پایان نامه کارشناسی
دانلود مقالات فنی و مهندسی و علوم انسانی (علوم تربیتی روانشناختی)پایان نامه کارشناسی
دانلود مقالات فنی و مهندسی و علوم انسانی (علوم تربیتی روانشناختی)درخت تصمیم گیری decision tree
دسته: کامپیوتر
حجم فایل: 1286 کیلوبایت
تعداد صفحه: 66
درخت تصمیم گیری decision tree
داده کاوی: Data mining
کمپانی های زیادی از ابزارهای داده کاوی بهره گرفته اند تا بتوانند داده های حجیم و گسترده را مورد تجزیه و تحلیل قراد داده و روندهای موجود را بیابند. به عنوان نمونه فروشگاه بزرگ وال-مارت یکی از بزرگترین فروشگاههای زنجیره ای اقدام به ایجاد پایگاه عظیمی از داده ها به حجم 24ترابایت (ترلیون بایت) نموده است. با استفاده از این پایگاه وال _مارت قادر است تا بطور همزمان اقدام به گردآوری و تحلیل روند فروش کالا در2900شعبه فروش نماید. شاید جالب توجه باشد که بکمک ابزار هوشمندداده کاوی یا اکتشاف روند داده ها، فروشگاه فوق می تواند اطلاعات کلیه خریدها در سطوح هر بخش از فروشگاه، موجودی کالا درهر قفسه، موجودی انبار، پیش بینی فروش، کاهش یا افزایش قیمت ها، کالاهای مرجوعی توسط مشتریان و… را گردآوری نموده ودر اختیار مدیران فروشگاه، توزیع کنندگان و مشتریان خود قرار می دهد. این فناوری نرم افزاری قدرت مانور بی نظیری برای وال _ مارت ایجاد کرده است تا بتواند کالاهای مناسب را در کوتاهترین زمان به هر یک از فروشگاههای متقاضی برساند.
درخت تصمیم گیری
درخت تصمیم گیری یکی از ابزارهای قوی و متداول برای دسته بندی و پیش بینی می باشد. درخت تصمیم گیری برخلاف شبکه های عصبی به تولید قانون می پردازد. یعنی درخت تصمیم گیریپیش بینی خود را در قالب یکسری قوانین توضیح می دهد در حالیکه در شبکه های عصبی تنها پیش بینی بیان می شود و چگونگی آن در خود شبکه پنهان باقی می ماند. همچنین در درخت تصمیم گیری بر خلاف شبکه های عصبی لزومی ندارد که داده ها لزوما بصورت عددی باشند.
بعضی موارد وجود دارد که تنها درستی دسته بندی و پیش بینی مهم است و لزوما توضیحی برای پیش بینی انجام شده لازم نمی باشد. بعنوان مثال می توان یک شرکت مخابراتی را در نظر گرفت که می خواهد ببیند کدامیک از مشتریانش به خدمت جدیدی که ارائه می شود پاسخ مثبت می دهند. برای این شرکت درستی پیش بینی مهم است و شاید علت و توضیحی در مورد پیش بینی نیاز نداشته باشد. در حالیکه یک شرکت که قصد بازاریابی و کسب یکسری مشتری جدید دارد علاقه مند است که بداند که ویژگیهای مشتریانی که احتمالا به محصول این شرکت پاسخ می دهند چیست. در واقع با اطلاع ازاین ویژگیها این شرکت می تواند سراغ افرادی برود که با احتمال بیشتری به محصول این شرکت پاسخ مثبت می دهند. بعبارت دیگر این شرکت نیاز به یکسری قانون برای انجام بهتر فعالیت بازاریابی خود دارد. یکی از این قانونها می تواند بصورت زیر باشد
مطالب مرتبط
- بررسی و مطالعه کامل داده کاوی با (SQL server 2005) پیاده سازی آن روی بانک…
- پاورپوینت داده کاوی جریان داده ها با درختهای تصمیم گیری
- ایجاد سیستم خبره ارجاع بیمارستان همراه با الگوریتم سیستم…
- ادغام برنامه ریزی سلسله مراتبی و داده کاوی (پیشنهاد محصول به…
- ادغام برنامه ریزی سلسله مراتبی و داده کاوی (ترجمه)
مدیریت استراتژیک خدمات در تجارت الکترونیک
- عنوان لاتین مقاله: The classification and strategic management of services in e-commerce
- عنوان فارسی مقاله: طبقه بندی و مدیریت استراتژیک خدمات در تجارت الکترونیک
- دسته: مدیریت
- فرمت فایل ترجمه شده: WORD (قابل ویرایش)
- تعداد صفحات فایل ترجمه شده: 8
- ترجمه سلیس و روان مقاله آماده خرید است.
