-
دسترسی آزاد مقاله
1 - پیش بینی قیمت سهام با استفاده از روش داده کاوی
مجتبی حاجی غلامیاین مقاله به بررسی روشهای داده کاوی برای پیشبینی بازار های مالی و تحلیل توسعه پایدار موضوعات مالی و پیشبینی روند با استفاده از داده کاوی می‌پردازد. این مقاله همچنین به بررسی تأثیر استفاده از روشهای داده کاوی در بازار سهام و کارایی آن در این زمینه می‌پردازد. در این ت چکیده کاملاین مقاله به بررسی روشهای داده کاوی برای پیشبینی بازار های مالی و تحلیل توسعه پایدار موضوعات مالی و پیشبینی روند با استفاده از داده کاوی می‌پردازد. این مقاله همچنین به بررسی تأثیر استفاده از روشهای داده کاوی در بازار سهام و کارایی آن در این زمینه می‌پردازد. در این تحقیق یک رویکرد یادگیری ماشینی معرفی میشود که اطلاعات را با استفاده از داده های موجودی عمومی میسازد و از آن اطلاعات برای پیشبینی دقیق استفاده میکند. همچنین به بررسی گونه‌های متنوعی از روشهای داده کاوی می‌پردازد که در حوزه تجزیه و تحلیل بازارهای مالی کاربرد دارند و به طور ویژه تمرکز خود را بر پیشبینی روندهای بازار سهام معطوف می‌دارد. مطالعه ما نشان میدهد که از آنجایی که بازارهای مالی پویا و متغیر هستند و همواره تحت تأثیر عوامل اقتصادی، سیاسی و اجتماعی قرار دارند، استفاده از روشهای یادگیری ماشینی و داده کاوی میتواند در پیشبینی دقیق‌تر حرکات قیمتی سهام مؤثر واقع شود. با توجه به دادههای گسترده و پیچیده موجود در بازارهای مالی، روشهای داده کاوی می‌توانند پتانسیل فراوانی در کشف الگوهای پنهان و تعیین ارتباط میان متغیرهای مختلف داشته باشند. در این راستا، الگوریتمهای مختلف یادگیری ماشینی مانند شبکه‌های عصبی مصنوعی، ماشین‌های بردار پشتیبان و جنگل‌های تصادفی به عنوان مثال مورد استفاده قرار گرفته و در کنار آنالیزهای آماری، به بهبود قابلیت‌های تحلیلگران و سرمایه‌گذاران در تصمیم‌گیری‌های اقتصادی کمک می‌کنند. استفاده از دادههای بزرگ و تحلیل‌های پیچیده همچنین به توسعه استراتژی‌های معاملاتی هوشمندانه که می‌توانند به بهینه‌سازی بازگشت سرمایه کمک کنند، کمک نموده است. برای نمونه، تحلیلگران می‌توانند با ادغام دادههای احساسی حاصل از شبکه‌های اجتماعی در مدل‌های پیشبینی خود، دقت تخمین‌های خود را ارتقا بدهند. این مطالعه تأکید دارد که توسعه پایدار در بازارهای مالی نیازمند تحلیلی دقیق‌تری از داده‌ها است که در نهایت منجر به تصمیم‌گیری‌های مبتنی بر داده و فرآیندهای معاملاتی قوی تر میشود. پرونده مقاله -
دسترسی آزاد مقاله
2 - ارائه یک مدل جدید برای سناریو سازی تقاضای دستگاههای خودپرداز (مورد مطالعه : دستگاههای خودپرداز شهر تهران)
علیرضا آقا قلیزاده سیار محمد رضا معتدل علیرضا پور ابراهیمیدر دنیای رقابتی امروز توانایی شناخت و پیش بینی تقاضای مشتریان یک مقوله مهم جهت موفقیت سازمانها به شمار می‌رود.و از انجا که دستگاههای خود پرداز یکی از مهم ترین کانالهای توزیع وجه نقد و یکی از اساسی ترین معیارهای ارزیابی سطح خدمات برای بانکها بشمار میروند در این مقاله ویژ چکیده کاملدر دنیای رقابتی امروز توانایی شناخت و پیش بینی تقاضای مشتریان یک مقوله مهم جهت موفقیت سازمانها به شمار می‌رود.و از انجا که دستگاههای خود پرداز یکی از مهم ترین کانالهای توزیع وجه نقد و یکی از اساسی ترین معیارهای ارزیابی سطح خدمات برای بانکها بشمار میروند در این مقاله ویژگیهای مربوط به دستگاه های خودپرداز با توجه به زمان های مراجعه و مکان قرار گیری دستگاهها بررسی می گردد . این مقاله به دنبال یافتن مدلی پویا و کاربردی جهت سناریو سازی تقاضای دستگاههای خود پرداز می باشد . از این رو مورد کاوی بر روی ۳۷۸ دستگاه خودپرداز در سراسر شهر تهران در بازه زمانی یک ماه که شامل ۶۹۴۱۸ رکورد می باشد انجام گرفت . این مدل در نهایت با خوشه بندی داده های آماری در بعد زمانی و مکانی موفق به یادگیری الگوی موجود در داده های کلان شده و بر همین مبنای درخت تصمیم ارائه شده قادر به پیش بینی تعداد مراجعه کننده به هر دستگاه می باشد که پس از ارایه سناریو های ایجاد شده در جهت ارتقای کیفیت خدمات دهی بانکی و ارتقای عملکرد شبکه خودپردازها ترکیب بهینه مکانی دستگاههای خودپرداز در بعد مکانی و زمانی ارایه میگردد. پرونده مقاله -
دسترسی آزاد مقاله
3 - تجارب داخلی و بین المللی در زمینه سامانه های آینده پژوهی ـ پویش محیطی وب محور
مرتضی تیزچنگ هرزندی مینا ابراهیمیپویش محیطی، در سالهای اخیر به‌صورت چشم‌گیری مورد استفاده در سراسر جهان قرار گرفته است. اگرچه تعریف دقیق و شفافی برای این مفهوم وجود ندارد، ولی در کل می‌توان این‌گونه بیان کرد که این فرآیند، استفاده سیستماتیک از بهترین اطلاعات موجود برای انتخاب بهترین تصمیم ممکن را فراه چکیده کاملپویش محیطی، در سالهای اخیر به‌صورت چشم‌گیری مورد استفاده در سراسر جهان قرار گرفته است. اگرچه تعریف دقیق و شفافی برای این مفهوم وجود ندارد، ولی در کل می‌توان این‌گونه بیان کرد که این فرآیند، استفاده سیستماتیک از بهترین اطلاعات موجود برای انتخاب بهترین تصمیم ممکن را فراهم می کند. جستجویی سیستماتیک برای گرایش‌های نوین، فرصت‌ها و محدودیت‌هایی که در مسیر رسیدن به اهداف تعیین شده مدیریتی اثرگذار هستند. اهداف صریح پویش محیطی برای مسائل نوین و تکوینی، دانش و دادههای ذخیره شده درباره آنها و در نهایت آگاهی از تصمیمات حیاتی است. در این راستا می توان به راهکارهای کلیدی فنی به‌کار گرفته شده در فرآیندهای پویش محیطی نظیر وبگردی، شاخص گذاری، نگاشت دانش، هم استنادی، هم واژگانی، هم رخدادی، الگوریتم رتبه صفحه، الگوریتم اچ.آی.تی.اس، داده کاوی، دسته بندی و خوشه بندی اشاره کرد. در مدت زمان نگارش این پژوهش تلاش شده است تا موسسات و کمپانی های در حال بهره بردن و یا خدمت رساندن در زمینه پویش محیطی وب محور شناسایی و اهداف و راهکارهای آنها مورد بررسی قرار بگیرد و همچنین تکنیک ها و ابزارهایی که استفاده می کنند شناسایی و مطالعه شوند. پرونده مقاله -
دسترسی آزاد مقاله
4 - مدلی برای پیش بینی نیاز به جراحی ارتوپدی با استفاده از تکنیک های داده کاوی
سید سینا فاطمی رضوی سید عبداله امین موسویبا گسترش استفاده از رایانه در جنبه های مختلف زندگی افراد، حجم بسیار زیادی از داده ها تولید می شود که در بسیاری از اوقات این داده ها شامل اطلاعات ارزشمندی هستند. برای استخراج این اطلاعات و بهره بردن از آنها می توان از علم داده کاوی1 بهره برد. با استفاده از داده کاوی می ت چکیده کاملبا گسترش استفاده از رایانه در جنبه های مختلف زندگی افراد، حجم بسیار زیادی از داده ها تولید می شود که در بسیاری از اوقات این داده ها شامل اطلاعات ارزشمندی هستند. برای استخراج این اطلاعات و بهره بردن از آنها می توان از علم داده کاوی1 بهره برد. با استفاده از داده کاوی می توان، الگوهای پنهان موجود در داده ها را کشف نمود و برای پیش بینی موارد جدید مورد استفاده قرار داد. از جمله حوزه هایی که با تولید حجم انبوه داده ها روبرو می باشد، حوزه ی درمان است. در این پژوهش به طور خاص در زمینه ی ارتوپدی تمرکز خواهد شد. این تحقیق به دنبال این است که با استفاده از تکنولوژی و تکنیک های داده کاوی بتواند از داده موجود در دیتابیس بیمارستان به اطلاعات ارزشمندی دست یابد و از طریق آن اطلاعات بتواند احتمال شکستگی و همچنین نیازمند بودن بیمار به جراحی را پیش بینی کند و تصمیم گیری را برای پزشکان ساده تر و سریع تر کند. بدین صورت می توان با سرعت و دقت بالاتری نسبت به روش های موجود به تفکیک بیماران و ارائه ی خدمات به آن ها پرداخت. این پژوهش بر مبنای متدولوژی CRISP بنا نهاده شده است و نتایج حاصل از تحقیق بیانگر این امر است که استفاده ی تلفیقی از الگوریتم های CHAID و شبکه ی عصبی2 تقویت شده با روش تجمعی3 Boosting، می تواند دقت مطلوبی در پیش بینی نیاز به جراحی در بیماران ارتوپدی را ارائه دهد. پرونده مقاله -
دسترسی آزاد مقاله
5 - 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 دوستامروز 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 چکیده کاملامروز 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 پرونده مقاله -
دسترسی آزاد مقاله
6 - طبقه بندی متقاضیان تسهیلات اعتباری بانکها با استفاده از تکنیک ماشین بردار پشتیبان
دکتر عباس طلوعی اشلقی دکتر هاشم نیکومرام فرناز مقدوری شربیانیدر صنعت بانکداری یکی از موضوعاتی که همواره بایستی مدنظر سیاستگذاران اعتباری قرار دا شته باشد، مبحث مدیریتریسک است. در بین ریسک های مختلفی که بان کها با آن مواجهند, ریسک اعتباری از با اهمیت ترین آن ها است که اززیان های ناشی از ناتوانی یا عدم تمایل مشتری به ایفای تعهدات خ چکیده کاملدر صنعت بانکداری یکی از موضوعاتی که همواره بایستی مدنظر سیاستگذاران اعتباری قرار دا شته باشد، مبحث مدیریتریسک است. در بین ریسک های مختلفی که بان کها با آن مواجهند, ریسک اعتباری از با اهمیت ترین آن ها است که اززیان های ناشی از ناتوانی یا عدم تمایل مشتری به ایفای تعهدات خویش در برابر بانک حاصل م یگردد.جهت مدیریت و کنترل ریسک مذکور , سیستم های طبقه بندی اعتباری مشتریان ضرورتی انکار ناپذیر است . چنین سیستمی،براساس سوابق و اطلاعات موجود، طبقه مشتریان را تعیین می کند. بدیهی است بهره گیری از چنین سیستمی بانک را درگزینش مطلوب مشتریان خود یاری نموده و ضمن کنترل و کاهش ریسک اعتباری، سطح بهره وری فرایند اعطای تسهیلاتبانکی را ارتقا میدهد.در مقاله حاضر مدل طبقه بندی مبتنی بر ماشین بردار پشتیبان با رویکرد هوش مصنوعی، به منظور پیش بینی عملکرد مالیمشتریان حقوقی بانک ها ارائه گردیده است . در واقع، در این نوشتار ماشین بردار پشتیبان به همراه دیگر مک انیزمها از جملهتکنیکهایF-score وGrid searchجهت طبقهبندی متقاضیان تسهیلات اعتباری بانکی وافزایش کارایی مدل استفاده شده است . نتایج، حاکی از افزایش صحت طبقه بندی است و نشان می دهد که ماشین بردار پشتیبان در مقایسه با دیگرمدلهای طبقه بندی دارای صحت بیشتری است. پرونده مقاله -
دسترسی آزاد مقاله
7 - بررسی امکان مدل سازی میزان تغییرات کالبدی بافت های شهر با استفاده از داده کاوی
ناجی پژمان ضیایی محمد نقی زاده سید مصطفی مختابادپیشبینی آهنگ تغییرات کالبدی بافت‌های شهری یکی از عوامل تاثیرگذار بر کیفیت طراحی و برنامه‌ریزی شهری به‌شمار می‌رود. هدف از انجام این پژوهش تدوین شیوه‌ای برای مدلسازی آهنگ تغییرات کالبدی بافت‌های شهری است به‌گونه‌ای که علاوه بر سهولت استفاده، امکان پیشبینی تغییرات را از چکیده کاملپیشبینی آهنگ تغییرات کالبدی بافت‌های شهری یکی از عوامل تاثیرگذار بر کیفیت طراحی و برنامه‌ریزی شهری به‌شمار می‌رود. هدف از انجام این پژوهش تدوین شیوه‌ای برای مدلسازی آهنگ تغییرات کالبدی بافت‌های شهری است به‌گونه‌ای که علاوه بر سهولت استفاده، امکان پیشبینی تغییرات را از طریق پایش دوره‌های پیشین فراهم سازد. از این رو با استفاده از تحلیل رگراسیونی خطی، آهنگ تغییرات فرم بافت برای یک دوره زمانی خاص مدل شده و میزان تغییرات آن مشخص گردید. در راستای آزمودن این شیوه، قسمتی از بافت محله فیض آباد شهر کرمانشاه مورد مطالعه قرار گرفته و بواسطه استخراج اطلاعات مربوط به چهار دوره از روی تصاویر هوایی، وضعیت بافت برای سال هدف مدل گردید. مقایسه اطلاعات مدل شده با وضعیت واقعی بافت نشان داد که مدل ایجاد شده کاربرد پذیر بوده و در مناطق مصون از تغییرات مبتنی بر طرح‌های شهری منطقه مورد مطالعه از دقت بیش از 70 درصد برخوردار میباشد. پرونده مقاله -
