فهرس المقالات درخت تصمیم

• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  1 - یک روش جدید بر روی تجزیه بافت برای طبقه بندی تشخیص خودکار میکروکلسیفیکیشن سینه تصاویر ماموگرافی
  زهرا مقصودزاده سروستانی جاسم  جمالی مهدی تقی زاده محمد حسین فاتحی
  برنامه های غربالگری از ماموگرافی به عنوان ابزار تشخیصی اولیه برای شناسایی زودهنگام سرطان پستان استفاده می کنند. هدف از انجام اين کار، امكان سنجي جداسازي اتوماتيك تصاوير میکروکلسیفیکیشن هاي بافت پستان و همچنين ارزيابي دقت آن با استفاده از به كارگيري دو تكنيك بهبود تصویر أکثر

  برنامه های غربالگری از ماموگرافی به عنوان ابزار تشخیصی اولیه برای شناسایی زودهنگام سرطان پستان استفاده می کنند. هدف از انجام اين کار، امكان سنجي جداسازي اتوماتيك تصاوير میکروکلسیفیکیشن هاي بافت پستان و همچنين ارزيابي دقت آن با استفاده از به كارگيري دو تكنيك بهبود تصویر و برجسته سازی میکروکلسیفیکیشن هاي بافت سینه برای نواحی مورد نظر ROI به کمک سیستم فازی بر اساس کانتراست منطقه و روش فیلترینگ گابور اشاره شده است. بعد از تعیین خوشه های میکروکلسیفیکیشن هاي بافت پستان، طبقه بندی خوشه ها با کمک الگوریتم طبقه بندی درخت تصمیم انجام مي شود. در ادامه برای بخش بندی نمونه های مشکوک به میکروکلسیفیکیشن برجسته و ماسک گذاری می شود و در مرحله آخر ویژگیهای بافت استخراج شده است و با کمک شبکه عصبی مصنوعی (ANN) برای تعیین نوع خوشخیم و بدخیم خوشه های بخش بندی شده ROI، استفاده می شود. نتایجی این کار انجام شده نشان دهنده دقت بالای 93% و بهبود حساسیت بالای 95% می باشد، که نشان می دهد راهکار ارائه شده می تواند با اطمینان برای تشخیص سرطان پستان اعمال شود. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  2 - شناسایی چهره افراد بر اساس مدل معنایی برای موبایل بانک
  لیلی نصرتی امیرمسعود بیدگلی حمید حاج سید جوادی
  چکیده: در این مقاله، یک پروتکل احراز هویت جدید برای بانکداری آنلاین بر اساس مدل معنایی ویژگی¬های استخراج شده از تصویر افراد معرفی شده است. رویکرد پیشنهادی با استفاده از تلفن¬های همراه هوشمند برای تصویربرداری دیجیتال برای مشتریان ارائه شده است. در این روش از خوشه‌بندی فا أکثر

  چکیده: در این مقاله، یک پروتکل احراز هویت جدید برای بانکداری آنلاین بر اساس مدل معنایی ویژگی¬های استخراج شده از تصویر افراد معرفی شده است. رویکرد پیشنهادی با استفاده از تلفن¬های همراه هوشمند برای تصویربرداری دیجیتال برای مشتریان ارائه شده است. در این روش از خوشه‌بندی فازی برای دسته‌بندی ویژگی‌های تصاویر افراد مختلف استفاده شده است و با اعمال آن‌ها در روش‌های مختلف یادگیری ماشین، ترکیب روش‌های طبقه‌بندی یادگیری ماشینی برای بهبود عملکرد و افزایش قدرت در برابر حملات مختلف ارائه شده است. همچنین به منظور کاهش پیچیدگی طراحی ماشین برای کارهای عملیاتی، از روش کاهش ویژگی¬های استخراج شده از تصاویر چهره افراد به کمک الگوریتم ژنتیک و در قسمت آخر برای تصمیم¬گیری جهت احراز هویت فرد انتخاب شده، از سیستم منطق فازی بر اساس بالاترین دقت شناسایی فرد مورد نظر استفاده شده است. با استفاده از یک مجموعه داده عمومی، نتایج تجربی نشان داد که روش مبتنی بر الگوریتم ژنتیک بهترین انتخاب ویژگی برای ایجاد یک روش احراز هویت ضمنی برای محیط تلفن هوشمند است. نتیجه محاسبات دقت حدود 80/99% را با استفاده از تنها 30 ویژگی از 77 ویژگی برای احراز هویت کاربران نشان داد که بیانگر نیاز به منابع کمتر تلفن همراه است. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  3 - ارائه مدلی جهت پیش بینی و بهبود کیفیت تولید با استفاده از الگوریتم های درخت تصمیم و برنامه ریزی خطی ( مورد مطالعه: شرکتهای تولید کننده موج گیرتیبا در ایران)
  نادره سادات راست قلم رویا محمدعلی پور اهری احمد رضا شکرچی زاده عاطفه امین دوست
  10.30495/jmfr.2022.60091.2446
  امروز در اکثر صنایع کشور از ابزار کنترل کیفیت آماری جهت بهبود کیفیت محصولات استفاده می‌نمایند ولی با توجه به حجم بالای داده‌ها در حال حاضر نیاز به ابزاری قوی‌تر می‌باشد که بتواند فرایندهای کنترل کیفیت آماری را تحت کنترل قرار دهد با توجه به گستردگی الگوریتم‌های داده‌کاوی أکثر