خلاصه
بررسی های قبلی نتوانسته بخش خدماتی را مد نظر قرار دهد، که امروزه بخش مهمی از تراکنش های تجارت الکترونیک را شامل می گردد. برای غلبه بر چنین محدودیت هایی، این پژوهش تمرکزش را بر روی ارائه خدمات آنلاین قرار داده و به دنبال توسعه این طبقه بندی می باشد. به این منظور، خدمات آنلاین ار مکان های درگاه کشور کره شناسایی شده و توسط 11 متغیر دسته بندی شدند که درک مشتری را در مورد مشخصه های خدمات در بافت تجارت الکترونیک نشان می دهد. داده های تحلیل حاصل از بررسی بوده و تکنیک های داده کاوی و فرایندهای آماری شامل تحلیل فاکتور، خوشه بندی و تحلیل واریانس (ANOVA) مورد استفاده قرار گرفتند. در نتیجه، خدمات آنلاین به شش گروه دسته بندی شدند- متراکم، تخصصی، عقلانی، اعتبار، خدمات حمایتی و تاسیسات و مشخصه های مجزای هر گروه مورد بررسی قرار گرفته و استراتژی هایی برای بازاریتبی و فعالیت پیشنهاد شده اند. با درک خصوصیات منحصر به فرد هر گروه خدمات، مدیران می توانند به پیاد سازی استراتژی های مناسب تر پرداخته، نگرش های مثبت را به سمت تراکنش های آنلاین سوق داده و در نهایت اهداف خرید آنلاین را افزایش دهند.
مقدمه
از اواخر 1990، استفاده از وب سایتها به عنوان پل ارتباط بازاریابی با افزایش کاربران اینترنت افزایش یافت. پیشرفت فناوری اطلاعات سبب شد کالاها و خدمات گوناگونی بدون توجه به بعد زمان و مکان پدیدار شوند. نرم افزارهای پیشرفته منجر شد مشتریان و تجار تحت شرایط ایمن به خرید وفروش در اینترنت بپردازند. در نتیجه بازاریابی الکترونیکی به عنوان مکانی مجازی برای معاملات آنلاین مورد توجه قرار گرفت. که تلاش های بسیاری برای شناسایی عوامل موفقیت در تجارت الکترونیک صورت گرفت.
- فرمت: zip
- حجم: 0.21 مگابایت
- شماره ثبت: 411
مطالب مرتبط
ایجاد سیستم خبره ارجاع بیمارستان همراه با الگوریتم سیستم پشتیبانی تصمیم گیری مبتنی بر بهینه سازی و پیش بینی
دسته: پزشکی
حجم فایل: 1207 کیلوبایت
تعداد صفحه: 32
ایجاد سیستم خبره ارجاع بیمارستان همراه با الگوریتم سیستم پشتیبانی تصمیم گیری مبتنی بر بهینه سازی و پیش بینی
چکیده
تحقیق کنونی برای ایجاد یک سیستم خبره با استفاده از مسئله ارجاع بیمارستانی به عنوان نمونه، شیوه جدیدی را ارائه می دهد. عوامل زیادی نظیر خصیصه های سازمانی، ریسک های بیمار، پیمودن مسافت و فرصت های ادامه حیات و عوارض، می بایست در تصمیم گیری انتخاب بیمارستان گنجانده شوند. مطلوب این است که هر بیمار به طور جداگانه به وسیله فرایند تصمیم نه تنها با در نظر گرفتن وضعیت شان بلکه باورهای آن ها در مورد ارزیابی مقایسه ای میان خصیصه های بیمارستانی مطلوب، درمان شود. یک سیستم خبره می تواند به این تصمیم گیری پیچیده کمک نماید. بالأخص زمانی که عوامل زیادی باید در نظر گرفته شوند، ما روشی را پیشنهاد داده ایم که الگوریتم سیستم پشتیبانی تصمیم گیری مبتنی بر بهینه سازی و پیش بینی (PODSS) خوانده می شود که بدون یک پایه دانش مشخص، سیستم خبره ای را به وجود می آورد. این الگوریتم دانش را خودش با ایجاد طبقه سازی های یادگیری ماشینی از طریق مجموعه ای از نمونه های برچسب زده شده، کسب می کند. در پاسخ به یک سؤال، الگوریتم با استفاده از یک مرحله بهینه سازی، پیشنهاد سفارشی می دهد تا به بیمار کمک می کند که احتمال دستیابی به یک نتیجه مطلوب را به حد اکثر برساند. در این حالت، بیمارستان پیشنهادی، راه حل بهینه ای است که احتمال نتیجه مطلوب را به حداکثر می کند. این سیستم خبره با طرح ریزی درست می تواند عوامل زیادی را ترکیب کند تا اینکه پشتیبانی تصمصم گیری انتخاب بیمارستان را در سطح فردی ارائه نماید.