دسترسی آزاد مقاله
8 - استفاده از داده کاوی و سه الگوریتم درخت تصمیم‌گیری جهت بهینه‌سازی فرآیند تعمیرات و نگهداری
محمد ایزدی خواه دنیا گرشاسبیهدف 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 چکیده کاملهدف 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. پرونده مقاله -
دسترسی آزاد مقاله
9 - ارائه‌ی یک مدل دو مرحله‌ی مبتنی بر داده کاوی جهت ارزیابی عملکرد مشتریان مشترک بانک و بیمه
حمیدرضا امیر حسنخانی عباس طلوعی اشلقی علیرضا پورابراهیمی رضا رادفراکتشاف دانش از پایگاه داده و داده کاوی یکی از مهم ترین ابزار های مدیریت ارتباط با مشتری است که می تواند به سازمان با تاکید بر یافتن اطلاعات مفید یا دانش مورد علاقه آن کمک کند. امروزه بانک ها و بیمه ها از پایگاه های اطلاعاتی متعدد و گسترده ای برخوردار هستند که حاوی اطلاع چکیده کاملاکتشاف دانش از پایگاه داده و داده کاوی یکی از مهم ترین ابزار های مدیریت ارتباط با مشتری است که می تواند به سازمان با تاکید بر یافتن اطلاعات مفید یا دانش مورد علاقه آن کمک کند. امروزه بانک ها و بیمه ها از پایگاه های اطلاعاتی متعدد و گسترده ای برخوردار هستند که حاوی اطلاعات مربوط به مبادلات و جزئیات دیگر مربوط به مشتریانشان هستند. اطلاعات ارزشمند تجاری از درون همین ذخایر داده ای قابل بازیابی است. اما پشتیبانی از این دست تحلیل ها و تصمیم گیری با استفاده از زبان های گزارش گیری سنتی امکان پذیر نخواهد بود. بنابراینبا توجه به اهمیت اطلاعات مشتریان مشترک بانک و بیمه باید آنها را هرچه دقیق تر تحلیل نمود. در این تحقیق با گردآوری و تجزیه و تحلیل اطلاعات مشتریان مشترک بانک و بیمه یک متدولوژی مبتنی بر داده کاوی جهت ارزیابی مشتریان بر اساس شاخص های عملکردی آنها در حوزه بانکی و بیمه ای ارائه می شود. همچنین با تحلیل رفتار مشتریان با استفاده از یه رویکرد دو مرحله ای مبتنی بر یادگیری بدون نظارت و یادگیری با نظارت اقدام به پیش بینی رفتار مشتریان جدیدالورود خواهیم نمود. پرونده مقاله -
دسترسی آزاد مقاله
10 - کاوش خصوصیات مشتریان بانکداری خرد با استفاده از تکنیک های داده کاوی
جمشید ناظمی پژمان جعفری حامد هاشمیبا روند خصوصی سازی در صنعت بانکداری کشور و رشد بی سابقه رقابت در تکنولوژی های بانکداری، هر روزه بر اهمیت نگهداری از مشتریان کنونی و جذب مشتریان جدید افزوده می شود. نگهداری مشتریان یک استراتژی ارزشمند است که سودآوریبلند مدت و موفقیت سازمان ها را تضمین می کند. در این مطال چکیده کاملبا روند خصوصی سازی در صنعت بانکداری کشور و رشد بی سابقه رقابت در تکنولوژی های بانکداری، هر روزه بر اهمیت نگهداری از مشتریان کنونی و جذب مشتریان جدید افزوده می شود. نگهداری مشتریان یک استراتژی ارزشمند است که سودآوریبلند مدت و موفقیت سازمان ها را تضمین می کند. در این مطالعه، با استفاده از تکنیک های داده کاوی مدلی دو مرحله ای برای شناسایی ویژگی های گروه های مختلف مشتریان سپرده کوتاه مدت بانک معرفی گردیده است. در مرحله نخست، از الگوریتمK-mean جهت شناسایی گروه های مشتریان بر مبنای میزان سودآوری آن ها بهره گرفته شده است. چون در K-mean تعداد بهینه خوشه ها بستگی به مسئله مورد نظر دارد، بنابراین از طریق الگوریتم خوشه بندی Twostep تعداد بهینه خوشه ها معین می گردد. پس از تعیین گروه های مختلف مشتریان از لحاظ میزان سودآوری آن ها برای بانک، در مرحله دوم، با استفاده از الگوریتم Apriori قواعد وابستگی هر خوشه استنتاج می گردد. نتایج حاصل از این کاوش، به بانک ها کمک خواهد کرد تا درک بهتری از انتظارات کنونی و آتی مشتریان داشته باشند. و از این طریق تدوین استراتژی های بازاریابی برای جذب و نگهداری از مشتریان بر مبنای سودآوری آن ها تسهیل می گردد. پرونده مقاله -
دسترسی آزاد مقاله
11 - ارائه مدل بهینه ساز هزینه های کنترل موجودی دستگاه های خودپرداز شهر تهران
علیرضا آقا قلیزاده سیار حسین شیرازی مهدی ایزدیار محمدمهدی فتاح دماوندیازآنجا که مدیریت هزینه ها یکی از مهمترین وظایف سازمان ها هستند ، مدیریت هزینه های سیستم کنترل موجودی دستگاههای خود پرداز نیز یکی از اساسی ترین وظایف بانکها بشمار میروند. این مقاله به دنبال ارائه مدلی پویا و بهینه برای کنترل هزینه های موجودی دستگاههای خودپرداز، با توجه ب چکیده کاملازآنجا که مدیریت هزینه ها یکی از مهمترین وظایف سازمان ها هستند ، مدیریت هزینه های سیستم کنترل موجودی دستگاههای خود پرداز نیز یکی از اساسی ترین وظایف بانکها بشمار میروند. این مقاله به دنبال ارائه مدلی پویا و بهینه برای کنترل هزینه های موجودی دستگاههای خودپرداز، با توجه به شرایط زمانی و مکانی هر دستگاه میباشد .بنابر این از داده های کل جامعه آماری، مربوط به بانک متبوع در شهر تهران که شامل 368 دستگاه خودپرداز می گردد استفاده شد . بررسی رفتار دستگاه ها در بازه زمانی سه ماهه در سال 1396 انجام شده است. این مدل با خوشه بندی داده های آماری در ابعاد زمانی و مکانی موفق به یادگیری الگوی موجود در کلان داده ها شده و بر همین مبنا درخت تصمیم ارائه شده قادر به پیش بینی تعداد مراجعه کننده به هر دستگاه می باشد . سپس با استفاده از تابع هزینه ها برای سناریوهای بدست آمده هزینه های سیستم مشخص میگردند.هزینه ی کل سیستم شامل مجموع هزینه های نگهداری پول ، کمبود پول و سفارش دهی پول برای هر دستگاه میباشد . در نهایت با ارائه الگوی بهینه سازی شده کنترل موجودی برای هر سناریو، هزینه های کل سیستم به طور میانگین 5/16 درصد ، یعنی به مقدار 38 میلیون تومان در ماه کاهش پیدا میکند. پرونده مقاله -
دسترسی آزاد مقاله
12 - بررسی تاثیر روش های مختلف خوشه بندی داده ها بر روی دقت مدل های مربوط به برآوردی های حسابداری از طریق مقایسه روش های خوشه بندی سنتی و کلاسیک
سید محسن صالحی وزیری جمال برزگری خانقاهامروزه استفاده از برآورد اطلاعات حسابداری همانند سایر رشته ها بدلیل عدم دسترسی به تمام اطلاعات، لازم و ضروری می باشد. به همین دلیل در این پژوهش سعی شده با استفاده از روش های مختلف خوشه بندی دقت مدل های مربوط به برآورد های حسابداری مورد بررسی قرار گیرد تا مشخص گردد روش ه چکیده کاملامروزه استفاده از برآورد اطلاعات حسابداری همانند سایر رشته ها بدلیل عدم دسترسی به تمام اطلاعات، لازم و ضروری می باشد. به همین دلیل در این پژوهش سعی شده با استفاده از روش های مختلف خوشه بندی دقت مدل های مربوط به برآورد های حسابداری مورد بررسی قرار گیرد تا مشخص گردد روش های مختلف خوشه بندی به چه میزان دقت مدل های مدنظر را افزایش میدهند و روش ارجح تر در میان روش های مختلف خوشه بندی در افزایش دقت مدل ها کدام روش می تواند باشد. نمونه آماری پژوهش بدین منظور شامل 99 شرکت پذیرفته شده در بورس اوراق بهادار تهران بوده و به منظور جمع آوری داده های مورد نیاز، از اطلاعات صورت های مالی و یادداشت های دوره 9 ساله (1387-1395) شرکت های مورد نظر استفاده شده است. نتایج حاصل از تحقیق نشان داد که استفاده از روش های مختلف خوشه بندی دقت مدل های مربوط به برآوردهای حسابداری را در اکثر موارد افزایش می دهد ولی از میان روش های خوشه بندی مورد استفاده در تحقیق، روش خوشه بندی کلاسیک روش مناسب تری نسبت به روش سنتی در افزایش دقت مدل های مربوط به برآورد های حسابداری می باشد. پرونده مقاله -
دسترسی آزاد مقاله
13 - ارزیابی عملکرد روشهای مدل درختی M5 و رگرسیون بردار پشتیبان در مدلسازی رسوب معلق رودخانه
محمدتقی ستاری علی رضازاده جودی فروغ صفدری فراز قهرمانیانهمواره پدیده انتقال رسوب، بسیاری از سازههای رودخانه‌‌ای و سازههای عمرانی را تحت تاثیر قرار داده و عدم اطلاع از میزان دقیق آن خسارات بسیاری را موجب میشود. از این جهت برآورد صحیح بار رسوبی در رودخانه‌ها از نقطه نظر رسوب، فرسایش و کنترل سیلاب بسیار حایز اهمیت است. در ا چکیده کاملهمواره پدیده انتقال رسوب، بسیاری از سازههای رودخانه‌‌ای و سازههای عمرانی را تحت تاثیر قرار داده و عدم اطلاع از میزان دقیق آن خسارات بسیاری را موجب میشود. از این جهت برآورد صحیح بار رسوبی در رودخانه‌ها از نقطه نظر رسوب، فرسایش و کنترل سیلاب بسیار حایز اهمیت است. در این تحقیق، از دو روش نوین داده‌کاوی شامل مدل درختی M5 و رگرسیون بردار پشتیبان برای برآورد بار رسوبی معلق رودخانه اهرچای در مقایسه با روش کلاسیک منحنی سنجه رسوب استفاده گردید. جهت ارزیابی عملکرد روشهای استفاده شده از سه آماره شامل ضریب همبستگی، جذر میانگین مربعات خطا و میانگین خطای مطلق استفاده گردید. با انجام تحلیل حساسیت مدلها به متغیر ورودی مشخص گردید، متغیر دبی جریان در ماه جاری دارای بیشترین تاثیر بر روی میزان بار رسوبی معلق میباشد. در حالت کلی نتایج بدست آمده بیانگر دقت بسیار بالای روشهای داده‌کاوی نسبت به منحنی سنجه رسوب میباشد. اگرچه هر دو روش داده‌کاوی بررسی شده دقت بیشتر و خطای کمتری نسبت به روش متداول منحنی سنجه رسوب داشته‌اند، اما با توجه به روابط خطی ساده و قابل فهم ارائه شده توسط مدل درختی M5، کاربرد این روش کارآمد در موارد مشابه توصیه میگردد. پرونده مقاله -
دسترسی آزاد مقاله
14 - طراحی سیستم هشدار سریع وقوع بحران مالی در بورس اوراق بهادار تهران با رویکرد درخت تصمیم
علیرضا قلیزاده میرفیض فلاح شمس محمد علی افشار کاظمیهدف اصلی مطالعه‌ی حاضر، پیشبینی بحران مالی در بازار اوراق بهادار تهران با طراحی سیستم هشدار سریع با استفاده از داده کاوی و ارائه به سیاستگذاران مالی برای پیشگیری از وقوع یا کاهش اثرات بحران است. بدین منظور از دادههای هفتگی طی دوره ی 11/7/1376-2/1/1398استفاده شد. منظور چکیده کاملهدف اصلی مطالعه‌ی حاضر، پیشبینی بحران مالی در بازار اوراق بهادار تهران با طراحی سیستم هشدار سریع با استفاده از داده کاوی و ارائه به سیاستگذاران مالی برای پیشگیری از وقوع یا کاهش اثرات بحران است. بدین منظور از دادههای هفتگی طی دوره ی 11/7/1376-2/1/1398استفاده شد. منظور از بحران در مطالعه حاضر، سقوط بیش از 15 درصدی قیمت سهام نسبت به سه ماه گذشته است. از اینرو جهت عملیاتی نمودن متغیر وابسته، از متغیر موهومی استفاده شده است. جهت اندازه گیری شوک های ناشی از شاخص قیمت سهام، نرخ ارز، قیمت طلا و نفت از پسماند مدل خود توضیح میانگین متحرک انباشته(ARIMA) استفاده شده است. با توجه به نتایج حاصل از داده های مختلف مشخص گردید، مهم ترین متغیر برای پیش بینی بحران در بورس اوراق بهادار تهران در دادههای هفتگی، وقوع بحران مالی در دوره ی گذشته بوده است. لذا می توان ادعا نمود افت شاخص سهام بیشتر متاثر از ارزش شاخص در دوره ی قبل است تا شوک های خارجی از جمله شوک نرخ ارز، طلا و نفت. هم چنین مشخص گردید دقت تشخیص بحران برای تمامی درخت ها یکسان و برابر با 81.82 درصد است. یعنی از 44 بحران رخ داده طی دوره ی مذکور (شامل 1121 هفته میباشد)، 36 بحران توسط روش های مذکور قابل شناسائی و پیش بینی بوده است. پرونده مقاله -
دسترسی آزاد مقاله
15 - طراحی مدل هوشمند پیش بینی توانگری مالی در شرکتهای بیمه (رویکرد داده کاوی)