  امروز در اکثر صنایع کشور از ابزار کنترل کیفیت آماری جهت بهبود کیفیت محصولات استفاده می‌نمایند ولی با توجه به حجم بالای داده‌ها در حال حاضر نیاز به ابزاری قوی‌تر می‌باشد که بتواند فرایندهای کنترل کیفیت آماری را تحت کنترل قرار دهد با توجه به گستردگی الگوریتم‌های داده‌کاوی در این تحقیق از ابزار داده‌کاوی جهت بهبود فرایند استفاده شده است و همچنین هدف اصلی تحقیق ارائه روشی جهت کشف اقلام معیوب قبل از تولید کامل آنها و جلوگیری از تولید اقلام معیوب می‌باشد. روش کار بدین گونه است که در ابتدا پایگاه داده خرابی تشکیل می‌گردد و پس از جمع آوری داده های کنترل کیفیت، با استفاده از الگوریتم‌های مختلف درخت تصمیم دقت پیش بینی کیفیت قطعات تعیین می‌گردد و در مرحله بعد با استفاده از مدل-تحلیل‌پوششی‌داده‌ها هر یک از قوانین ارزیابی می گردد و در نهایت با استفاده از قوانینی که در هر ایستگاه کاری صدق می‌کنند ارزیابی ایستگاه های کاری انجام می گیرد. بر این اساس در این پژوهش جامعه آماری تمامی قطعات تولیدی موج‌گیر تیبا در سال 1398 می‌باشد. خصیصه ها شامل 9 ایستگاه کاری هستند، بر اساس نتایج بدست آمده بهترین الگوریتم در پیش‌بینی خرابی C5 می‌باشد و مهم‌ترین خصیصه‌های انتخابی توسط آن تعیین می‌گردند عبارت‌اند از: کیفیت خنک کاری، کیفیت سوراخ کاری و کیفیت برش. همچنین ارزیابی قوانین نیز با استفاده از مدل‌تحلیل‌پوششی‌داده‌ها انجام شده و مهم‌ترین قوانین استخراج شده‌اند و در نهایت بر اساس حل مدل دستگاه‌هایی که در اولویت اصلاحی برای سال جاری قرار گیرند عبارتند از: رولینگ، لحیم کاری و برش تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  4 - استفاده از داده کاوی و سه الگوریتم درخت تصمیم‌گیری جهت بهینه‌سازی فرآیند تعمیرات و نگهداری
  محمد ایزدی خواه دنیا گرشاسبی
  هدف از این تحقیق پیش­بینی خرابی دستگاه­ها با استفاده از ابزار داده کاوی می­باشد که بدین منظور در ابتدا پایگاه داده مناسب متشکل از 392 رکورد از خرابی­های به وقوع پیوسته در یک شرکت داروسازی در سال 1394 تشکیل شده است، در مرحله بعد با تعیین 9 خصیصه و نوع خرا أکثر

  هدف از این تحقیق پیش­بینی خرابی دستگاه­ها با استفاده از ابزار داده کاوی می­باشد که بدین منظور در ابتدا پایگاه داده مناسب متشکل از 392 رکورد از خرابی­های به وقوع پیوسته در یک شرکت داروسازی در سال 1394 تشکیل شده است، در مرحله بعد با تعیین 9 خصیصه و نوع خرابی بعنوان کلاس پایگاه داده، تحلیل­ها صورت پذیرفته است که در این راستا از 3 الگوریتم درخت تصمیم برای تعیین مهمترین خصیصه­ها و تعیین قوانین موثر بر خرابی استفاده شده است. بر اساس نتایج بدست آمده از انتخاب خصیصه هر سه الگوریتم مورد استفاده خصیصه­های عمر دستگاه، نام ماشین و مدت زمان تا آخرین خرابی بعنوان مهمترین خصیصه­ها در نظر گرفته شده­اند. بر این اساس عمر دستگاه از اهمیت ویژه­ای برخوردار است. از آنجائی که استهلاک در صنعت داروسازی در حد بالائی می­باشد لذا عمر دستگاه­های مورد استفاده در تعمیرات و نگهداری اثرات ویژه­ای دارد. در این راستا دستگاه­های که دارای عمر بیش از 20 سال می­باشند استهلاک و خرابی آنها بسیار بالا می­باشد و نیاز است تا علاوه بر تعمیرات معمول بازبینی­ها و تعمیرات ویژه­ای در مورد آنها اعمال گردد. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  5 - پیش‌بینی مکانی حساسیت زمین‌لغزش با استفاده از الگوریتم‌های پیشرفته یادگیری ماشین (مطالعه موردی: شهرستان سروآباد، استان کردستان)
  بهارک معتمدوزیری هیمن راست خدیو سیداکبر جوادی حسن احمدی
  وقوع رخداد زمین‌لغزش در مناطق کوهستانی ممکن است به زیرساخت‌ها از جمله جاده‌ها آسیب جدی وارد کند، همچنین ممکن است به مرگ‌ومیر انسان‌ها منجر شود. هدف از انجام این مطالعه، پیش‌بینی مکانی خطر زمین‌لغزش با استفاده از الگوریتم‌های پیشرفته داده‌کاوی در شهرستان سروآباد (استان . أکثر

