیز به عقاید دیگران در مورد محصولات، خدمات، موضوعات و رویدادها برای یافتن بهترین انتخاب ها علاقه مند هستند. این نوع تحقیقات برای جمع آوری از میان انجمن های وب، بلاگ ها، گروه های گفتگو و جعبه های نظرات در حال حاضر بسیار آسان شده است. عقیده را می توان از هر شخص در مورد هر چیزی در جهان را می توان از طریق سایت های نظرسنجی، بلاگ ها و گروه های گفتگو و… به دست آورد. استخراج اطلاعات و کشف دانش یک زمین? مهم تحقیقاتی است. مسئل? استخراج دانش از شبک? جهانی، چالش برانگیزتر است زیرا داده های ذخیره شده در وب بسیار طبیعت پویایی دارند. داده ها به دلیل بروزرسانی های دائمی و افزودن اطلاعات جدید در هر لحظه به سرعت در حال تغییر هستند. می توان از وبسایت ها برای برنامه های مختلفی استفاده کرد. یکی از این برنامه های مهم وب، جمع آوری عقاید و استخراج الگوهای معنادار از آن هاست. در حین فرایند تصمیم گیری، اکثر ما از دیگران کمک می گیریم. این یک پدید? طبیعی است که یک تصمیم خوب بر اساس عقید? دیگران به دست می آید. قبل از شبک? جهانی وب، از عقیده ها به طور شفاهی یا توسط کلمات به اشتراک گذاشته می شد و ما مجبور بودیم از دوستان خود در مورد اینکه کدام آیتم از دیگران بهتر است سوال کنیم یا بخواهیم توضیح دهد که کدام ویژگی یک آیتم خوب و کدام بد است. با پیدایش شبک? جهانی وب، اشتراک گذاری دانش و کسب مزیت از تجربیات دیگران، ممکن شد. امروزه بیش از 75000 بلاگ جدید با 1.2 میلیون پست جدید روزانه ساخته می شود و 40 درصد مردم در جهان مدرن به نظرات، عقاید و توصیه های جمع آوری شده از بلاگ ها، انجمن ها و دیگر سایت های مربوطه تکیه می کنند. این امر اهمیت نیاز به OM را نشان می دهد.

  • فرمت: zip
  • حجم: 0.67 مگابایت
  • شماره ثبت: 411

خرید

مطالب مرتبط