فاطمه شاه بازاده ابراهیم عباسی حسین دیده خانی علی خوزینهدف از این پژوهش ارائه یک مدل هوشمند جهت پیشبینی توانگری مالی در شرکتهای بیمه،به عنوان یک سیستم پشتیبان تصمیم میباشد.بدین منظور با بررسی پیشینه تعداد 17متغیر به عنوان متغیر پیش بین جهت پیش بینی طبقه توانگری مالی از منابع معتبر سایت بیمه مرکزی ج.ا.ا ، طی سال 1390 تا 13 چکیده کاملهدف از این پژوهش ارائه یک مدل هوشمند جهت پیشبینی توانگری مالی در شرکتهای بیمه،به عنوان یک سیستم پشتیبان تصمیم میباشد.بدین منظور با بررسی پیشینه تعداد 17متغیر به عنوان متغیر پیش بین جهت پیش بینی طبقه توانگری مالی از منابع معتبر سایت بیمه مرکزی ج.ا.ا ، طی سال 1390 تا 1395 استخراج شده است. در این پژوهش ابتدا نتایج حاصل از به‌کارگیری مدل های مختلف پیشبینی مبتنی بر داده‌کاوی مورد مقایسه قرار گرفته و در مرحله بعد رتبه‌بندی الگوریتمهای پیشبینی شونده مورد بررسی قرار گرفت. نتایج حاصل از این پژوهش نشان داد که توانگری مالی با دقت قابل قبول پیشبینی پذیرند و مدل استخراج شده بااستفاده از درخت تصمیم دقت و قابلیت بسیار بالایی در تخمین را داراست. پرونده مقاله -
دسترسی آزاد مقاله
16 - استفاده از تکنیک‌های داده‌کاوی برای سنجش ریسک مالیاتی مؤدیان مالیات بر ارزش افزوده
محمد مسیحی احمد یعقوب نژاد امیررضا کیقبادی تقی ترابیدر این مقاله با استفاده از تکنیک‌های داده‌کاوی ریسک مالیاتی مؤدیان در نظام مالیات بر ارزش افزوده مورد مطالعه قرار می‌گیرد. اهمیت ارزیابی ریسک مالیاتی مؤدیان مالیات بر ارزش افزوده به منظور تدوین طرح مؤثر انتخاب مؤدیان برای حسابرسی مالیاتی با هدف افزایش کارایی و اثر بخشی چکیده کاملدر این مقاله با استفاده از تکنیک‌های داده‌کاوی ریسک مالیاتی مؤدیان در نظام مالیات بر ارزش افزوده مورد مطالعه قرار می‌گیرد. اهمیت ارزیابی ریسک مالیاتی مؤدیان مالیات بر ارزش افزوده به منظور تدوین طرح مؤثر انتخاب مؤدیان برای حسابرسی مالیاتی با هدف افزایش کارایی و اثر بخشی در نظام مالیات بر ارزش افزوده کشور میباشد. مؤدیان مالیاتی در این تحقیق به سه گروه مؤدیان فاقد ریسک، با ریسک پایین و پر ریسک طبقه بندی شدهاند به منظور ارزیابی ریسک مالیاتی از دو تکنیک داده‌کاوی ماشین بردار پشتیبان و رگرسیون لجستیک استفاده شده است. جامعه آماری پژوهش شامل اشخاص حقوقی بزرگ در شهر تهران میباشد که در سال های 1390 تا 1393 مورد حسابرسی مالیاتی در نظام مالیات بر ارزش افزوده قرار گرفته‌اند در این تحقیق متغیرها شامل ساز و کارهای حاکمیت شرکتی، ویژگیهای خاص شرکتی، ماهیت فعالیت مؤدیان سیستم کنترلی مؤدیان و نسبت‌های مالی میباشد که به منظور آموزش و آزمون مدل استفاده شدهاند نتایج تحقیق نشان میدهد دو تکنیک LSVM و Logistic از توان صحت ارزیابی70% برخوردار هستند و نوعی ادغام در نتایج این دو تکنیک توانسته است با کسب نزدیک به 83% صحت ارزیابی از توان بالاتری برخوردار باشد. پرونده مقاله -
دسترسی آزاد مقاله
17 - A Hybrid DEA Based CHAID and Imperialist Competitive Algorithm for Stock Selection
F. Faezy RaziIn this paper, the investment portfolio is formed based on the data mining algorithm of CHAID on the basis of the risk status criteria. In the next step, the second investment portfolio is created based on the decision rules extracted by the DEA-BCC model. The final por چکیده کاملIn this paper, the investment portfolio is formed based on the data mining algorithm of CHAID on the basis of the risk status criteria. In the next step, the second investment portfolio is created based on the decision rules extracted by the DEA-BCC model. The final portfolio is created through a two-objective mathematical programming model based on the Imperialist Competitive algorithm. پرونده مقاله -
دسترسی آزاد مقاله
18 - بهبود سیستم های تشخیص نفوذ باکاهش ویژگی مبتنی بر الگوریتم ژنتیک و تکنیک‌های داده‌کاوی
مهدی کشاورزی حسین مومن زاده حقیقیامروزه سیستم های کامپیوتری مبتنی بر شبکه، نقش حیاتی در جامعه مدرن امروزی دارند و به همین علت ممکن است هدف دشمنی و یا نفوذ قرار گیرند. به منظور ایجاد امنیت کامل در یک سیستم کامپیوتری متصل به شبکه، استفاده از دیوار آتش و سایر مکانیزم های جلوگیری از نفوذ همیشه کافی نیست و چکیده کاملامروزه سیستم های کامپیوتری مبتنی بر شبکه، نقش حیاتی در جامعه مدرن امروزی دارند و به همین علت ممکن است هدف دشمنی و یا نفوذ قرار گیرند. به منظور ایجاد امنیت کامل در یک سیستم کامپیوتری متصل به شبکه، استفاده از دیوار آتش و سایر مکانیزم های جلوگیری از نفوذ همیشه کافی نیست و این نیاز احساس می شود تا از سیستم های دیگری به نام سیستم های تشخیص نفوذ استفاده شود. سیستم تشخیص نفوذرا می توان مجموعه ای از ابزارها، روش ها و مدارکی در نظر گرفت که به شناسایی، تعیین و گزارش فعالیت های غیرمجاز یا تائید نشده تحت شبکه، کمک میکند. سیستم های تشخیص نفوذ به صورت سیستم های نرم افزاری و سخت افزاری ایجاد شده و هر کدام مزایا و معایب خاص خود را دارند. به دلیل وجود مشخصه های زیاد در داده های مربوط به سیستم های تشخیص نفوذ در این تحقیق ما مشخصه های مطلوب و موثر را با استفاده از الگوریتم ژنتیک بهبود یافته انتخاب می کنیم. سپس با استفاده از تکنیک های داده کاوی استاندارد، مدلی برای طبقه بندی داده ها ارائه می دهیم. برای ارزیابی عملکرد روش پیشنهادی از پایگاه داده NSL-KDD که نسبتبه سایر داده های تشخیص نفوذ از رکوردهای واقعی تری برخورد دار است، استفاده خواهیم کرد. پرونده مقاله -
دسترسی آزاد مقاله
19 - مقایسه روش های طبقه بندی در تخمین تلاش توسعه نرم افزار
صادق انصاری پور تقی جاودانی گندمانینادرست بودن تخمین هزینه نرم افزار یکی از دلایل مهم ناامیدی متخصصان نرم افزار و محققان تخمین هزینه بوده است و علیرغم تلاش های فراوانی که برای بهبود آن انجام شده است اما هنوز هم دقت تخمین پایین است. عدم تجزیه و تحلیل مناسب در ابتدای شروع به کار پروژه و همچنین عدم به روز آ چکیده کاملنادرست بودن تخمین هزینه نرم افزار یکی از دلایل مهم ناامیدی متخصصان نرم افزار و محققان تخمین هزینه بوده است و علیرغم تلاش های فراوانی که برای بهبود آن انجام شده است اما هنوز هم دقت تخمین پایین است. عدم تجزیه و تحلیل مناسب در ابتدای شروع به کار پروژه و همچنین عدم به روز آن در حین انجام پروژه یکی از مهم ترین دلایل شکست پروژه ها محسوب می شود. اگر چه زمانی که یک پروژه‌ها بسته میشوند، بازخورد های آن ایجاد میشود، اما اگر تخمین‌ها و واقعیات ثبت‌شده با پروژه انجام‌شده به طور کامل مطابقت نداشته باشند، آنگاه نمی توان انتظار تخمین دقیقی را داشت. بنابراین جمع آورده داده های پروژه بر اساس ویژگی های مشخص امری ضروری است و در اینجاست که می توان به نقش پررنگ پروژه های انجام شده در گذشته و مجموعه داده هایی که می توان با استفاده از آنها ایجاد نمود پی برد. در این مطالعه سعی بر این است که به بررسی نقش روش های مختلف طبقه بندی در تخمین تلاش نرم افزار بپردازیم. پرونده مقاله -
دسترسی آزاد مقاله
20 - کاربرد داده کاوی آموزشی جهت شناسایی عوامل مؤثر بر افت تحصیلی دانش آموزان
محمود نجفی مهدی افضلی محمود مرادیاستخراج دانش یکی از مهمترین مسائل داده‌کاوی میباشد. قوانینی که به‌صورت اگر - آنگاه مطرح میگردند، این توانایی را دارند که به صورت اعداد حقیقی در هر جزء به صورت تمام مقادیری که در مجموعه داده میتواند وجود داشته باشد، قرار بگیرند. روش پیشنهادی در این مقاله استفاده از ا چکیده کاملاستخراج دانش یکی از مهمترین مسائل داده‌کاوی میباشد. قوانینی که به‌صورت اگر - آنگاه مطرح میگردند، این توانایی را دارند که به صورت اعداد حقیقی در هر جزء به صورت تمام مقادیری که در مجموعه داده میتواند وجود داشته باشد، قرار بگیرند. روش پیشنهادی در این مقاله استفاده از الگوریتمهای درخت تصمیم و خوشه‌بندی و قوانین انجمنی برای استخراج قوانین میباشد. در روش پیشنهادی استخراج قوانین را به صورت یک مسئله بهینه‌سازی در آورده و هدف به دست آوردن قانونی با اطمینان بالا، عمومیت و قابلیت درک بالا میباشد. الگوریتم پیشنهادی برای استخراج قوانین ازمجموعه داده افت تحصیلی از اطلاعات فردی256 دانش‌آموزان هنرستان‌ها در زنجان جمع‌آوری شده و تست گردید. از نتایج به دست آمده از این تحقیق می توان برای پیشگیری از افت تحصیلی دانش‌آموزان و بهبود کیفیت ارتباط مسوولین و والدین با دانش‌آموزان و آموزش هر چه بهتر آنان استفاده کرد. پرونده مقاله -
دسترسی آزاد مقاله
21 - طراحی مدل ترکیبی برای طبقهبندی دادههای نامتوازن در رشته بیمه شخص ثالث
مهناز منطقی پور پریسا رحیم خانیبخش عمده پورتفوی صنعت بیمه کشور ایران را رشته بیمه اجباری مسئولیت مدنی دارندگان وسایل نقلیه موتوری زمینی در مقابل اشخاص ثالث، تشکیل داده است. توانایی پیش بینی وقوع و یا عدم وقوع خسارت به ویژه خسارت‌های جانی نه تنها برای شرکتهای بیمه بلکه برای تصمیم گیرندگان در حوزه‌های چکیده کاملبخش عمده پورتفوی صنعت بیمه کشور ایران را رشته بیمه اجباری مسئولیت مدنی دارندگان وسایل نقلیه موتوری زمینی در مقابل اشخاص ثالث، تشکیل داده است. توانایی پیش بینی وقوع و یا عدم وقوع خسارت به ویژه خسارت‌های جانی نه تنها برای شرکتهای بیمه بلکه برای تصمیم گیرندگان در حوزه‌های افزایش امنیت جاده‌ها اهمیت بسیاری دارد. به منظور پیش بینی برچسب وقوع یا عدم وقوع خسارت از روشهای طبقه بندی استفاده میشود که در واقع یک مساله طبقه بندی نامتوازن است. این نامتوازن بودن شدید، ناشی از ماهیت کسب و کار بیمه است. نامتوازن بودن دادههای صنعت بیمه باعث ایجاد چالش‌های بسیاری در تجزیه و تحلیل دادههای مربوطه میشود. در این پژوهش، ما به طبقهبندی دادههای نامتوازن بیمه شخص ثالث در یک شرکت بیمه معتبر می‌پردازیم. در این راستا دو روش ترکیبی برای رفع مشکل نامتوازن بودن داده‌ها براساس 5 مدل پایه گاوسین بیز، بردارهای پشتیبان، لجستیک رگرسیون، درخت تصمیم، نزدیکترین همسایگی به منظور طبقهبندی موثرتر دادههای مربوطه ارائه میشود. نتایج بدست آمده نشان میدهد که مدل‌های ترکیبی ارائه شده بهتر از سایر الگوریتمهای داده‌کاوی برای دادههای مربوطه جواب میدهند و استفاده از درخت تصمیم در تجمیع مدل‌های پایه برای ساخت مدل ترکیبی نتایج بهتری نسبت به رای گیری ساده مدلها ارائه میکند. همچنین ابر پارامتر تعداد مدل‌های لازم در رای گیری بر اساس استراتژی شرکت قابل تنظیم است. تعداد ویژگیهای ثبت شده از بیمه نامه‌ها در شرکتهای بیمه محدود است با تکمیل این ویژگی‌ها به ویژه اضافه شدن سوابق رانندگی و سایر ویژگیهای فردی می‌توان به مدل بهتری دست یافت. پرونده مقاله -
دسترسی آزاد مقاله
22 - روشی نوین جهت خوشه بندی داده مبتنی بر ترکیب الگوریتمهای بهینه‌سازی ژنتیک و کرم شب‌تاب