  وقوع رخداد زمین‌لغزش در مناطق کوهستانی ممکن است به زیرساخت‌ها از جمله جاده‌ها آسیب جدی وارد کند، همچنین ممکن است به مرگ‌ومیر انسان‌ها منجر شود. هدف از انجام این مطالعه، پیش‌بینی مکانی خطر زمین‌لغزش با استفاده از الگوریتم‌های پیشرفته داده‌کاوی در شهرستان سروآباد (استان ...) است. در این مطالعه، پتانسیل‌یابی خطر زمین‌لغزش با استفاده از دو الگوریتم پیشرفته داده‌کاوی شامل جنگل تصادفی (RF) و درخت تصمیم (DT) انجام شد. ابتدا، فایل نقطه‌ای 166 زمین‌لغزش رخ داده در شهرستان سروآباد به‌عنوان نقشه موجودی زمین‌لغزش در نظر گرفته شد. به منظور تهیه مدل و اعتبار سنجی آن، نقاط زمین‌لغزش به دو بخش داده‌های آموزشی (70 درصد) و داده‌های اعتبارسنجی (30 درصد) تقسیم می‌شوند. در مجموع 16 پارامتر شامل شیب، جهت جغرافیایی، ارتفاع از سطح دریا، فاصله از آبراهه، فاصله از جاده، تراکم رودخانه، فاصله از گسل، تراکم گسل، تراکم جاده، بارندگی، کاربری و پوشش اراضی، شاخص NDVI، لیتولوژی، زمین‌لرزه، شاخص توان آبراهه (SPI) و شاخص رطوبت توپوگرافی (TWI) به‌منظور پهنه‌بندی خطر زمین‌لغزش استفاده شدند. در نهایت، عملکرد مدل‌ها با استفاده از منحنی مشخصه عملکرد سیستم (ROC) مورد بررسی قرار گرفت. نتایج تحلیل منحنی ویژگی عملگر نسبی نشان داد که مدل‌های درخت تصمیم و جنگل تصادفی به ترتیب دارای مقدار AUC برابر 942/0 و 951/0 می‌باشند؛ بنابراین مدل جنگل تصادفی نسبت به درخت تصمیم دارای بالاترین مقدار AUC بوده و بهترین مدل برای پیش‌بینی خطر زمین‌لغزش در آینده در منطقه مورد مطالعه می‌باشد. نقشه‌های پتانسیل وقوع زمین‌لغزش، ابزارهای کارآمدی بوده؛ به‌طوری‌که می‌توان آن‌ها را برای مدیریت زیست‌محیطی، برنامه‌ریزی کاربری زمین و توسعه زیرساخت‌ها مورد استفاده قرار داد. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  6 - مقایسه عملکرد مدل‌های داده‌کاوی در پیش‌بینی بارش باران با استفاده از رویکرد دسته‌بندی (مطالعه موردی: ایستگاه هواشناسی سینوپتیک فرودگاه همدان)
  مرتضی صالحی سربیژن حمید رضا دزفولیان
  10.30495/wsrcj.2024.75668.11411
  زمینه و هدف: بارندگی یکی از پدیده‌های پیچیده طبیعی و از مهم‌ترین اجزای چرخه آب بوده و در سنجش خصوصیات اقلیمی هر منطقه نقش بسیار مهمی ایفا می‌کند. شناخت میزان و روند تغییرات بارش به‌عنوان یکی از عناصر مهم هواشناسی، از یک‌سو جهت داشتن مدیریت اثربخش و برنامه‌ریزی دقیق‌تر ب أکثر

