مطالب مرتبط با کلید واژه

درخت تصمیم گیری


۱.

بررسی عوامل کلیدی موثر بر موفقیت عرضه خدمات اینترنتی و ارائه یک مدل پیش بینی کننده با استفاده از درخت تصمیم گیری

تعداد بازدید : ۱۳۷۳ تعداد دانلود : ۶۶۴
عوامل کلیدی موفقیت، مهم ترین عوامل اثرگذار بر موفقیت یک کسب و کار هستند. هدف پژوهش حاضر این است که با شناسایی مهم ترین ویژگی های تاثیرگذار بر تشویق و ترغیب افراد در استفاده از بانکداری اینترنتی، یک مدل پیش بینی کننده برای موفقیت بانک ها در این عرصه ارایه کند. از آنجایی که استفاده از خدمات بانکداری اینترنتی مستلزم برخورداری کاربران از سواد رایانه ای است، جامعه آماری پژوهش را دانشجویان یکی از دانشگاههای دولتی کشور تشکیل می دهند که از میان آنها با روش تصادفی طبقه ای تعداد 267 نفر به عنوان نمونه انتخاب شدند. ابزار گردآوری داده ها پرسشنامه ای محقق ساخته است که 8 متغیر مستقل تاثیرگذار بر قصد استفاده مشتریان از بانکداری اینترنتی را مورد بررسی قرار داده سپس همبستگی این متغیرها با قصد استفاده مشتریان از بانکداری اینترنتی را مشخص کرده است. متغیرهای رابطه عضویت(368/0)، سفارش پذیری(336/0)، درجه حیاتی بودن(332/0)، قیمت(329/0)، اهمیت نیروی انسانی(269/0)، دانش حرفه ای(239/0) و درجه تعامل(221/0) به ترتیب دارای همبستگی معنی دار با متغیر وابسته تحقیق بوده اند. درخت تصمیم ارایه شده نیز نشان می دهد که با استفاده از این مدل می توان موفقیت ارایه خدمات بانکداری اینترنتی را قبل از اجرا پیش بینی نمود.
۲.

تهیه نقشه های پوشش اراضی به کمک سنجش از دور با استفاده از خوارزمیک درخت تصمیم گیری (مطالعه موردی: پارک ملی و پناهگاه حیات وحش بختگان)

تعداد بازدید : ۱۸۲۶ تعداد دانلود : ۸۴۰
در اختیار داشتن نقشه­های کاربری اراضی جدید در بسیاری از زمینه­ها از جمله مدیریت منابع طبیعی و برنامه ریزی برای سرزمین از اهمیت بسیاری برخوردار است. پارک های ملی و پناهگاه های حیات وحش از مهمترین سرمایه­های اکولوژیکی کشور ما به شمار می­روند. از این رو اطلاع بهنگام از وضعیت آنها نقش اساسی در کیفیت مدیریت چنین مناطقی دارد. داده­های سنجش از دور یکی از مهمترین و بهترین منابع در تولید و به روز رسانی نقشه­های کاربری و پوشش اراضی به شمار می روند. در این پژوهش، به منظور به روز کردن و تهیه نقشه کاربری اراضی جدید پارک ملی و پناهگاه حیات وحش بختگان از تصاویر سال 2010 سنجنده TM ماهواره لندست استفاده شد. برای طبقه­بندی تصویر از مدلی جدید بر پایه تلفیق نتایج حاصل از خوارزمیک حداکثر احتمال با طبقه­بندی درخت تصمیم گیری استفاده شد. به این منظور یک مدل با استفاده از پردازش شاخص­های پوشش گیاهی، آب و داده­های جانبی در خوارزمیک درخت تصمیم تعریف و اجرا شد. صحت­کلی72/92 درصد و صحت­های بالای کاربر و تولید کننده حاکی از قابلیت بالای خوارزمیک درخت تصمیم در تهیه نقشه­های کاربری اراضی است. در نتیجه استفاده از این خوارزمیک می توان دقت طبقه­بندی را از طریق استفاده از داده­های جانبی در طبقه ­ بندی تا حد زیادی افزایش داد و نقشه های کاربری و پوشش اراضی را با کیفیت بهتر تولید نمود.
۳.