مهسا افسردیر منصوره افسردیریکی ازمسائل مهم درداده‌کاوی خوشه‌بندی است که بدون هدف ازپیش تعیین شده‌ای داده‌ها را بر اساس شباهت درون خوشه‌ها تقسیم‌بندی میکند. از روشهای متداول خوشه‌بندی الگوریتم k-means است که بادریافت ورودی، داده‌هارابه k خوشه تقسیم‌بندی میکند. یکی ازمعایب این روش حساسیت به شرای چکیده کاملیکی ازمسائل مهم درداده‌کاوی خوشه‌بندی است که بدون هدف ازپیش تعیین شده‌ای داده‌ها را بر اساس شباهت درون خوشه‌ها تقسیم‌بندی میکند. از روشهای متداول خوشه‌بندی الگوریتم k-means است که بادریافت ورودی، داده‌هارابه k خوشه تقسیم‌بندی میکند. یکی ازمعایب این روش حساسیت به شرایط اولیه است که منجربه کاهش دقت درخوشه‌بندی میشود. از روشهای بهبود عملکرد k-means می‌توان استفاده ازالگوریتم‌های فراابتکاری را نام برد. در این پژوهش به دو روش بهینه‌سازی ژنتیک و کرم شب‌تاب پرداخته شده است و الگوریتم جدیدی تحت عنوان الگوریتم ژنتیکی کرم‌شب‌تاب جهت بهینه‌سازی خوشه‌بندی k-means ارائه شده است. الگوریتم کرم‌شب‌تاب از الگوریتمهای هوش جمعی است که از ویژگی نورچشمک زن کرم‌شب‌تاب الهام گرفته است و الگوریتم ژنتیک نوعی از الگوریتمهای فراابتکاری است که از تکنیک-های زیست‌شناسی مانند وراثت و جهش استفاده میکند. در الگوریتم k-means برای اینکه مراکز خوشه به صورت تصادفی انتخاب می شوند، خوشه‌بندی دقت لازم را ندارد. با استفاده از الگوریتمهای فراابتکاری سعی در بدست آوردن مراکز دقیق خوشه‌ها داشته و در نتیجه آن، خوشه-بندی صحیح می‌باشیم. در روش پیشنهادی، ابتدا الگوریتم k-means را روی دادههای ورودی اجراکرده و خوشه‌بندی انجام میشود. سپس مضربی از مراکز خوشه که دراین الگوریتم بدست آمده است را به عنوان حد پایین و حد بالای الگوریتم پیشنهادی استفاده می‌کنیم. جمعیت اولیه به صورت تصادفی بین حد پایین و حد بالا تولید میشود. در حلقه اصلی الگوریتم جمعیت را به دو دسته جمعیت مساوی تقسیم می نماییم، بر روی دسته اول الگوریتم ژنتیک را اجرا می‌کنیم، بر روی دسته دوم بر اساس الگوریتم کرم‌شب‌تاب موقعیت‌های جدید را بدست می‌آوریم. حال جمعیت قبلی و جمعیت جدید بدست امده از الگوریتم ژنتیک و جمعیت جدید بدست امده از الگوریتم کرم‌شب‌تاب را تلفیق کرده وآن‌ها را از خوب به بد مرتب می‌کنیم و به تعداد مورد نیاز از آنها را انتخاب و به ابتدای حلقه می‌رویم. این فرایند را تا برقراری شرط توقف ادامه می‌دهیم. درپایان الگوریتم k-means، الگوریتم کرم شب‌تاب، الگوریتم ژنتیک و الگوریتم پیشنهادی بر روی سه مجموعه داده اعمال شده و نتایج مورد مقایسه قرار گرفته است.نتایج شبیه‌سازی نشان میدهد که الگوریتم ژنتیکی کرم‌شب‌تاب عملکرد بهتری در مقایسه با سایر روش‌ها داشته است. پرونده مقاله -
دسترسی آزاد مقاله
23 - ارائه رهیافت جدید برای استخراج لینک های مفهومی پرتکرار از شبکه های اجتماعی
محبوبه فریمانی سامان پور سیاه حمید طباطبایی حسین سلامیچکیده: لینک های مفهومی یکی از رهیافت های جدید برای توصیف شبکه های اجتماعی است که دانش نهفته در شبکه های اجتماعی را از طریق یک ساختار خلاصه شده با عنوان دیدگاه مفهومی ارائه می نماید. مهمترین چالش در بدست آوردن دیدگاه مفهومی از یک شبکه اجتماعی استخراج لینک های مفهومی پرتک چکیده کاملچکیده: لینک های مفهومی یکی از رهیافت های جدید برای توصیف شبکه های اجتماعی است که دانش نهفته در شبکه های اجتماعی را از طریق یک ساختار خلاصه شده با عنوان دیدگاه مفهومی ارائه می نماید. مهمترین چالش در بدست آوردن دیدگاه مفهومی از یک شبکه اجتماعی استخراج لینک های مفهومی پرتکرار است که این امر برای شبکه های با مقیاس بزرگ بسیار زمانبر است. در این نوشتار، روش جدیدی برای استخراج لینک های مفهومی پرتکرار از شبکه های اجتماعی ارائه شده است که با بکارگیری مفهوم وابستگی ها، سعی در تسریع فرآیند استخراج لینک های مفهومی دارد. روش پیشنهادی قادر خواهد بود در صورت وجود وابستگی ها در بین داده ها، این فرآیند را تسریع بخشد. پرونده مقاله -
دسترسی آزاد مقاله
24 - تبیین دسته بندهای ماشین بردار پشتیبان و شبکه عصبی جهت درجه بندی شعب بانک
davod khosroanjom mohamamd elyasi behzad keshanchi Bahare Boobanian shovana abdollahiدر صنعت بانکداری اطلاعات زیادی وجود دارد که شناسایی آن از اهمیت ویژهای برخوردار است. استفاده از تکنیک های داده کاوی نه تنها کیفیت را بهبود می بخشد بلکه منجر به مزایای رقابتی و ارتقای جایگاه بازار نیز می گردد. با استفاده از داده کاوی و به منظور تجزیه و تحلیل الگوها و رو چکیده کاملدر صنعت بانکداری اطلاعات زیادی وجود دارد که شناسایی آن از اهمیت ویژهای برخوردار است. استفاده از تکنیک های داده کاوی نه تنها کیفیت را بهبود می بخشد بلکه منجر به مزایای رقابتی و ارتقای جایگاه بازار نیز می گردد. با استفاده از داده کاوی و به منظور تجزیه و تحلیل الگوها و روندها، بانکها می توانند صحت این را پیش بینی کنند درجه بندی شعب بانک چگونه است. در این مقاله درجه بندی شعب یکی از بانکهای بزرگ تجاری (تعداد شعب انتخاب شده 1825 شعبه و تعداد ویژگی های مورد استفاده 57 ویژگی) با استفاده از دسته بندهای ماشین بردار پشتیبان و شبکه عصبی چند لایه پرسپترون برروی داده های واقعی انجام گرفت. نتایج ارزیابی مربوط به ماشین بردار پشتیبان نشان داد که این دسته بند دارای کارایی پایین تری برای روش پیشنهادی است. اما استفاده از شبکه های عصبی و ترکیب آن با PCA نشان داد که دارای معیارهای کارایی بالایی است. مقادیر مربوط به کارایی و صحت با استفاده از شبکه عصبی با دقت بسیار بالایی بدست آمد. پرونده مقاله -
دسترسی آزاد مقاله
25 - شناسایی عوامل تاثیرگذار در رویگردانی مشتریان شرکت مخابرات کردستان و ارائه مدل هایی برای پیش بینی رویگردانی با استفاده از الگوریتم های یادگیری ماشین
vida sadeghi Anvar Bahrampour Seyed Ali Hosseiniمشتریان منبع اصلی درآمد و دارایی مهم برای هر سازمان هستند. با این دیدگاه، امروزه شرکت‌ها تلاش بیشتری را برای حفظ مشتریان موجود آغاز کرده‌اند. از آنجا که در بسیاری از شرکت‌ها هزینه به‌دست آوردن مشتری جدید بسیار بالاتر از هزینه ایجاد رضایتمندی مشتری فعلی است، رویگردانی مش چکیده کاملمشتریان منبع اصلی درآمد و دارایی مهم برای هر سازمان هستند. با این دیدگاه، امروزه شرکت‌ها تلاش بیشتری را برای حفظ مشتریان موجود آغاز کرده‌اند. از آنجا که در بسیاری از شرکت‌ها هزینه به‌دست آوردن مشتری جدید بسیار بالاتر از هزینه ایجاد رضایتمندی مشتری فعلی است، رویگردانی مشتری به حوزه اصلی نگرانی این شرکت‌ها تبدیل شده است. لذا شرکتهای مبتنی بر مشتری از جمله شرکتهای فعال در صنعت مخابرات به دلیل رویگردانی مشتریان با چالش بزرگی روبرو هستند. با توسعه سریع صنعت مخابرات، پیشبینی رویگردانی به عنوان یکی از فعالیتهای اصلی در به دست آوردن مزیت رقابتی در بازار محسوب میشود. پیشبینی رویگردانی مشتری به اپراتورها اجازه میدهد تا قبل از مهاجرت مشتریان فعلی به اپراتورهای دیگر، یک دوره زمانی برای اصلاح و اجرای یک سری اقدامات پیشگیرانه داشته باشند. در این پژوهش یک سیستم پشتیبانی تصمیم برای پیشبینی و تخمین رویگردانی مشتریان شرکت مخابرات استان کردستان (دارای 529000 مشترک) با روشهای مختلف داده‌کاوی و یادگیری ماشین (شامل رگرسیون خطی چندگانه (MLR)، رگرسیون چند جمله-ای(PR)، رگرسیون لجستیک، شبکه‌های عصبی مصنوعی، آدابوست و جنگل تصادفی) ارایه شده است. نتایج ارزیابی‌های انجام شده بر روی مجموعه دادههای شرکت مخابرات استان کردستان عملکرد بالای روشهای شبکه‌های عصبی مصنوعی با دقت 99.9% ، آدابووست با دقت 100% و جنگل تصادفی با دقت 100% را نشان میدهد. پرونده مقاله -
دسترسی آزاد مقاله
26 - ارایه یک رویکرد جدید به منظور افزایش اثربخشی و انتخاب بحرانی ترین تجهیز به کمک رویکرد تلفیقی Data Mining, Fuzzy DEMATEL, FMEA و FTA (مطالعه موردی: پتروشیمی شازند)
Mohammad Ehsanifar Nima Hamta Parisa Bolhasaniطی دهه های اخیر به دلایل زیادی، شاهد توجه رو به رشدی به مقوله قابلیت اطمینان و مدیریت نگهداری و تعمیرات بوده‌ایم. مقاله حاضر با هدف معرفی و تلفیق رویکردهای داده کاوی، دیمتل فازی، تجزیه و تحلیل حالات خطا و درخت خطا به منظور بهبود قابلیت اطمینان و افزایش اثربخشی برنامه ری چکیده کاملطی دهه های اخیر به دلایل زیادی، شاهد توجه رو به رشدی به مقوله قابلیت اطمینان و مدیریت نگهداری و تعمیرات بوده‌ایم. مقاله حاضر با هدف معرفی و تلفیق رویکردهای داده کاوی، دیمتل فازی، تجزیه و تحلیل حالات خطا و درخت خطا به منظور بهبود قابلیت اطمینان و افزایش اثربخشی برنامه ریزی تعمیرات در مجتمع پتروشیمی شازند انجام شده است..نخست با استفاده از تکنیک داده کاوی بحرانی ترین خوشه از میان خوشه های تشکیل شده توسط نرم افزار مربوطه مشخص می شود، سپس با بهره گیری از رویکرد دیمتل فازی مجموعه ای از بحرانی ترین و تاثیر گزار ترین تجهیزات در خوشه بحرانی، تحت شرایط فازی شناسایی میشوند، در نهایت توسط تکنیک های FMEA وFTA عدد ریسک و علل اصلی خرابی شناسایی خواهد شد و راهکار های مریوطه برای حل مشکلات و بهبود سیستم پیشنهاد خواهد شد. پرونده مقاله -
دسترسی آزاد مقاله
27 - درک الگوی تحرک و فعالیت های کاربر از داده های شبکه های اجتماعی با برچسب جغرافیایی
حسن رحیمی نرگس گلستانی رضا گلستانیشبکه های اجتماعی به شدت در زندگی روزانه جامعه مدرن حضور دارند. اکثر مردم از این شبکه های اجتماعی برای به اشتراک گذاشتن اطلاعات درباره ی زندگی شان، عقایدشان و مکان هایی که دیده اند و حالت یادآوری دارد استفاده می کنند. بطور کلی، پست ها از اطلاعات مختلفی تشکیل شده اند که م چکیده کاملشبکه های اجتماعی به شدت در زندگی روزانه جامعه مدرن حضور دارند. اکثر مردم از این شبکه های اجتماعی برای به اشتراک گذاشتن اطلاعات درباره ی زندگی شان، عقایدشان و مکان هایی که دیده اند و حالت یادآوری دارد استفاده می کنند. بطور کلی، پست ها از اطلاعات مختلفی تشکیل شده اند که محل قرارگیری کاربرها در بخشی از داده است. هدف از این کار، بدست آوردن موقعیت پست ها و مشاهده الگوی تحرک کاربران در شهر پورتو پرتغال است. این فناوری های موجود برای بدست آوردن داده ها، شبکه های اجتماعی مورد نظر که ارزش مطالعه دارند و محدودیت هایی که در حال حاضر اعمال می شوند ، می پردازد. همچنین به بررسی رویکردهای جدید برای جمع آوری داده ها از شبکه های اجتماعی مطلوب با رعایت تمام محدودیت های اعمال شده در حال حاضر، می پردازد. راه حل های نرم افزاری مختلف توسعه یافته برای تعاملات شبکه های اجتماعی بطور عمیق بررسی و توصیف می شوند. متعاقباً نرم افزار لازم برای شبکه های اجتماعی بررسی شده است، الگوریتم های ممکن برای داده کاوی مورد بحث قرار گرفته اند و پیاده سازی آن ارائه شده است. در پایان، نتایج بدست آمده با توجه به ویژگی های شهر، تبلیغات گردشگری و مسیرهای حمل و نقل، ثابت کرد که هنوز هم امکان استفاده از شبکه‌های اجتماعی مبتنی بر مکان برای جمع‌آوری داده‌ها وجود دارد در حالی که محدودیت‌های زیادی به دلیل GDPR وجود دارد. سپس، دادههای جمع‌آوری‌شده اطلاعات و جزئیات کافی را برای نتیجه‌گیری معنا‌دار در مورد الگوهای تحرک کاربران فراهم کردند که در این پژوهش تفسیر و مطالعه شده اند. پرونده مقاله -
دسترسی آزاد مقاله
28 - ارائه یک الگوی پیش بینی فرار مالیاتی مشاغل مبتنی بر تکنیک های داده کاوی