  زمینه و هدف: بارندگی یکی از پدیده‌های پیچیده طبیعی و از مهم‌ترین اجزای چرخه آب بوده و در سنجش خصوصیات اقلیمی هر منطقه نقش بسیار مهمی ایفا می‌کند. شناخت میزان و روند تغییرات بارش به‌عنوان یکی از عناصر مهم هواشناسی، از یک‌سو جهت داشتن مدیریت اثربخش و برنامه‌ریزی دقیق‌تر برای بخش‌های کشاورزی، اقتصادی و اجتماعی و از سوی دیگر برای مطالعاتی مانند رواناب‌ها، خشک‌سالی‌ها، وضعیت آب‌های زیرزمینی و سیلاب‌ها ضروری است. همچنین پیش‌بینی بارش در مناطق شهری تأثیر بسیار زیادی بر کنترل ترافیک، جریان فاضلاب‌ها و فعالیت‌های ساخت‌وساز دارد. روش پژوهش: هدف این مطالعه مقایسه دقت مدل‌های کلاس‌بندی درخت تصمیم (چاید (CHAID)، درخت تصمیم C5، نیو بیزین (NB)، کوئست (Quest) و جنگل تصادفی)، k نزدیک‌ترین همسایگی (KNN)، ماشین بردار پشتیبان (SVM) و شبکه عصبی مصنوعی (ANN) جهت پیش‌بینی وقوع بارش باران با استفاده از داده‌های یک دوره 50 ساله در ایستگاه سینوپتیک فرودگاه همدان است. در این مطالعه از 80 درصد داده‌ها جهت آموزش و از 20 درصد داده‌ها جهت صحت سنجی مدل‌ها استفاده‌شده و نتایج حاصل از اجرای مدل‌ها با استفاده از معیارهای ماتریس درهم‌ریختگی (اغتشاش)، منحنی ROC و شاخص AUC مقایسه شدند. برای ساخت متغیر کلاس‌بندی داده‌های بارش و عدم بارش، با توجه به داده‌های بارش، روزهای سال در دو کلاس روزهای وقوع بارش (y) و روزهای عدم وقوع بارش (n) دسته‌بندی شدند. در این تحقیق پیش‌پردازش داده‌ها با استفاده از پیش‌پردازش خودکار داده‌ها (ADP) انجام شده و آنگاه کاهش ابعاد متغیرها از روش PCA استفاده شد. یافته‌ها: در این مطالعه با توجه به روش PCA ابعاد متغیرها به 5 بعد کاهش یافت. همچنین از داده‌های موجود تقریباً 80 درصد، روزها بدون بارش و 20 درصد روزها با بارش هستند. نتایج تحقیق نشان داد که مدل KNN با معیار صحت 9/91 برای داده‌های آموزشی و مدل SVM، 13/89 درصد برای داده‌های آزمون بهترین عملکرد را بین مدل‌های داده‌کاوی داشتند. شاخص AUC مدل KNN برابر 97/0 در داده‌های آموزشی و در داده‌های آزمون مقدار 94/0 برای الگوریتم SVM به دست آمد. همچنین با توجه به منحنی عملکرد سیستم (ROC) برای داده‌های بارش همدان مدل KNN نسبت به سایر مدل‌ها عملکرد بهتری را دارا می‌باشد. توجه به شاخص حساسیت در ماتریس اغتشاش، مدل‌های KNN و SVM در پیش‌بینی عدم وقوع بارش برای داده‌های آموزش بهتر عمل کردند. با توجه به شاخص خاصیت در پیش‌بینی وقوع بارش مدل‌های RT و KNN نتایج بهتری داشتند. نتایج: نتایج تحقیق نشان داد که در داده‌های آموزش مقدار معیار صحت برای مدل‌های RT، C5، ANN، SVM، BN،KNN ، CHAID و QUEST به ترتیب 82/86، 78/89، 55/89، 96/89، 06/88، 9/91، 29/88 و 46/87 بدست آمده اند. همچنین این معیار در داده‌های آزمون برای این مدل‌ها به ترتیب 2/83، 9/87، 12/88، 13/89، 12/87، 19/88، 93/86 و 76/86 به دست آمد. مقدار شاخص AUC در داده‌های آموزش برای مدل‌های RT، C5، ANN، SVM، BN،KNN ، CHAID و QUEST به ترتیب 94/0، 92/0، 94/0، 94/0، 93/0، 97/0، 93/0 و 89/0 به دست آمد. همچنین این معیار در داده‌های آزمون برای این مدل‌ها به ترتیب 89/0، 89/0، 93/0، 94/0، 92/0، 90/0، 92/0 و 88/0 برآورد شد. همان‌طور که مشاهده شد، با توجه به معیارهای صحت و شاخص AUC در داده‌های آموزش مدل KNN و با توجه به داده‌های آزمون مدل SVM کارا تر در پیش‌بینی بارش باران بودند. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  7 - بررسی پویایی زمانی و مکانی پوشش اراضی تالاب پريشان با استفاده از مدل درخت تصمیم و پردازش تصاوير ماهواره¬اي
  گل آفرین زارع بهرام ملک محمدی حمیدرضا جعفری احمدرضا یاوری احمد نوحه گر
  زمینه و هدف: تالاب‌ها به عنوان یکی از مهم‌ترین انواع اکوسیستم‌های جهان به شدت در حال تهدید می‌باشند. تالاب پریشان علاوه بر اینکه جزء مناطق حفاظت‌شده ایران قرار دارد بلکه به عنوان تالاب بین‌المللی و نیز ذخیره‌گاه زیست‌کره نیز شناخته شده است. درک روند تغییرات این تالاب می أکثر