محاسبة دمای سطح زمین با استفاده از روش سبال و درخت تصمیم گیری در محیط RS, GIS در بخش مرکزی منطقه مراغه

کلید واژه ها: سیستم اطلاعات جغرافیایی سنجش از دور دمای سطح زمین سبال درخت تصمیم گیری تصویرETM+ بخش مرکزی مراغه

حوزه های تخصصی:
  1. حوزه‌های تخصصی جغرافیا جغرافیای طبیعی آب و هواشناسی
  2. حوزه‌های تخصصی جغرافیا فنون جغرافیایی روش های کمی در جغرافیا
تعداد بازدید : ۱۸۱۶ تعداد دانلود : ۸۰۹
دمای سـطح زمین برای انواع وسیعی از مطالعات علمی از اقلیم­شناسـی و هواشناسـی تا هیدرولوژی، بوم­شناسی، زمین­شناسی، علوم پزشکی، طراحی و بهسازی شبکه حمل و نقل و مکانیابی آتش سوزی ها و بویژه در محاسبه تبخیر ـ تعرق واقعی مورد نیاز است. با توجه به پایش دمای سطح زمین در تعداد محدودی از ایستگاه­های هواشناسی به صورت نقطه ای و نیاز به توزیع مکانی دمای سطح در پهنه وسیع و به طور همزمان، دمای سطح برآورد شد. جهت دستیابی به دمای سطح زمین از الگوریتم سبال و طبقه بندی از نوع درخت تصمیم گیری استفاده شد. با استفاده از تصویر ETM+ و انجام مراحل پیش پردازش، تصویر برای اجرای روش سبال آماده گردید. جهت انجام مراحل فوق الذکر از نرم افزارهای Envi4.5 و ArcGIS9.3 استفاده گردید. در این مقاله با برآورد اختلاف کمتر از 57/5 درجه سانتی­گراد، اختلاف رضایت­بخشی بین دمای سطح برآورد شده از طریق سنجش از دور و دمای برآورد شده از آمار اندازه گیری شده 12 ساله از سطح زمین (1993 الی 2005) در ایستگاه هواشناسی مراغه به دست آمد. لذا دمای برآوردی از طریق سنجش از دور قابل کاربرد در مطالعات و تحقیقات علوم زمین و محیط زیست می باشد.
۴.

آشکارسازی تغییرات ساختمان ها از تصاویر ماهواره ای کوئیک برد با استفاده از الگوریتم درخت تصمیم گیری

کلید واژه ها: سنجش از دور درخت تصمیم گیری پیکسل مبنا ممیزی املاک کوئیک برد

حوزه های تخصصی:
  1. حوزه‌های تخصصی جغرافیا فنون جغرافیایی سنجش از راه دور GIS
  2. حوزه‌های تخصصی جغرافیا فنون جغرافیایی روش های کمی در جغرافیا
  3. حوزه‌های تخصصی جغرافیا جغرافیای انسانی جغرافیای شهری مسکن شهری
تعداد بازدید : ۷۳۴ تعداد دانلود : ۲۹۲
استخراج محدوده ساختمان ها از تصاویر ماهواره ای نه تنها نقش انسان را در تولید نقشه های شهری کاهش می دهد بلکه در زمان و هزینه تولید این نقشه ها صرفه جویی قابل توجهی صورت خواهد گرفت. همچنین امکان تهیه نقشه محدوده ساختمانها در بازه های زمانی کوتاه مدت سالیانه، ماهیانه و حتی کوتاه تر را نیز فراهم می آورد. شهرداریها و سایر ارگانهای شهری نیاز به نقشه های بروز از ساختمانها و سایر عوارض شهر دارند. روش انتخابی برای انجام این کار بر اساس اطلاعات هر پیکسل(Pixel Base) و با استفاده از الگوریتم درخت تصمیم گیری (Decesion Tree) است. به این صورت که با تعیین حد آستانه های مناسب با توجه به ویژگیهای طیفی هر پدیده نسبت به حذف مرحله ای عوارض اقدام و در نهایت کلاس ساختمانها با توجه به هدف مطالعه استخراج گردید. عملیات فوق بر روی تصاویر دو زمانه مربوط به سالهای ۲۰۰۸ و ۲۰۱۲میلادی انجام و سپس نقشه تغییرات ساختمانها استخراج گردید و درنهایت نقشه خروجی با نقشه های رقومی املاک در وضع موجود که از ممیزی سطح شهر تولید شده مقایسه و دقت روش انتخابی مورد ارزیابی قرار گرفته است.
۵.