محمد قاسمی صادق عابدی علی محتشمیدر این پژوهش با توجه به اهمیت موضوع و خلای پژوهش های پیشین، یک مدل پیش بینی فرار مالیاتی اصناف مبتنی بر تکنیک های داده کاوی ارائه می گردد. داده های مورد تحلیل شامل بررسی 5600 پرونده مالیاتی کلیه اصناف دارای کد مالیاتی در استان قزوین طی سال های ۹۳ تا ۹۸ می باشد. پرونده م چکیده کاملدر این پژوهش با توجه به اهمیت موضوع و خلای پژوهش های پیشین، یک مدل پیش بینی فرار مالیاتی اصناف مبتنی بر تکنیک های داده کاوی ارائه می گردد. داده های مورد تحلیل شامل بررسی 5600 پرونده مالیاتی کلیه اصناف دارای کد مالیاتی در استان قزوین طی سال های ۹۳ تا ۹۸ می باشد. پرونده مالیاتی مرتبط با اصناف در پنج گروه مالیاتی شامل گروه صنفی صاحبان دفاتر رسمی، گروه صنفی مشاورین املاک، گروه صنفی تالارهای پذیرایی، رستوران و مشاغل وابسته، گروه صنفی خدمات ارتباطی و گروه صنفی نمایشگاه و فروشگاه لوازم خودرویی و مشاغل وابسته می باشند. جهت مدل سازی از الگوی کلاس بندی شامل الگوریتم درخت تصمیم استفاده گردید. نتایج نشان می دهد، معیار پوشش برابر 68 %، معیار کاپا برابر 0.612 بدست آمده است که عملکرد خوب مدل ساز را نشان می دهد. همچنین با استفاده از تکنیک Cross Validation صحت اعتبار مدل پیش بینی مورد آزمون قرار گرفت تا با اطمینان بیشتری درصد عملکرد مدل سازی تخمین زده شود. معیار صحت برابر 67.79% نشان از قابلیت اطمینان مناسب جهت مدل پیش بینی می باشد. نتایج حاصل از این پژوهش می تواند در تدوین راهبردهای عملیاتی مبتنی بر داده کاوی جهت پیش بینی فرار مالیاتی اصناف در استان ها مورد بهره برداری قرار گیرد. پرونده مقاله -
دسترسی آزاد مقاله
29 - بررسی میزان بهره‌وری مدل فرآیند خدمات مددکاری و توانمندسازی با استفاده از تکنیک‌های داده‌کاوی
مهرداد محمدزاده علمداری منصور اسماعیل پور علیرضا اسلامبولچی فرهاد سلیمانیان قره چیقفرآیند خدمات مددکاری و توانمندسازی در نهادهای حمایتی از جمله کمیته امداد امام خمینی(ره) جامع و گسترده است و با تحقیق، پذیرش و ارائه خدمات مددکاری برای نیازمندان شروع و بعد از حمایت هدفمند و زماندار، با آموزش و توانمندسازی مددجویان و خروج آنان از چتر حمایتی به پایان می ر چکیده کاملفرآیند خدمات مددکاری و توانمندسازی در نهادهای حمایتی از جمله کمیته امداد امام خمینی(ره) جامع و گسترده است و با تحقیق، پذیرش و ارائه خدمات مددکاری برای نیازمندان شروع و بعد از حمایت هدفمند و زماندار، با آموزش و توانمندسازی مددجویان و خروج آنان از چتر حمایتی به پایان می رسد. از این رو بهره گیری از تکنیک های نوین جهت بررسی میزان بهره وری مدل پیاده سازی شده رورت دارد تا اهداف سازمانی از جمله اصلاح فرآیندهای جاری برای رعایت عدالت اجتماعی در حمایت از نیازمندان واقعی و خروج از چرخه حمایت مددجویان توانمند، تأمین شود. در این مطالعه پژوهشگران به دنبال پاسخ به این سؤال هستند که آیا مدل فرایند خدمات مددکاری و توانمندسازی بهره وری لازم جهت نیل به اهداف سازمانی را دارا بوده یا نیاز به بازطراحی دارد؟ در این راستا داده های مربوط به میزان تحقق اهداف کاربردی بعد از پیاده سازی مدل فرآیند خدمات مددکاری و توانمندسازی از جنبه شناسایی، راهنمایی، پذیرش، نیازسنجی، اولویت بندی، میزان خدمات عمومی و تخصصی قابل ارائه به نیازمندان واجد شرایط با رویکرد توانمندسازی، با استفاده از پرسشنامه جمع آوری و با استفاده از متدولوژی کریسپ-داده کاوی[1]مراحل مختلف مبتنی بر داده کاوی انجام گردید. در نهایت جمع بندی نتایج حاصل از داده کاوی با استفاده از رافست[2] 0.86، درخت تصمیم گیری[3] 0.80، تئوری بیز[4] 0.70، شبکه های عصبی مصنوعی[5]0.85 میزان دقت مدل را پیش بینی نمود. لذا مدل موجود بهره وری لازم جهت تحقق اهداف سازمانی را در حدمطلوب دارا بوده و با بازطراحی مجدد مدل موجود توسط پژوهشگران آتی با بهره گیری از نتایج پژوهش حاضر، امکان ارائه مدل بهینه جهت الگوبرداری سایر سازمان های مردم نهاد غیردولتی[6]در داخل و خارج از کشور فراهم خواهد شد. پرونده مقاله -
دسترسی آزاد مقاله
30 - ارائه الگوریتم خوشه‌بندی جدید به‌منظور بهره‌وری در عملیات داده‌کاوی (مطالعه دادههای استاندارد یوسی‌آی)
ژیلا نصیری روشتی فرزین مدرس خیابانی نیما آذر میر شتربانیروشهای خوشه‌بندی و بهره‌وری آنها در عملیات داده‌کاوی توسعه زیادی یافته‌اند. نیاز مدیران به دادههای دسته‌بندی‌شده و بهره‌وری روشهای خوشه‌بندی در امر مدیریت و تصمیم‌گیری، به گسترش روشهای داده‌کاوی ضرورت بخشیده است. الگوریتم بهینه‌سازی نهنگ روش عمومی است که در حل مسائل چکیده کاملروشهای خوشه‌بندی و بهره‌وری آنها در عملیات داده‌کاوی توسعه زیادی یافته‌اند. نیاز مدیران به دادههای دسته‌بندی‌شده و بهره‌وری روشهای خوشه‌بندی در امر مدیریت و تصمیم‌گیری، به گسترش روشهای داده‌کاوی ضرورت بخشیده است. الگوریتم بهینه‌سازی نهنگ روش عمومی است که در حل مسائل متعددی کاربرد دارد. در این الگوریتم جواب‌های آغازین به‌صورت تصادفی انتخاب میشوند. الگوریتم کی-میانگین یک روش خوشه‌بندی پرکاربرد است که به دلیل سادگی و کوتاه بودن مراحل، بسیار موردتوجه محققان قرار می‌گیرد. در این مقاله این مزیت الگوریتم کی- میانگین را برای افزایش توانایی الگوریتم بهینه‌سازی نهنگ در خوشه‌بندی داده‌ها به‌کاررفته است. الگوریتم پیشنهادی ترکیبی از الگوریتمهای کی-میانگین و خوشه‌بندی نهنگ است. در این پژوهش الگوریتم جدید و چند الگوریتم خوشه‌بندی دیگر را بر روی مجموعه دادههای واقعی و شناخته شده اجرا شده است. نتایج عددی نشان میدهد که الگوریتم جدید ازنظر کیفیت جواب‌ها و انحراف استاندارد مقادیر جواب‌های نهایی، نتایج مطلوبی نشان میدهد. پرونده مقاله -
دسترسی آزاد مقاله
31 - طبقه بندی مشتریان بانک صادرات براساس ارزش مشتری با استفاده از درخت تصمیم
حسین بیورانی محرم عظیمیبا توجه به اینکه امروزه کسب رضایت مشتری در محیط تجاری اهمیت زیادی پیدا کرده است ، بسیاری از شرکت‌ها به منظور افزایش سود و رضایت مشتری بر روی ارزش مشتری تمرکز دارند. مدیریت ارتباط با مشتری 3(CRM) ابزار بالا بردن ارتباط مشتری به عنوان اصل رقابت در شرکت‌ها ظهور پیدا کرده چکیده کاملبا توجه به اینکه امروزه کسب رضایت مشتری در محیط تجاری اهمیت زیادی پیدا کرده است ، بسیاری از شرکت‌ها به منظور افزایش سود و رضایت مشتری بر روی ارزش مشتری تمرکز دارند. مدیریت ارتباط با مشتری 3(CRM) ابزار بالا بردن ارتباط مشتری به عنوان اصل رقابت در شرکت‌ها ظهور پیدا کرده است. ساختار موفق ‎CRM‎ در شرکت‌ها از شناسایی ارزش درست مشتری شروع میشود، زیرا ارزش مشتری اطلاعات مهمی را به منظور گسترش هدف و مدیریت فراهم میکند. ‎‎تکنیک‌هایی مثل داده کاوی سبب شده است که مدیریت ارتباط با مشتری در حوزه جدید رقابت پیشرفت کند به طوری که شرکت‌ها بتوانند در رقابت تجاری سود داشته باشند. از طریق داده کاوی -کشف دانش پنهان از پایگاه داده- سازمانها می‌توانند مشتری ارزشمندشان را بشناسند و رفتار آینده آنها را پیشبینی و تصمیمات مفید و دانش محور را اتخاذ کنند. هدف از انجام این تحقیق بدست آوردن معیارهای موثر در انتخاب مشتری ارزشمند است که بتوان مشتریان را براساس ویژگیهای جمعیت شناختی‌شان و سایر متغیرهای مربوط به معاملات به طبقات سود خیلی کم، کم سود ، سودبالا و سود خیلی بالا طبقه بندی کرد. در این تحقیق تاثیر ویژگیهای جمعیت شناختی افراد از جمله سن ، تحصیلات و شغل افراد همچنین تاثیر درجه شعبه، مکان شعبه بانک و تعداد تراکنش افراد برروی ارزش مشتری بررسی می شود. متغیر وابسته در این تحقیق مقدار ارزش مشتری است که به چهار طبقه دسته بندی شده است. جامعه آماری در این تحقیق مشتریان دارای حساب جاری فعال نزد بانک صادرات ایران در شهر تبریز است و مشتریانی را در نظر گرفتیم که حداقل یک سال سابقه فعالیت بانکی نزد بانک صادرات دارند. برای بررسی هدف موردنظر، درخت تصمیم CHAID یکی از الگوریتم های داده کاوی مورد استفاده قرار گرفت. نتایج نشان داد متغیرهای سن، تحصیلات مشتری و درجه شعبه بانک تاثیر معنی داری بر ارزش مشتری ندارند. تعداد تراکنش مشتری با بانک موثرترین ویژگی مشتری در تشخیص طبقه مشتری می باشد. 3- Customer Relationship Management پرونده مقاله -
دسترسی آزاد مقاله
32 - Improved Automatic Clustering Using a Multi-Objective Evolutionary Algorithm With New Validity measure and application to Credit Scoring
مجید محمدی راد مهدی افضلیIn data mining, clustering is one of the important issues for separation and classification with groups like unsupervised data. In this paper, an attempt has been made to improve and optimize the application of clustering heuristic methods such as Genetic, PSO algorithm چکیده کاملIn data mining, clustering is one of the important issues for separation and classification with groups like unsupervised data. In this paper, an attempt has been made to improve and optimize the application of clustering heuristic methods such as Genetic, PSO algorithm, Artificial bee colony algorithm, Harmony Search algorithm and Differential Evolution on the unlabeled data of an Iranian bank with the credit scoring approach. A survey was also used to measure the clustering validity index which resulted in a new validity index. Finally, the results were compared to identify the best algorithm and validity measure. پرونده مقاله -
دسترسی آزاد مقاله
33 - بهبود دقت روش هارگریوز در برآورد تبخیر- تعرق مرجع به کمک ضریب اصلاحی با مدل شبکه عصبی مصنوعی و درخت تصمیم M5
امید محترمی سید محمدرضا حسینی روح الله فتاحی تیمور سهرابیتبخیر- تعرق یکی از مهم ترین اجزای چرخه هیدرولوژی است که مدلسازی آن در مدیریت منابع آب نقش مهمی دارد. در تحقیق حاضر امکان بهبود دقت برآورد تبخیر- تعرق روش هارگریوز به کمک ضریب اصلاحیK با استفاده از مدل شبکه عصبی مصنوعی و مدل درخت تصمیم M5 مورد بررسی قرار گرفت. این ضریب ب چکیده کاملتبخیر- تعرق یکی از مهم ترین اجزای چرخه هیدرولوژی است که مدلسازی آن در مدیریت منابع آب نقش مهمی دارد. در تحقیق حاضر امکان بهبود دقت برآورد تبخیر- تعرق روش هارگریوز به کمک ضریب اصلاحیK با استفاده از مدل شبکه عصبی مصنوعی و مدل درخت تصمیم M5 مورد بررسی قرار گرفت. این ضریب برابر با نسبت تبخیر- تعرق مدل پنمن مونتیث فائو به روش هارگریوز می باشد. داده های مورد استفاده این تحقیق عبارت از دمای حداکثر و حداقل و رطوبت نسبی در بازه ی زمانی 2013-2004 از ایستگاه فرخشهر و فرودگاه در منطقه ی خشک سرد شهرکرد می باشد. شبکه طراحی شده یک شبکه پرسپترون چند لایه با الگوریتم آموزشی لونبرگ مارکوات و تابع تانژانت سیگموئید در لایه پنهان می باشد. مدل درخت تصمیمم به کمک نرم افزار WEKA طراحی گردید. نتایج نشان می دهد که شبکه عصبی و مدل درخت تصمیمم عملکرد خوبی در مدلسازی ضریب اصلاحی دارند، ولی عملکرد مدل شبکه عصبی دقیق تر است. نتایج نشان داد که قبل از استفاده از ضریب اصلاحی دقت مدل هارگریوز RMSE=0.90 (ریشه میانگین مربعات خطا) نسبت به روش پنمن مونتیث فائو بود که این مقدار بعد از استفاده از ضریب اصلاحی به کمک شبکه عصبی به RMSE=0.69 و با از استفاده از ضریب اصلاحی به کمک درخت تصمیمم به RMSE=0.72 رسید. به طور کلی نتایج نشان داد که بعد از استفاده از ضریب اصلاحی عملکرد مدل هارگریوز بهبود یافته است. پرونده مقاله -