  زمینه و هدف: تالاب‌ها به عنوان یکی از مهم‌ترین انواع اکوسیستم‌های جهان به شدت در حال تهدید می‌باشند. تالاب پریشان علاوه بر اینکه جزء مناطق حفاظت‌شده ایران قرار دارد بلکه به عنوان تالاب بین‌المللی و نیز ذخیره‌گاه زیست‌کره نیز شناخته شده است. درک روند تغییرات این تالاب می‌تواند برای بهبود وضعیت آتی آن بسیار مفید باشد. از این رو هدف پژوهش حاضر پايش تغييرات پهنه آبی تالاب پريشان در بازه زمانی 30 ساله می‌باشد. روش بررسی: در راستای هدف تحقیق تصاوير ماهواره¬ لندست براي چهار دوره زماني 13۶۶، 1377، 13۸۶ و ۱۳۹۵ به همراه سایر داده‌های مورد نیاز تهیه گرديد. با انجام پردازش‌های مورد نیاز در نرم¬افزار ENVI 4.7، نقشه¬هاي پوشش اراضي تالاب پریشان با بهره‌گیری از شاخص تفاضلي نرمال شده پوشش گياهي و شاخص تفاضلي نرمال شده آب در قالب روش درخت تصمیم در سه طبقه پهنه آبی، پوشش گیاهی و سایر اراضی استخراج شد. یافته‌ها: نتایج نشان داد که در بازه بلندمدت سی‌ساله (۱۹۸۷ تا ۲۰۱۶) از مساحت ۱۹۶۳ هکتاری پهنه آبی تالاب پریشان تنها ۱۳ هکتار در انتهای بازه باقیمانده است. پایش تغییرات نشان می‌دهد که پهنه آبی تالاب پریشان نسبت به سال 1366 حدود 1950، نسب به سال 1377 حدود 3605 و نسب به سال 1386 حدود 2272 هکتار کاهش مساحت داشته است. بحث و نتیجه‌گیری: استفاده از داده‌های ماهواره‌ای و تکنیک‌های سنجش از راه دور به همراه مدل طبقه‌بندی درخت تصمیم حاکی از قابلیت روش مورد استفاده برای شناسایی و طبقه‌بندی پوشش اراضی در محدوده‌های تالابی که پوشش گیاهی و آب درهم تنیده‌اند، می‌باشد. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  8 - ارایه و تبیین مدلی برای ایجاد ارزش شرکت با توجه به نقش مدیریت استانداردهای حسابداری ، کیفیت گزارشگری مالی و کیفیت حسابرسی با استفاده از مدل های فرا ابتکاری
  سامان خورشید یحیی کامیابی مهدی خلیل پور
  در دنیای سرمایه گذاری، تصمیم گیری مهمترین بخش از فرآیند سرمایه گذاری است که طی آن سرمایه گذاران در جهت رسیدن به حداکثر منافع و ثروت خویش ، نیازمند اتخاذ بهینه ترین تصمیمات می باشند. در این ارتباط مهمترین عامل فرآیند تصمیم گیری، اطلاعات است. اطلاعات می تواند بر فرآیند تص أکثر

  در دنیای سرمایه گذاری، تصمیم گیری مهمترین بخش از فرآیند سرمایه گذاری است که طی آن سرمایه گذاران در جهت رسیدن به حداکثر منافع و ثروت خویش ، نیازمند اتخاذ بهینه ترین تصمیمات می باشند. در این ارتباط مهمترین عامل فرآیند تصمیم گیری، اطلاعات است. اطلاعات می تواند بر فرآیند تصمیم گیری تأثیر بسزایی داشته باشد. زیرا موجب اخذ تصمیمات متفاوت در افراد متفاوت می شود. در بورس اوراق بهادار نیز تصمیمات سرمایه گذاری متأثر از اطلاعات است. از این رو، این پژوهش درصدد است ارایه و تبیین مدلی برای ایجاد ارزش شرکت با توجه به نقش مدیریت استانداردهای حسابداری ، کیفیت گزارشگری مالی و کیفیت حسابرسی با استفاده از مدل های فرا ابتکاری مورد بررسی نماید. برای تحقق این هدف، داده های 101 شرکت‌ پذیرفته شده در بورس اوراق بهادار تهران طی دوره زمانی1392 الی 1397 گردآوری شده، و روش الگوریتم های بهینه سازی شده برای تجزیه و تحلیل داده ها مورد استفاده قرار گرفت. یافته های پژوهش حاکی از آن است که هر سه روش فرا ابتکاری قدرت برآورد ارزش افزوده اقتصادی و ارزش افزوده بازار را دارا می باشند. اما قدرت برآورد ارزش افزوده اقتصادی و ارزش افزوده بازار در الگوریتم کرم شب نسبت به دو الگوریتم درخت تصمیم و الگوریتم رگرسیون ماشین‌بردار پشتیبان بیشتر می‌باشد و همچنین قدرت پیش‌بینی الگوریتم درخت تصمیم نسبت به الگوریتم رگرسیون ماشین‌بردار پشتیبان به جهت برآورد ارزش افزوده اقتصادی و ارزش افزوده بازار بالاتر است. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  9 - ارزیابی عملکرد با استفاده از نسبت های مالی به شیوه الگوریتم درخت تصمیم گیری
  زهرا امیرحسینی نسرین رضایی جمشید صالحی صدقیانی
  هدف از مقاله حاضر شناسایی مهمترین نسبت های مالی است که می توان از طریق آن عملکردشرکتها را ارزیابی نمود.بدین منظور کلیه شرکت های پذیرفته شده در بورس اوراق بهادار تهران دربازه زمانی1390تا1393به عنوان جامعه آماری پژوهش در نظر گرفته شده و از این میان طبقروش نمونه گیری حذفی أکثر