کلیدواژگان: سیستم های پشتیبانی تصمیم گیری؛ سیستم های خبره؛ داده کاوی؛ یادگیری ماشینی؛ ماشین های بردار پشتیبانی؛ بهینه سازی؛ هوش مصنوعی؛ ارجاع بیمارستان؛ کیفیت بیمارستان
مطالب مرتبط
حافظه
ابتدا باید بدانید که برای به یاد آوردن اطلاعات فرایندی وجود دارد. به عبارت دیگر، شما اطلاعات را به مغزتان می دهید، این داده ها برای مدتی آنجا می مانند و شما بعداً آنها را دوباره می خواهید. این سه مرحله در فرایند حافظه مجزا هستند و به نام های رمزگذاری (دادن اطلاعات) ، ذخیره سازی (نگهداری اطلاعات در آنجا) و فراخوانی (خواستن دوباره ی اطلاعات) شناخته می شوند. اما قبل از این که به جزئیات این سه مرحله بپردازیم بهتر است مثالی در این مورد بیاوریم.
مطالب مرتبط
الگوهای تناوبی اسنکرون داده کاوی در سری زمانی داده
چکیده
کشف تناوبی داده های سری زمانی به عنوان مسئله مهمی در بسیاری از برنامه های کاربردی می باشد. اکثر تحقیقات پیشین تمرکز خود را بر روی بررسی الگوهای تناوبی اسنکرون قرار داده و حضور الگوهای ناهمتراز را به دلیل مداخله پارازیت های تصادفی مد نظر قرار نمی دهد. در این مقاله، مدل انعطاف پذیرتری را در ارتباط با الگوهای تناوبی اسنکرون مطرح می کنیم که تنها درون توالی مد نظر قرار گرفته و وقوع آن ها به دلیل وجود این اختلالات تغییر می یابد. دو پارامتر min-rep و max-dis،به کار گرفته می شوند تا به تعیین حداقل تعداد تکرارها بپردازیم که در هر بخش از ظهور الگوها غیرمختل و حداکثر اختلال بین دو بخش معتبرمتوالی، مورد نیاز می باشد. بعد از برطرف شدن این دو شرایط، بلندترین توالی معتبر الگو، برگشت داده می شود. یک الگوریتم دو مرحله ای طراحی می گردد تا در ابتدا به ایجاد دوره های بلقوه از طریق برش مبتنی بر مسافت به دنبال روش تکرار برای دسترسی و ایجاد اعتبار برای الگوهاو مکان یابی طولانی ترین توالی معتبر بپردازد. ما همچنین نشان می دهیم که این الگوریتم نه تنها پیچیدگی های زمانی طولی را با توجه به طول توالی ها ایجاد می کند بلکه دسترسی به بهره وری فضا دارد.
کلیدواژه: الگوهای تناوبی اسنکرون، روش مبتنی بر بخش، تناوب نسبی
مقدمه
تشخیص تناوبی در ارتباط با اطلاعات سری زمانی به عنوان یک مسئله چالش انگیز می باشد که دارای اهمیت مهمی در بسیاری از کاربردها می باشد.بیشتر تحقیقات گذشته در این دوره بر این مبنا می باشد که اختلالات در یک سری از تکرار الگوها، منجر به عدم همزمان سازی وقوع متوالی الگوها با توجه به رویدادهای گذشته نمی گردد. برای نمونه، "جو اسمیت هر روز روزنامه می خواند" به عنوان یک الگوی تناوبی می باشد. حتی اگر او هر از گاهی در صبحگاه روزنامه نخواند، چنین اختلالی این حقیقت را تحت تاثیر قرار نمی دهد که او در صبح چند روز متوالی روزنامه می خواند. به عبارت دیگر، این اختلالات تنها در ارتباط با وقوع مشکلات پیش می آید اما این موارد معمول تر از ورود پارازیت های تصادفی نمی باشد. به هر حال چنین فرضیاتی اغلب محدود کننده بوده از این رو ما ممکن است نتوانیم به تشخیص بعضی از الگوها بپردازیم اگر بعضی از این توالی ها به دلیل وجود پارازیت ها، دچار اختلال گردند. کاربردهای مربوط به پر کردن موجودی ها را مد نظر قرار دهید. پیشینه مربوط به سفارشات صورت های موجود به عنوان یک توالی مد نظر قرار می گیرد. تصور کنید، که فاصله زمانی بین اشباع داروها به طور نرمال، ماهانه باشد. شیوه های مربوط به اشباع سازی در شروع هر ماه قبل از شروع آنفولانزا مد نظر قرار می گیرد که در نهایت منتهی به فرایند اشباع سازی در هفته سوم می گردد. به این ترتیب اگر چه این بسامد اشباع سازی, در هر ماه تکرار می گردد، این زمان به سه هفته در ماه منتهی می گردد. از این رو، این مورد زمانی مد نظر قرار می گیرد که این الگوها قابل تشخیص بوده و این اختلالات در یک حد مطلوبی باشد.