دسترسی آزاد مقاله
34 - شناسایی روابط موضوعی بین منابع مورد استفاده توسط کاربران مرکز منطقه‌ای اطلاع رسانی علوم و فناوری با استفاده از تکنیک متن کاوی
خجسته شعبانی عاصفه عاصمیهدف: هدف اصلی پژوهش حاضر بررسی روابط موضوعی در عناوین منابع مورد استفاده توسط کاربران رایسست با استفاده از تکنیک متن کاوی بود. بنابراین، به بازتاب چگونگی روابط موضوعی در منابع اطلاعاتی کاربران در مرکز رایسست مبادرت شده، تا از طریق شناخت به رفتار و احساس استفاده کنندگان چکیده کاملهدف: هدف اصلی پژوهش حاضر بررسی روابط موضوعی در عناوین منابع مورد استفاده توسط کاربران رایسست با استفاده از تکنیک متن کاوی بود. بنابراین، به بازتاب چگونگی روابط موضوعی در منابع اطلاعاتی کاربران در مرکز رایسست مبادرت شده، تا از طریق شناخت به رفتار و احساس استفاده کنندگان دست یابند.روش پژوهش: روش پژوهش مبتنی بر متن کاوی بود، که به داده کاوی بر روی متن، تحلیل متن و به منظور فرایند استخراج اطلاعات با کیفیت از متن اشاره دارد. دسترسی اطلاعات به متن کامل مقالات مجلات علمی – پژوهشی، علمی – ترویجی، مجموعه مقالات کنفرانس‌ها و همایش‌های علمی، کتاب‌های لاتین و فارسی جامعه آماری پژوهش را تشکیل داده، که با استفاده از روش سرشماری، کلیه دادههای حاصل از گزارش‌گیری توسط رایسست بررسی گردید. به منظور تجزیه و تحلیل داده‌ها و تحلیل متن از نرم افزار ویانت، و برای پاکسازی و نرمال سازی داده‌ها از نرم افزار پایتون بهره جویی گردید.یافته ها: براساس یافته‌ها از دادههای حاصل شده، 21 کلمه و 160 کلمه موضوعی پرتکرار از منبع مورد استفاده در پایگاه اطلاعاتی رایسست مشخص گردید. دور نمای لوم از چگونگی توزیع کلمات موضوعی با تکرار بالا تهیه شده و ضریب همبستگی تکرار موضوعات پر استفاده در عنوان‌های منابع اطلاعاتی تدوین شد. به منظور تدوین نمایه درهم کرد کلمات موضوعی پر تکرار ترند (Trend) استفاده شد.نتیجه‌گیری: نتایج نشان داد که تدوین پژوهش در مجموعه سازی منابع الکترونیکی پایگاه‌های اطلاعاتی و پیش‌نگری در آینده این دسته از منابع به مدیران مراکز اطلاع رسانی و کاربران آنها مفید است. پرونده مقاله -
دسترسی آزاد مقاله
35 - تعیین مهم ترین ویژگی های کمی و کیفی متمایزکننده سرده Rubus L. در ایران با استفاده از الگوریتم های دسته بندی و انتخاب ویژگی
محمد جواد شیخ زادهجنس سرده Rubus L. متعلق به تیره Rosaceae و زیرتیره Rosoideae شامل حدود 750 گونه در دنیا است. این جنس در اکثر نواحی جهان پراکنش دارد. در فلور ایران تعداد هشت گونه و پنج هیبرید (دو رگه) گزارش شده است. تمشک یکی از پر چالش‌ترین جنس‌ها در بین گیاهان گل‌دار میباشد. وجود عوام چکیده کاملجنس سرده Rubus L. متعلق به تیره Rosaceae و زیرتیره Rosoideae شامل حدود 750 گونه در دنیا است. این جنس در اکثر نواحی جهان پراکنش دارد. در فلور ایران تعداد هشت گونه و پنج هیبرید (دو رگه) گزارش شده است. تمشک یکی از پر چالش‌ترین جنس‌ها در بین گیاهان گل‌دار میباشد. وجود عواملی از جمله پلی‌پلوئیدی، آپومیکسی و دورگه‌گیری زیاد در این جنس باعث مشکلاتی در تشخیص از نظر ریخت شناسی شده است. جمع آوری دادههای کمی و کیفی جهت تشخیص گونه‌ها و روشهای جمع‌آوری مولفه‌های ریخت شناسی بسیار زمانبر و پر هزینه است. بنابراین، بکارگیری روش-های متفاوت در جهت کاهش زمان و هزینه‌ها همواره مطرح میباشد. در بسیاری از موارد، جهت آنالیز دادههای زیستی روشهای داده کاوی بکار گرفته میشود. در این مقاله، از ترکیب الگوریتمهای مختلف انتخاب ویژگی و دسته‌بندی برای تشخیص ویژگیهای متمایزکننده بین گونه‌های سرده Rubus L. استفاده شد. با بکارگیری روش دسته‌بندی Random Forest و مدل انتخاب ویژگی InfoGainAttributeEval با تعداد 28 ویژگی به دقت 05/94 درصد در دسته‌بندی رسیدیم که بهترین الگوریتم از نظر دقت میباشد و با استفاده از روش MLP و مدل انتخاب ویژگی SymetricalAttributeEval، با تعداد 4 ویژگی دقت دسته‌بندی 32/84 درصد حاصل شد که بهترین الگوریتم از نظر تعداد اندک ویژگیهای انتخاب شده است. چهار ویژگی فوق توسط اکثر الگوریتمهای استفاده شده در این مقاله انتخاب شدند. تمامی این ویژگی‌ها کیفی هستند و جهت بدست آوردن آنها نیازی به هزینه اندازه‌گیری آزمایشگاهی نمی‌باشد. بنابراین می-توانند معیار مناسبی جهت کلید شناسایی باشند. پرونده مقاله -
دسترسی آزاد مقاله
36 - مزیت رقابتی داده کاوی در بانکداری الکترونیکی در برابر نااطمینانی‌های اقتصادی
محمد علی خطیب سمنانی سمیه ایزدی سید رضا خادمیدر بانکداری سنتی و کاغذی ، افراد چون کاغذی را می دیدند و لمس می کردند، اعتماد ایجاد می شد. اما امروزه با حضور بانکداری الکترونیکی، از یک سو هنوز جامعه ایران با آن خو نگرفته و از سویی دیگر ، نااطمینانی ها از عوامل اقتصادی موجب شده تا مشتریان بانک ها نسبت به سرمایه گذاری چکیده کاملدر بانکداری سنتی و کاغذی ، افراد چون کاغذی را می دیدند و لمس می کردند، اعتماد ایجاد می شد. اما امروزه با حضور بانکداری الکترونیکی، از یک سو هنوز جامعه ایران با آن خو نگرفته و از سویی دیگر ، نااطمینانی ها از عوامل اقتصادی موجب شده تا مشتریان بانک ها نسبت به سرمایه گذاری احساس تردید کنند. نااطمینانی در اقتصاد از مهمترین عوامل خروج سرمایه از بانک ها و از بین رفتن اعتماد مشتری است. مزایای بانکداری الکترونیک را می‌توان از دو جنبه مشتریان و موسسات مالی مورد توجه قرار داد. از دید مشتریان می‌توان به صرفه‌جویی در هزینه ها، صرفه جویی در زمان و دسترسی به کانالهای متعدد برای انجام عملیات بانکی نام برد. از دید موسسات مالی می‌توان به ویژگیهایی چون ایجاد و افزایش شهرت بانکها در ارائه نوآوری، حفظ مشتریان علیرغم تغییرات مکانی بانکها، ایجاد فرصت برای جستجوی مشتریان جدید در بازارهای هدف، گسترش محدوده جغرافیایی فعالیت و برقراری شرایط رقابت کامل را نام برد. برای رقابت مؤثرتر در بازارهای رقابتی دنیا بانک ها بایستی درک بهتری از مشتریان و بازار داشته باشند. صنعت بانکداری در دنیا تغییرات زیادی را در نحوه انجام فعالیت های خود متحمل شده است. بانکهای پیشرو از ابزارهای داده کاوی1 برای تقسیم بندی مشتریان، اعتبارسنجی مشتریان جهت اعطای تسهیلات و تایید آنها، پیش بینی عدم پرداخت بدهی ها، بازاریابی و شناسایی الگوهای کلاهبرداری استفاده می کنند. در این مقاله ضمن اشاره ای به بحث نااطمینانی و تأثیر آن بر مشتریان، تکینیک های داده کاوی به عنوان مزیت رقابتی در رضایت مشتریان از بانکداری الکترونیکی و خدمات بانکی بیان می گردد.. 1 Data Mining Trust was created in traditional banking, where everything was paper-based, people like to see and touch paper. But today, with the presence of e-banking, on the one hand, the Iranian society has not yet adopted it and on the other hand, uncertainties of economic agents are hand in hand to make bank customers feel uncertain about investing. Economic uncertainty is one of the most important factors in the withdrawal of capital from banks and the loss of customer confidence. Advantages of electronic banking can be considered from two aspects of customers and financial institutions. From customers' point of view, cost savings, time savings and access to multiple channels for banking operations can be mentioned. From the point of view of financial institutions, it is possible to identify such features as creating and increasing the reputation of banks in providing innovation, maintaining customers despite the spatial variations of banks, creating opportunities for searching new customers in target markets, expanding the geographical scope of activities, and establishing the conditions for full competition. Banks must have a better understanding of customers and the market in order to compete more effectively in competitive markets around the world. The banking industry in the world has undergone many changes in its operations. The leading banks use from data mining tools to segment customers, validate clients for facility approvals, anticipate non-payment of debts, marketing, and identify fraudulent patterns. In this paper, while referring to the uncertainty and its impact on customers, data mining as a competitive advantage is expressed in customer satisfaction from e-banking and banking services. پرونده مقاله -
دسترسی آزاد مقاله
37 - بررسی تاثیر متغیرهای کلان اقتصادی بر بازار سهام ایران با استفاده از الگوریتم های داده کاوی
مهرزاد ابراهیمیامروزه بیشتر مطالعات در خصوص بازار سهام در اقتصاد ایران در قالب مطالعات اقتصاد سنجی بوده که در جای خود توانسته اند راهنمای سیاستگذاران باشند ولی الگوریتمهای داده کاوی توانایی مضاعفی در خصوص تدوین سیاست های راهبردی ارایه می دهند. با عنایت به نقش واهمیت بازار سهام در اقتص چکیده کاملامروزه بیشتر مطالعات در خصوص بازار سهام در اقتصاد ایران در قالب مطالعات اقتصاد سنجی بوده که در جای خود توانسته اند راهنمای سیاستگذاران باشند ولی الگوریتمهای داده کاوی توانایی مضاعفی در خصوص تدوین سیاست های راهبردی ارایه می دهند. با عنایت به نقش واهمیت بازار سهام در اقتصاد کشور، با استفاده از الگوریتم های داده کاوی نسبت به شناسایی متغیرهای مهم و تاثیر گذار بر رابطه بلند مدت شاخص کل قیمت سهام اقدام گردید. ابتدا داده های ماهانه 1384-1396 استخراج شده و پس از پردازش، ده الگوریتم وزن دهی بر روی آنها اعمال شدد. نتایج نشان داد که سه متغیر نرخ تورم، تراز تجاری و تولید ناخالص داخلی توسط 80% از الگوریتم های وزن دهی به عنوان متغیرهای مهم معرفی شدند. در میان سه متغیر فوق بیشترین وزن (بالاتر از ۰.۹) به ارزش تولید ناخالص داخلی داده شد. الگوریتم های درخت تصمیم با دقت زیاد (96.5%) قادر بودند بین دسته های شاخص سهام تمایز قایل شده و مجددا ارزش تولید ناخالص داخلی به عنوان متغیر اصلی معرفی گردید. الگوی مربوط به نرخ سود سپرده یکساله نشان داد که بین متغیرهای تولید ناخالص داخلی، حجم حقیقی پول، نرخ تورم، تراز تجاری و نرخ حقیقی ارز با قیمت سهام رابطه مثبت و بین کسری حقیقی بودجه دولت، نرخ بهره آمریکا و نرخ سود سپرده یکساله رابطه منفی وجود داشته که با مدل تئوری سازگار بودند. نتایج این مطالعه که برای اولین بار گزارش می شود میتواند افق جدیدی را جهت سرمایه گذاران و سیاستگذاران بازار بورس را فراهم نماید Most stock market studies in Iranian economy have been done in econometrics format, which have been useful for policy makers; but data mining algorithms provide double abilities to implement guidance policies. Regarding the importance of stock market in the country, data mining algorithms have been employed to investigate the most important features on stock market rates. Monthly data (2005-2011) extracted and after preprocessing and data cleansing, ten attribute weighting algorithms (AWA) applied. The results showed three features (inflation rate, GDP and trade balance) were the most important ones selected by 80% of AWA. GDP gained the highest weight (more than 90%) and tree induction algorithms used the same feature (with 96.5% precision) to differentiate between the stock rate classes. The results confirmed a positive relationship between GDP, real value of money, inflation rate, trade balance and real exchange rate with stock prices while government’s real budget deficit, USA inflation rate and one-year interests rate revealed negative relations; compatible with the theoretical model. The results that reported for the first time can open up new vistas for investors and policy makers. پرونده مقاله -