  هدف از مقاله حاضر شناسایی مهمترین نسبت های مالی است که می توان از طریق آن عملکردشرکتها را ارزیابی نمود.بدین منظور کلیه شرکت های پذیرفته شده در بورس اوراق بهادار تهران دربازه زمانی1390تا1393به عنوان جامعه آماری پژوهش در نظر گرفته شده و از این میان طبقروش نمونه گیری حذفی سیستماتیک102شرکت حجم نمونه آماری را تشکیل دادند.این تحقیق ازنظر هدف کاربردی و به لحاظ روش تحقیقی توصیفی از نوع همبستگی است.تجزیه و تحلیل داده هااز روش تحلیل عاملی، مدل یابی معادلات ساختاری و دو الگوریتم معروف درخت تصمیم)CHAID,C&RT(با استفاده از نرم افزارهایSPSS,SMARTPLS,CLEMENTINصورت پذیرفت.نتایج تحقیق پس از انجام تحلیل عاملی اکتشافی نشان داد که تعداد24نسبت از کل28نسبت مالی در نظر گرفته شده، در ارزیابی عملکرد شرکت موثر بوده که با استفاده از آنالیز فاکتوراصلیPCAاین نسبت ها در7دسته بنا بر وزن هر یک از آنها از واریانس کل دسته بندی گردید.درمرحله بعد جهت بررسی نوع روابط و میزان همبستگی متغیر ها تحلیل عاملی تاییدی در مدل یابیمعادلات ساختاری انجام شد و مدل اصلی ارائه گردید.نهایتا درخت تصمیم گیری ترسیم و نتایج نشانداد کهالگوریتم های درخت تصمیم بالاترین دقت را ارائه می کنند و در میان کلیه نسبت ها،نسبتفعالیت بیشترین تاثیر را در ارزیابی عملکرد دارد. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  10 - ارائه الگوی داده کاوی مبتنی بر شاخص توسعه پایدار در مدیریت شهری کلان‌شهر تهران متاثر از همه‌گیری کووید-19
  عباس ملکی صادق عابدی علیرضا ایرج پور
  با اعمال محدودیت‌های ناشی از همه‌گیری کووید-19، به نظر می‌رسد تغییراتی در غلظت‌ آلاینده‌های CO، O3،NO ، NO2، SO2، PM2.5، PM10 و AQI در دوره‌های قبل و بعد از همه‌گیری دیده شود. از این رو، تغییرات آلاینده‌های هوا و محدودیت‌های ترافیکی به عنوان یکی از زیرمجموعه-های شاخص زی أکثر

  با اعمال محدودیت‌های ناشی از همه‌گیری کووید-19، به نظر می‌رسد تغییراتی در غلظت‌ آلاینده‌های CO، O3،NO ، NO2، SO2، PM2.5، PM10 و AQI در دوره‌های قبل و بعد از همه‌گیری دیده شود. از این رو، تغییرات آلاینده‌های هوا و محدودیت‌های ترافیکی به عنوان یکی از زیرمجموعه-های شاخص زیست محیطی توسعه پایدار شهری در بازه زمانی 01/11/1396 تا 29/12/1400 در ایستگاه‌های تحت نظارت شهر تهران مورد بررسی ‌قرار می‌گیرد. ابتدا داده‌ها جمع آوری، پردازش و پاکسازی می‌شوند. بر روی ویژگی‌های موثر انتخاب شده با استفاده از روش بهینه سازی ازدحام ذرات، روش‌های یادگیری ماشین شامل درخت تصمیم، جنگل تصادفی، ماشین بردار پشتیبان، شبکه بیزین و شبکه عصبی پرسپترون اعمال می‌شود. بررسی‌ها نشان داد که مدل پیش بینی با استفاده از درخت تصمیم و جنگل تصادفی بهترین عملکرد را برای هر دو معیار صحت و فراخوانی داشت. نتایج تحقیق نشان داد که غلظت آلاینده‌ها در دوران کووید-19 نسبت به قبل از آن، در بعضی از ایستگاه‌ها افزایشی و در برخی دیگر کاهشی می‌باشد و همچنین اعمال محدودیت‌های ترافیکی در دوره همه‌گیری، تاثیر قابل توجه و محسوسی در کاهش غلظت آلاینده‌های هوا نداشته است. همچنین با بررسی روند مرگ و میر در دوره همه‌گیری مشخص شد که کاهش و یا افزایش آلاینده‌ها ارتباط معناداری با روند مرگ و میر ناشی از کووید-19 ندارد. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  11 - داده کاوی صورت‌های مالی جهت اعطای تسهیلات مالی
  امیر رضا کیقبادی وحید خدامی
  بررسی، سنجش و اندازه گیری اعتبار مشتریان در مؤسسات اعتباری، امروزه یکی از مهمترین تصمیم‌های مالی بشمار می‌آید. نحوه تصمیم‌گیری در خصوص اعطای تسهیلات به مشتریان از این جهت دارای اهمیت می‌باشد که عدم ارزیابی دقیق مشتریان می‌تواند منجر به مطالبات سررسید گذشته و معوق با کاه أکثر