پیش بینی مدیریت سود با استفاده از شبکه عصبی و درخت تصمیم در صنایع کشاورزی و نساجی شرکت های پذیرفته شده در بورس اوراق بهادار تهران

کلید واژه ها: شبکه عصبی مدیریت سود درخت تصمیم گیری

حوزه های تخصصی:
تعداد بازدید : ۶۴۷ تعداد دانلود : ۳۰۰
امروزه روش های کمی، به یکی ازمهمترین ابزارهای پیش بینی برای اخذ تصمیمات و سرمایه گذاری های کلان دربازارها تبدیل شده اند. دقت پیش بینی، یکی ازمهم ترین فاکتورهای انتخاب روش پیش بینی است. هدف اصلی این تحقیق بررسی دقت پیش بینی مدیریت سود با استفاده ازشبکه های عصبی و درخت تصمیم گیری و مقایسه آن بامدل های خطی است. برای این منظورنه متغیر تأثیرگذار برمدیریت سود به عنوان متغیرهای مستقل واقلام تعهدی اختیاری، به عنوان متغیر وابسته مورد استفاده قرار گرفته است. در این تحقیق دو صنعت کشاورزی و نساجی ازسال 1385 تا سال1390مورد بررسی قرارگرفت. ازروش رگرسیون کمترین مربعات جهت مدل خطی واز شبکه عصبی پیشخور و درخت تصمیم گیریCart جهت بررسی ازطریق تکنیک های داده کاوی استفاده شد. نتایج حاصل ازاین تحقیق نشان دادکه روش شبکه عصبی و درخت تصمیم گیری درپیش بینی مدیریت سود نسبت به روش های خطی دقیق ترودارای سطح خطای کمتری است. در رابطه با ارتباط بین متغیرهای وابسته با متغیر مستقل نیز می توان گفت، مدیریت سود با متغیرهای اقلام تعهدی اختیاری دوره قبل(DAI)، اقلام تعهدی غیراختیاری دوره قبل یا آستانه عملکرد(THOD) وحساسیت در پرداخت بابت عملکرد (PPS)درروش های رگرسیون، شبکه عصبی، درختCart دارای بیشترین ارتباط است.
۶.

ارزیابی کارایی مدل درختان تصمیم گیری در برآورد رسوبات معلق رودخانه ای مطالعه موردی: حوضه رودخانه میمه

کلید واژه ها: داده کاوی درخت تصمیم گیری رسوب معلق الگوریتم CART منحنی سنجه رسوب رودخانه میمه