دسترسی آزاد مقاله
38 - ارایه الگوی دسته بندی مشتریان با رویکرد داده کاوی ترکیبی( مورد مطالعه صنعت محصولات بهداشتی و آرایشی)
امید بشردوست عزت اله اصغری زاده محمدعلی افشار کاظمیبا توجه به حجم انباشته شده اطلاعات خرید مشتریان و پیچیدگی رقابت در عصر حاضر اهمیت ایجاد بستری برای تحلیل دادههای به روز ودقیق مشتریان، باهدف ایجاد ارتباط‌های مؤثر با مشتریان فعلی و وفادار، بیش از پیش برای سازمانها به عنوان یک مزیت رقابتی جلوه‌گر شده است. هدف این پژوهش چکیده کاملبا توجه به حجم انباشته شده اطلاعات خرید مشتریان و پیچیدگی رقابت در عصر حاضر اهمیت ایجاد بستری برای تحلیل دادههای به روز ودقیق مشتریان، باهدف ایجاد ارتباط‌های مؤثر با مشتریان فعلی و وفادار، بیش از پیش برای سازمانها به عنوان یک مزیت رقابتی جلوه‌گر شده است. هدف این پژوهش بررسی الگوهای رفتاری خرید مشتریان محصول‌های بهداشتی به منظور دسته‌بندی آنها براساس مدل WRFMبا استفاده از روشهای ترکیبی داده‌کاوی است. از میان مشتریان استان تهران که در بازه سالهای 1396- 1397 از شرکت خرید داشته اند از پایگاه داده های مشتریان 65534 نمونه، با روش نمونه گیری هدفمند در دسترس جمع آوری شده و به کمک SPSS مقدار RFM موزون با توجه به نظر خبرگان صنعت مشخص و سپس این فیلد به دیگر داده های پژوهش اضافه شده و توسط نرم افزار داده‌کاوی کلمنتاین بر اساس70 درصد داده ها، خوشه بندی مشتریان صورت گرفته است؛ همچنین به منظور بررسی کیفیت خوشه‌بندی از معیارهای امتیازجینی، درصد خطا، اطلاعات متقابل نرمال‌شده (NMI) استفاده شده است. نتایج پژوهش حکایت ازکارایی بالای روش خوشه‌بندی Kمیانگین با تعداد چهارخوشه با درصد خلوص (0/761)، برای بخش بندی مشتریان داشته است پرونده مقاله -
دسترسی آزاد مقاله
39 - رتبه بندی میزان تاثیر اقلام کلیدی ترازنامه ای و نسبت‌های سودآوری در انتخاب پرتفوی بهینه (با استفاده از تکنیک های داده کاوی)
امیررضا کیقبادی سمیه فتحی سمیرا سیفانتخاب پرتفوی بهینه، یکی از موضوعات مهم در ادبیات مالی محسوب میشود که هدف‌های حداکثر کردن بازده آتی و حداقل نمودن ریسک سرمایه‌گذاری را به همراه دارد.اساساً سرمایه گذاران برای انتخاب پرتفوی بهینه وکارا شرکت هایی را انتخاب می کنند که جزء شرکت های برتر بورس باشند و همچنین چکیده کاملانتخاب پرتفوی بهینه، یکی از موضوعات مهم در ادبیات مالی محسوب میشود که هدف‌های حداکثر کردن بازده آتی و حداقل نمودن ریسک سرمایه‌گذاری را به همراه دارد.اساساً سرمایه گذاران برای انتخاب پرتفوی بهینه وکارا شرکت هایی را انتخاب می کنند که جزء شرکت های برتر بورس باشند و همچنین شرکت های که در رده های بالای این رتبه بندی قراردارند. رتبه‌بندی میتواند برحسب معیارهای مختلفی انجام گیرد. یکی از سودمندترین رتبه‌بندی ها،می تواند استفاده از نسبت های سودآوری واقلام کلیدی ترازنامه ای باشد. دراین تحقیق نسبت های سودآوری و اقلام کلیدی ترازنامه ای 150شرکت برتر بورس طی 3 سال استخراج شده است و درهرسال50 شرکت با توجه نسبت های مالی بالاتر به دو دسته موفق و برتر تقسیم بندی شده اند. سپس با استفاده از 4 مدل مبتنی بر تکنیک داده کاوی و همچنین توان یادگیری هریک از مدل ها به بررسی ترتیب اهمیت این اقلام و نسبت ها جهت انتخاب پرتفوی بهینه پرداخته شده است. نتایج حاکی از آن است که اقلام کلیدی ترازنامه ای و نسبت های سودآوری هر دو برای ارائه پرتفوی حائز اهمیت بوده اما ارجحیت تاثیر گذاری آنان در هر مدل ترتیبی متفاوت است ؛ اما برخی از این اقلام مانند جمع کل دارایی‌ها، درصد سود به درآمد ، درصد سود عملیاتی به درآمد و نسبت قیمت به سود هر سهم (P/E) در تمام مدل ها به عنوان یک فصل مشترک از ارجحیت بالاتری برخوردارند که می تواند به عنوان مبنایی مناسب مورد توجه سرمایه گذاران قرار گیرد پرونده مقاله -
دسترسی آزاد مقاله
40 - پیش بینی تغییر حسابرس با استفاده از متغیرهای در ماندگی مالی: رویکرد داده کاوی
حسین اعتمادی سلمان لطفیحسابرسی مستقل از طریق بهبود قابلیت اتکا و افزایش اعتبار فرآیند گزارشگری مالی ، به سودمندی این فرایند و کارآیی بازارهای سرمایه کمک می کند. کیفیت حسابرسی به عوامل متعددی به خصوص استقلال حسابرس بستگی دارد. لذا کاهش استقلال حسابرس به طور مستقیم ، برکیفیت فرایند حسابرسی و اظ چکیده کاملحسابرسی مستقل از طریق بهبود قابلیت اتکا و افزایش اعتبار فرآیند گزارشگری مالی ، به سودمندی این فرایند و کارآیی بازارهای سرمایه کمک می کند. کیفیت حسابرسی به عوامل متعددی به خصوص استقلال حسابرس بستگی دارد. لذا کاهش استقلال حسابرس به طور مستقیم ، برکیفیت فرایند حسابرسی و اظهار نظر وی تاثیر می گذارد. به دلیل مرتبط بودن پدیده تغییر حسابرس با استقلال حسابرس ، بررسی دقیق تر آن ضروری است. به همین دلیل هدف اصلی این پژوهش تجزیه و تحلیل ماهیت پیش بینی کنندگی متغیرهای درماندگی مالی به منظور پیش بینی تغییر حسابرس شرکت های پذیرفته شده در بورس اوراق بهادار تهران و ارائه مدلی کارا به منظور پیش بینی تغییر حسابرس شرکتهای پذیرفته شده در بورس اوراق بهادار تهران با استفاده از متغیرهای درماندگی مالی و با کمک تکنیک های داده کاوی می باشد. در این پژوهش به منظور دستیابی به اهداف تحقیق چهار فرضیه تدوین شده است به منظور آزمون فرضیه ها از روش های داده کاوی شبکه بیزین، درخت رگرسیون و دسته بندی و رگرسیون لجستیک استفاده شده است. یافته های حاصل از تجزیه و تحلیل رگرسیون لجستیک تشان می دهد که در سطح اطمینان 95% رابطه معنی داری بین تغییر حسابرس و متغیرهای درماندگی مالی وجود دارد همچنین نتایج حاصل از روش های داده کاوی نشان می دهد که نرخ تشخیص بیش از 89% و نرخ پیش بینی درست شرکت های دارای درماندگی مالی بیش از 84% است. به طور کلی نتایج پژوهش حاضر نشان می دهد که متغیرهای درماندگی مالی حاصل از صورت های مالی حسابرسی شده دارای بار اطلاعاتی مناسبی برای پیش بینی تغییر حسابرس شرکتهای فعال در بورس اوراق بهادار تهران هستند و با استفاده از آنها و تکنیک های داده کاوی می توان مدل هایی با کارآیی مناسب برای پیش بینی تغییر حسابرس شرکت ها ایجاد یا ارائه کرد. Independence auditing contributes to optimization of financial reports in capital markets through improving reliability and increasing process validity. Auditing quality is a function of many different factors, particularly auditor autonomy. Therefore, any decline in auditor autonomy directly affects the process of auditing. A close analysis of auditor change is urgent, for it is related to auditor autonomy. Thus, the present study undertakes to investigate predictability of financial distress for predicting auditor changes in companies listed at Tehran Stock Exchange during 2002-2011. It also proposes a model for this process using financial distress and techniques of Data-mining. Data mining methods, Bayesian network, Classification and Regression Tree (CART) and Logistic Regression are used for testing the four hypotheses of the study. Results of logistic regression analysis indicate a significant relationship between auditor change and financial distress at confidence level of 95%. Results also show 89% and 84% for precision and true positive rates, respectively. Our results reveal that financial distress arising from audited financial statements are good sources of information for predicting auditor changes in active companies listed at Tehran Stock Exchange, which can be used, along with data-mining techniques, for designing effective models for predicting auditor changes. پرونده مقاله -
دسترسی آزاد مقاله
41 - پیشبینی ورشکستگی شرکت‌ها مبتنی بر سیستم‌های هوشمند ترکیبی
مهدی غضنفری اقبال رحیمی کیا علی عسکریبا توجه به شرایط رقابتی اقتصاد کشورها و بحران‌های اقتصادی ایجاد شده در سطح بین‌المللی و داخل کشور، نیاز به یک مدل مناسب برای پیشبینی ورشکستگی شرکتهای کشور احساس میشود. تصمیم‌گیران کلان اقتصادی، سازمانهای اقتصادی کشور و سیستم بانکی با استفاده از این مدلها توانایی ات چکیده کاملبا توجه به شرایط رقابتی اقتصاد کشورها و بحران‌های اقتصادی ایجاد شده در سطح بین‌المللی و داخل کشور، نیاز به یک مدل مناسب برای پیشبینی ورشکستگی شرکتهای کشور احساس میشود. تصمیم‌گیران کلان اقتصادی، سازمانهای اقتصادی کشور و سیستم بانکی با استفاده از این مدلها توانایی اتخاذ تصمیمات دقیق‌تر و با عوارض کمتری را دارا خواهند بود. همچنین مدل‌های فوق در سطح خرد نیز برای تصمیم‌گیری برای سرمایه‌گذاری‌های آتی قابل استفاده میباشد. در این تحقیق با پیاده‌سازی یک سیستم منسجم و هوشمند مبتنی بر شبکه عصبی، ماشین‌های بردار پشتیبان و یادگیری تشدید شده و در کنار آن استفاده از الگوریتمهای بهینه‌سازی رقابت استعماری، الگوریتم فرهنگی و جستجوی هارمونی سعی شده است تا حد امکان نواقص مدل‌های پیشین در سطح بین‌الملل رفع شود. علاوه بر آن با همکاری سازمان امور مالیاتی کشور مقیاس بررسی سیستم به دادههای کل کشور تعمیم یافته است که بررسی در ابعاد فوق در سطح بین‌الملل منحصر به فرد میباشد. تعداد نمونه‌های مورد بررسی در صنعت موادغذایی و نساجی به ترتیب برابر با ۵۸۲۵ و 4089 میباشد که با اعمال معیار قانونی ورشکستگی به ترتیب ۹۹۹ و ۸۴۸ نمونه شرایط ورشکستگی را در دو سال مورد بررسی دارا بوده‌اند. نتایج نشان دهنده برتری عملکرد ترکیب ماشین بردار پشتیبان با الگوریتمهای بهینه‌سازی جستجوی هارمونی و رقابت استعماری در شرایط عدم حذف دادههای پرت میباشد Abstract Due to the competitiveness of nations' economies and the recent financial crisis at both national and international levels, the need for an effective model to predict the bankruptcy of domestic companies is felt more than ever. Macroeconomic decision makers, economic agencies, and the banking system can benefit from this modeling to make more accurate decisions and reduce undesired outcomes. These models can also be used at the microeconomic level to help with decision-making for future investments.In this research, by implementing an intelligent and coherent system based on Artificial Neural Network (ANN), Support Vector Machine (SVM), Extreme Learning Machine (ELM), and utilizing Imperialist Competitive Algorithm (ICA), Cultural Algorithm (CA) and Harmony Search (HS), we have attempted to improve on the shortcomings of existing models used internationally. Furthermore, in a joint effort with the Iranian National Tax Administration (INTA), the evaluation scale has been extended to incorporate nationwide data which makes the scope of the work unprecedented in the world. The number of examined samples are 5825 and 4089 respectively in the food and textile sectors, and by applying bankruptcy criteria 999 and 848 samples were detected as bankrupt companies. We found the best performance in the combination of support vector machine with harmony search and imperialist competitive algorithm in terms of not using outlier detection. پرونده مقاله -