  بررسی، سنجش و اندازه گیری اعتبار مشتریان در مؤسسات اعتباری، امروزه یکی از مهمترین تصمیم‌های مالی بشمار می‌آید. نحوه تصمیم‌گیری در خصوص اعطای تسهیلات به مشتریان از این جهت دارای اهمیت می‌باشد که عدم ارزیابی دقیق مشتریان می‌تواند منجر به مطالبات سررسید گذشته و معوق با کاهش توان تسهیلات دهی بانک‌ها و در نهایت سوخت شدن مطالبات بانک‌ها گردد. این پژوهش با هدف مدل‌سازی اعتبارسنجی مشتریان در بانک به روش‌های شبکه عصبی، درخت تصمیم و ماشین بردار پشتیبان انجام می‌شود. بدین منظور اطلاعات و داده‌های مالی و کیفی یک نمونه تصادفی 300 تایی(218 مشتری خوش حساب و 82 مشتری بدحساب) از شرکت‌های حقوقی را که در سال‌های 89 و 90 از بانک ملی ایران شعب شهر تهران تسهیلات اعتباری دریافت نموده اند، مورد بررسی قرار می‌گیرد. در این تحقیق پس از بررسی پرونده های اعتباری هریک از مشتریان، 31 متغیر توضیح دهنده مورد ارزیابی قرار گرفت و نتایج ضمن دلالت بر تأیید نظریه های اقتصادی و مالی نشان می دهد که تکنیک های داده کاوی جهت اعتبارسنجی مشتریان از کارآیی بالایی برخوردار می‌باشد و همچنین عملکرد پیش بینی الگوی شبکه عصبی به مراتب بهتر از سایر الگوها است. Nowaday's, one of the most important financial decision's in financial institution's is investigation, assessment and measuring customer's validity. Decision making for granting facilitie's to customer's is vital from this perspective that imprecise assessment of customer's could Past due and delayed claim's and attenuated financial granting facilities power of banks and finally resulted the unpaid claim's of the bank's. This study has been conducted with the aim of modeling customer's validity in bank by using neural network, decision tree and support vector machine method's. For this purpose, financial and qualitative data for a random sample with 300 member's(218 good customer's and 82 bad customer's) have been selected from legal firm's that were received credit facilitie's from Iranian meli bank's of Tehran city member's in 1389 and 1390 year's, will be survey. In this study, after investigating each of customer's credit dossier's, 31 descriptive variable's were assessed and result's addition to verifying financial and economic theorie's, show that data mining method's have high efficiency for Validation of customer's. Also, performance of neural network model for prediction is much better than other model's. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  12 - مقایسه قدرت پیش‌بینی الگوریتم کرم شب‌تاب، الگوریتم درخت تصمیم و الگوریتم رگرسیون ماشین‌بردار پشتیبان جهت پیش‌بینی ریسک سیستماتیک
  علیرضا اسلام پور رویا دارابی
  یکی از مهمترین مباحث بازار سرمایه آگاهی از میزان ریسک شرکت‌ها به ویژه ریسک سیستماتیک است که می تواند بازده سهام شرکت‌ها را تحت تأثیر قرار داده و نقش به سزایی در تصمیم‌گیری ایفا کند. در این تحقیق، هدف پیش‌بینی ریسک سیستماتیک شرکت‌های پذیرفته شده در بورس اوراق بهادار تهرا أکثر

  یکی از مهمترین مباحث بازار سرمایه آگاهی از میزان ریسک شرکت‌ها به ویژه ریسک سیستماتیک است که می تواند بازده سهام شرکت‌ها را تحت تأثیر قرار داده و نقش به سزایی در تصمیم‌گیری ایفا کند. در این تحقیق، هدف پیش‌بینی ریسک سیستماتیک شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از نرم افزار شبکه عصبی مصنوعی و سه الگوریتم کرم شب تاب، الگوریتم درخت تصمیم و الگوریتم رگرسیون ماشین بردار پشتیبان می باشد. برای انجام این تحقیق از نمونه ای شامل 92 شرکت از شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران طی دوره زمانی 1392 الی 1397 استفاده شده است. نتایج حاصل شده از آزمون فرضیه‌های تحقیق نشان داد که قدرت پیش‌بینی ریسک سیستماتیک در الگوریتم کرم شب تاب نسبت به دو الگوریتم درخت تصمیم و الگوریتم رگرسیون ماشین بردار پشتیبان بیشتر می‌باشد و همچنین قدرت پیش‌بینی الگوریتم درخت تصمیم نسبت به الگوریتم رگرسیون ماشین بردار پشتیبان به جهت پیش‌بینی ریسک سیستماتیک بالاتر می باشد. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  13 - بررسی تأثیر Bagging بر دقت پیش‌بینی مدل‏های پیش بینی مضیقه مالی شرکت ها به تفکیک صنایع و مقایسه توانمندی آن با مدل‏های درخت تصمیم و بیز
  زهره عارف منش وحید زارع مهرجردی علیرضا محمدی ندوشن
  هدف اصلی این پژوهش طراحی مدلی جهت پیش بینی مضیقه مالی شرکت های صنعت فلزات اساسی، کانی های غیرفلزی و ماشین آلات و تجهیزات با استفاده از مدل Bagging می باشد. همچنین سعی می گردد توانمندی این مدل از لحاظ دقت پیش بینی با مدل های پیشی بینی درخت تصمیم و بیز نیز مقایسه گردد. ج أکثر