دسترسی آزاد مقاله
42 - داده کاوی صورت‌های مالی جهت اعطای تسهیلات مالی
امیر رضا کیقبادی وحید خدامیبررسی، 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 چکیده کاملبررسی، 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. پرونده مقاله -
دسترسی آزاد مقاله
43 - باز طراحی مدل فرآیند خدمات مددکاری و توانمندسازی با استفاده از تکنیک های داده کاوی و فرآیندکاوی (مطالعه موردی: کمیته امداد امام خمینی (ره) استان آذربایجان غربی)
مهرداد محمدزاده علمداری منصور اسماعیل پور علیرضا اسلامبولچی کامران سرهنگیاین پژوهش به بررسی میزان موفقیت مدل پیاده سازی شده فرایند خدمات مددکاری و توانمندسازی در بزرگترین نهاد حمایتی کشور پرداخته و با بهره گیری از تکنیک های نوین، نسبت به بازطراحی مدل اولیه اقدام نموده است. در این تحقیق داده های مربوط به منظور سنجش میزان تحقق اهداف کاربردی با چکیده کاملاین پژوهش به بررسی میزان موفقیت مدل پیاده سازی شده فرایند خدمات مددکاری و توانمندسازی در بزرگترین نهاد حمایتی کشور پرداخته و با بهره گیری از تکنیک های نوین، نسبت به بازطراحی مدل اولیه اقدام نموده است. در این تحقیق داده های مربوط به منظور سنجش میزان تحقق اهداف کاربردی با توزیع پرسش نامه در بین 100نفر از همکاران کمیته امداد در سطح 21 شهرستان استان آذربایجان غربی جمع آوری و با استفاده از متدولوژی CRISP-DM مراحل مختلف مبتنی بر داده کاوی انجام گردید. در ادامه به منظور پاسخگویی به سوال اصلی تحقیق، داده های مربوط به تعداد4687مددجویی که فرایند موجود را طی نموده بودند از طریق تکنیک های فرایندکاوی مورد بررسی قرار گرفت.نتایج حاصل نشان داد که مدل پیاده سازی شده، معیارهای 4 گانه کیفی را از جنبه سادگی محقق، ولی به منظور دستیابی کامل به مطابقت، عمومیت و دقت، نیاز به بازطراحی دارد. در این راستا با حذف حلقه تکرار در مسیر ۳، مدل اولیه بازطراحی گردید تا ضمن تحقق کامل اهداف کاربردی، با مد نظر قرار دادن مطالبات اقشار آسیب پذیر اجتماعی،ضمن تکریم و افزایش سطح رضایت مندی جامعه هدف، به عنوان الگویی موفق توسط سایر سازمانهای مردم نهاد غیردولتی در داخل و خارج کشور مورد بهره برداری قرار گیرد. پرونده مقاله -
دسترسی آزاد مقاله
44 - ارائه مدل ارزیابی عملکرد بانکهای بورسی کشور با رهیافت داده کاوی
الهام آدخ عارفه فدوی اصغری محمد ابراهیم پورزرندیبا رشد بانکهای خصوصی و مؤسسات مالی و اعتباری،رقابت بین آنها به منظور ارائه خدمات بهتر افزایش یافته است. با توجه به اهمیت موضوع،تدوین یک الگوی جامع و کامل برای ارزیابی بانکها ضروری به نظر می رسد. هر سازمان برای آگاهی از نقاط قوت و ضعف خود به ویژه در محیط های پویا نیازمند چکیده کاملبا رشد بانکهای خصوصی و مؤسسات مالی و اعتباری،رقابت بین آنها به منظور ارائه خدمات بهتر افزایش یافته است. با توجه به اهمیت موضوع،تدوین یک الگوی جامع و کامل برای ارزیابی بانکها ضروری به نظر می رسد. هر سازمان برای آگاهی از نقاط قوت و ضعف خود به ویژه در محیط های پویا نیازمند ارزیابی عملکرد می باشد. موضوع ارزیابی عملکرد آنقدر مورد توجه است که حتی در این باره صاحبنظران مدیریت معتقدند: "آنچه را که نتوان ارزیابی نمود، نمی توان مدیریت کرد".بنابراین بانک ها نیز همانند سایرسازمان ها در ایران برای ارائه خدمات متنوع تر و سریع ترو همچنین توسعه خود ، نیازمند ارزیابی عملکرد می باشند.[6]هدف اصلی این مقاله ارائه مدلی به منظور ارزیابی عملکرد بانکهای بورسی کشور با استفاده از روشهای داده کاوی می باشد. در این پژوهش، 4 مدل داده کاوی درخت تصمیم C5.0، درخت تصمیم C4.5، الگوریتم بیز و جنگل تصادفی، به منظور ارزیابی عملکرد بانک های پذیرفته شده در بورس اوراق بهادار تهران پیاده سازی و با یکدیگر مقایسه می گردند. بدین منظور نمونه ای مشتمل بر 28 نسبت مالی شامل نسبت های سودآوری، نقدینگی، حوزه کیفیت مدیریت ، حوزه کیفیت دارایی و کفایت سرمایه در 18 بانک بورس اوراق بهادار تهران درفاصله بین سالهای 1393 تا 1396 به عنوان متغیرهای مستقل و عملکرد بانکها درسه دسته قابل قبول، غیرقابل قبول ومتوسط به عنوان متغیر وابسته انتخاب گردیدند. نتایج حاکی از آن است که در بین کلیه مدلها درخت تصمیم C5.0 با صحت 94.4% بهترین مدل ارائه شده در این پژوهش می باشد. پرونده مقاله -
دسترسی آزاد مقاله
45 - ارزیابی عملکرد شعب بانک با رویکرد داده کاوی و سیستم خبره
حمید اسلامی نصرت آبادی محمدجعفر تارخ علیرضا پورابراهیمیشعب بانک یکی از ارکان مهم بانکداری دیجیتال است و بررسی عملکرد آنها نقش مهمی در سودآوری و تحقق اهداف بانک در پی‌دارد. این پژوهش به ارزیابی عملکرد شعب بانک با استفاده از روشهای نوآورانه می‌پردازد. نخست به شناسایی شاخصهای مهم در خصوص ارزیابی عملکرد شعب پرداخته شده است. سپس چکیده کاملشعب بانک یکی از ارکان مهم بانکداری دیجیتال است و بررسی عملکرد آنها نقش مهمی در سودآوری و تحقق اهداف بانک در پی‌دارد. این پژوهش به ارزیابی عملکرد شعب بانک با استفاده از روشهای نوآورانه می‌پردازد. نخست به شناسایی شاخصهای مهم در خصوص ارزیابی عملکرد شعب پرداخته شده است. سپس روش پیشنهادی برروی دادههای شعب بانک در قالب مطالعه موردی پیاده‌سازی گردیده است. بدین منظور ابتدا خوشه بندی انجام گردید تا شعب کارا و نیمه کارا و ناکارا از یکدیگر تفکیک گردند. سپس بر اساس برچسب ایجاد شده بر روی دادهای شعب از الگوریتمهای طبقه بندی و درخت تصمیم استفاده گردید تا قوانین موجود در دادههای شعب کارا و ناکارا و نیمه کارا استخراج گردد. در تحقیق حاضر از مدل ارائه شده از الگوریتم C5.0 بدلیل بدست آوردن بالاترین میزان صحت در مقایسه با سایر الگوریتمها مورد استفاده قرار گرفت. در انتها براساس قواعد استخراج شده به طراحی یک سیستم خبره برای ارزیابی عملکرد شعب بانکی پرداخته شد. برای طراحی سیستم خبره از نرم افزار کلیپس استفاده شد. در بانک مورد مطالعه شاخص درصد متوسط افزایش سپرده‌های ارزان قیمت طی دوره به افزایش مانده هدف دارای بیشترین تاثیر در عملکرد را دارا بود. پرونده مقاله -
دسترسی آزاد مقاله
46 - کاوش قوانین پیوستگی کمی در بازار سهام با استفاده از الگوریتم های فراابتکاری چندهدفه مبتنی بر الگوریتم ژنتیک
مصطفی زندیه سیما مردانلوپیش بینی بازده سهام موضوعی مهم در حوزه مالی است که توجه محققان را برای سالهای بسیاری به خود جلب کرده است. سرمایه گذاران همواره در تلاش برای پیدا کردن راهی برای پیش بینی قیمت سهام و پیدا کردن سهام و زمان مناسب برای خرید و یا فروش هستند. اخیرا، از تکنیک های داده کاوی و تک چکیده کاملپیش بینی بازده سهام موضوعی مهم در حوزه مالی است که توجه محققان را برای سالهای بسیاری به خود جلب کرده است. سرمایه گذاران همواره در تلاش برای پیدا کردن راهی برای پیش بینی قیمت سهام و پیدا کردن سهام و زمان مناسب برای خرید و یا فروش هستند. اخیرا، از تکنیک های داده کاوی و تکنیک های هوش مصنوعی در این حوزه استفاده می شود. کشف قوانین پیوستگی یکی از رایج ترین روش های داده کاوی مورد استفاده جهت استخراج دانش از مجموعه داده های بزرگ است. برخی محققین کاوش قوانین پیوستگی را به عنوان یک مسئله چند هدفه بیان کرده اند، که به طور مشترک چند معیار را برای به دست آوردن یک مجموعه با قوانین جالب تر و دقیق تر بهینه سازی می کند. در این پژوهش، یک مدل تکاملی چند هدفه جدید ارائه می دهیم که قابلیت درک، جالب بودن و کارایی را به منظور کاوش مجموعه ای از قوانین پیوستگی کمی از داده های مالی، شامل 10 تا از رایج ترین نشانگرهای تحلیل تکنیکی، حداکثر می کند. برای این منظور، این مدل، دو الگوریتم تکاملی چندهدفه معروف الگوریتم ژنتیک مرتب سازی نامغلوب II و الگوریتم ژنتیک رتبه بندی شده نامغلوب را برای انجام فراگیری تکاملی فواصل ویژگی ها و انتخاب شرایط برای هر قانون گسترش می دهد. علاوه براین، مدل ارائه شده، یک جمعیت خارجی و یک فرایند شروع مجدد را برای مدل تکاملی به منظور ذخیره تمام قوانین نامغلوب یافته شده و بهبود تنوع مجموعه قوانین به دست آمده معرفی می کند. نتایج به دست آمده بر روی داده های سهام در دنیای واقعی، اثربخشی روش ارائه شده را نشان می دهد. پرونده مقاله -
دسترسی آزاد مقاله
47 - انتخاب آنلاین سبد سرمایه گذاری به روش تطابق با الگوی طیفی
متین عبدی امیرعباس نجفیبا توجه به افزایش حجم و سرعت معاملات در بازارهای مالی امروز، افزایش سرعت در تحلیلها و تصمیم‌گیری‌ها اجتناب ناپذیر است. انجام تحلیل‌های سریع و عاری از خطاهای رفتاری توسط انسان غیر ممکن است. از این رو بازارهای مالی به سمت داد و ستدهای الگوریتمیدر حرکت هستند که در آن‎ چکیده کاملبا توجه به افزایش حجم و سرعت معاملات در بازارهای مالی امروز، افزایش سرعت در تحلیلها و تصمیم‌گیری‌ها اجتناب ناپذیر است. انجام تحلیل‌های سریع و عاری از خطاهای رفتاری توسط انسان غیر ممکن است. از این رو بازارهای مالی به سمت داد و ستدهای الگوریتمیدر حرکت هستند که در آن‎ها از تکنیک‎هایی از قبیل یادگیری ماشینی و داده‌کاویاستفاده میشود. انتخاب آنلاین سبد سرمایه‌گذاری یکی از تکنیک‌های نوین در داد و ستد الگوریتمی است به این صورت که سرمایه را به تعداد مشخصی سهم تخصیص داده و در ابتدای هر دوره با استفاده از تکنیک‌هایی پرتفو را به روز رسانی میکند. در واقع در این تکنیک‌ها انسان در انتخاب پرتفو دخالتی نداشته و الگوریتم نحوه‌ی سرمایه‌گذاری را در هر دوره مشخص میکند. در این مقاله الگوریتمی توسعه داده شده است که از اصل تطابق با الگودر انتخاب آنلاین سبد سرمایه‌گذاری پیروی میکند. در این اصل، پرتفو بر اساس الگوهای تاریخی مشابه انتخاب میشود که در این مقاله برای یافتن الگوهای تاریخی مشابه از روش خوشه‌بندی طیفیدر داده کاوی استفاده شده است. در این خصوص یک مثال عددی با استفاده از ۲۰ سهم فعال‌تر در بورس نیویورک ارائه شده و نتایج آن با الگوریتمهای دیگر در این حوزه مقایسه شده است. پرونده مقاله
سکوی نشر دانش
سند یا سکوی نشر دانش ،سامانه ای جهت مدیریت حوزه علمی و پژوهشی نشریات دانشگاه آزاد می باشد
پیوندهای سایت
مراکز مرتبط
پشتیبانی
صفحات رسمی
حقوق این وب‌سایت متعلق به سامانه مدیریت نشریات دانشگاه آزاد اسلامی است.
حق نشر © 1403-1400