  هدف اصلی این پژوهش طراحی مدلی جهت پیش بینی مضیقه مالی شرکت های صنعت فلزات اساسی، کانی های غیرفلزی و ماشین آلات و تجهیزات با استفاده از مدل Bagging می باشد. همچنین سعی می گردد توانمندی این مدل از لحاظ دقت پیش بینی با مدل های پیشی بینی درخت تصمیم و بیز نیز مقایسه گردد. جامعه آماری این پژوهش را کلیه شرکت های هر یک از این صنایع تشکیل می دهد. معیار بکارگرفته شده برای تعیین مضیقه مالی شرکت ها، ماده 141 قانون تجارت ایران می باشد و قلمرو زمانی پژوهش را سال های 1380 تا 1395 تشکیل می دهد. در این پژوهش ابتدا عملکرد هر یک از این دو مدل طراحی شده (Bagging و مدل پایه آن) بر حسب هر صنعت مقایسه گردید. نتایج این مقایسه نشان داد که به طور متوسط برای هر یک از این صنایع، مدل Bagging دارای دقت پیش بینی بالاتری نسبت به مدل پایه آن یعنی درخت تصمیم و بیز است. علاوه بر این با عنایت به نتایج بدست آمده حاصل از اجرای این مدل ها برای هر یک از این صنایع، می توان چنین نتیجه گیری کرد که هریک از مدل های Bagging، درخت تصمیم و بیز روش مناسبی برای پیش بینی مضیقه مالی شرکت های این صنایع می باشند. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  14 - افزایش دادن سود مالکان واحدهای تولید پراکنده همراه با کاهش تلفات سیستم توزیع با استفاده از الگوریتم گرگ خاکستری بهبودیافته
  سید امیر محمد لاحقی بهروز ذاکر
  10.30486/TEEGES.2024.1105063
  این مقاله یک راهکار جامع برای بهینه‌سازی عملکرد واحدهای تولید پراکنده در سیستم‌های توزیع ارائه می‌دهد. با تمرکز بر کاهش تلفات شبکه توزیع، راهکار پیشنهادی از قیمت‌گذاری نقطه به نقطه استفاده می‌کند تا قیمت‌ها را در سراسر سیستم توزیع تعیین کند. هدف بهینه‌سازی بر کمینه کردن أکثر

  این مقاله یک راهکار جامع برای بهینه‌سازی عملکرد واحدهای تولید پراکنده در سیستم‌های توزیع ارائه می‌دهد. با تمرکز بر کاهش تلفات شبکه توزیع، راهکار پیشنهادی از قیمت‌گذاری نقطه به نقطه استفاده می‌کند تا قیمت‌ها را در سراسر سیستم توزیع تعیین کند. هدف بهینه‌سازی بر کمینه کردن تلفات شبکه تمرکز دارد و از قیمت‌های مشارکتی اعلام‌شده توسط مالکان واحدهای تولید پراکنده استفاده می‌کند. هم‌چنین بهینه‌سازی قیمت‌ها با استفاده از الگوریتم بهینه‌سازی گرگ خاکستری بهبودیافته انجام می‌شود که برای بهبود آن از یک مدل درخت تصمیم استفاده شده است که اجازه تشخیص راهکارهای بهینه در هر تکرار را فراهم می‌کند که این اقدام باعث افزایش سرعت و دقت در هر مرحله از آموزش الگوریتم می‌شود. کارایی روش پیشنهادی بر روی دو سیستم توزیع آزمایشی 33شینه و 69شینه IEEE در نرم‌افزار MATLAB ارزیابی می‌شود که نتایج آن حاکی از بهبودی چشمگیر در سرعت و دقت راهکار ارائه‌شده نسبت به روش‌های قبلی است. به طور کلی، این مطالعه می‌تواند به پیشرفت استراتژی‌های کارآمد برای مدیریت واحدهای تولید پراکنده در سیستم‌های توزیع، با تاکید بر سودآوری و حل چالش‌های بهینه‌سازی شبکه، کمک شایانی کند. تفاصيل المقالة