حوزه های تخصصی:
تعداد بازدید : ۴۵۳ تعداد دانلود : ۲۸۶
به دلیل اهمیت و نقش پدیده انتقال رسوب در مبحث حوضه های آبریز، از جمله ساماندهی رودخانه ها که به منظور مهار فرسایش و رسوب گذاری و یا تثبیت بستر و دفع سیلاب انجام می گیرد، آگاهی و تعیین میزان رسوب حمل شده توسط رودخانه از دیرباز مورد توجه قرار گرفته است. هدف از انجام این تحقیق، تعیین کارایی مدل درختان تصمیم گیری (به عنوان یکی از روش های داده کاوی) در برآورد رسوبات معلق رودخانه میمه است. داده های مورد استفاده شامل دبی رسوب و دبی آب است که به صورت متناظر برداشت شده بود و همچنین بارش و دبی های روزانه مربوط به دوره آماری از سال 1347-1346 تا سال 1389-1388. پس از پردازش داده ها، تعداد 554 رکورد که آمار دبی و رسوب متناظر آنها موجود بود، انتخاب و نتایج به دست آمده با روش مرسوم منحنی سنجه رسوب مقایسه شد. برای مقایسه نتایج از معیارهای آماری R، RMSE، MAE، r 2و Bias  استفاده شده است. سپس برای بررسی تأثیر بارش ها و دبی های روزانه در دقت برآورد رسوب توسط مدل درختی، در گام دوم داده های مربوط به بارش و دبی های روزانه به مدل اضافه گردید. بر اساس نتایج به دست آمده، مدل درخت تصمیم گیری نتایج قابل قبولی را درجهت شبیه سازی بار معلق در ایستگاه مورد مطالعه ارائه کرده است. به طوری که بر اساس معیارهای  RMSE،MAE، r 2و Bias درخت تصمیم گیری نسبت به منحنی سنجه رسوب با خطای کمتری رسوبات را برآورد کرده است. همچنین نتایج بیانگر این مطلب است که ورود داده های بارش و دبی روزانه تغییر زیادی در نتایج ایجاد نکرده و میزان رسوبات با دبی های متناظر بیشترین همبستگی را دارد
۷.

بررسی تغییرات کاربری اراضی پایین دست سد کجکی حوضه هیرمند افغانستان با استفاده از طبقه بندی کنندة بیشترین شباهت، درخت تصمیم گیری و ماشین های بردار پشتیبان

تعداد بازدید : ۲۴۴ تعداد دانلود : ۲۱۳
کاهش آورد رودخانه مرزی هیرمند از افغانستان به ایران از چالش های همیشگی مدیریت منابع آب در شرق کشور بوده که در سال های اخیر تشدید شده است. توسعة کشاورزی در پایین دست سد کجکی (در حوضه آبریز رودخانه هیرمند) در افغانستان و خشکسالی اخیر از دلایل کم شدن آب این رودخانه به شمار می آید. در مقالة حاضر به طور کمّی به این موضوع پرداخته می شود و برای این منظور کاربری اراضی دشت هلمند افغانستان با استفاده از تصاویر ماهواره ای بررسی شده است. به خاطر اهمیت نوع الگوریتم انتخاب شده در تهیه تصاویر طبقه بندی شده، سه الگوریتم بیشترین شباهت (MLC)، درخت تصمیم گیری (DT) و ماشین های بردار پشتیبان (SVM) ارزیابی شده اند. از مشکلات عمده در انجام آزمون ها، تهیة نمونه های آموزشی از افغانستان است؛ بدین منظور از نقشه های FAO، نقشه های اطلس کاربری اراضی افغانستان، نقشه های مرکز سازمان زمین شناسی امریکا و تصاویر Google Earth کمک گرفته شد. با توجه به تصاویر موجود، دورة 20 سالة اخیر در سه تاریخ 1990، 2001 و 2011 میلادی مربوط به ماهواره لندست (ETM+ TM,) در نظر گرفته شد و از هر سه روش جواب های نسبتاً مشابهی به دست آمد. نقشه های حاصل از الگوریتم های فوق با ضریب کاپا و دقت کلی ارزیابی شدند و دقت مناسبی داشتند. نتایج تغییرات کاربری اراضی نشان می دهند که مجموع کل کشت محصولات آبی در منطقه، حدود 62 درصد افزایش یافته، به طوری که مقدار آن از رقم 103 هزار هکتار در سال 1990، به حدود 122 هزار هکتار در سال 2001 و به حدود 167 هزار هکتار در سال 2011 رسید که مؤید تأثیر قطعی آن بر کاهش رواناب ورودی از رودخانه هیرمند به کشور است. با وجود نتایج نزدیک روش ها، طبقه بندی درخت تصمیم گیری کارآمدی بیشتری از لحاظ اتکای کمتر به نمونه های آموزشی از خود نشان داد.
۸.

کاربرد داده کاوی در پیش بینی وضعیت بیماران نادر با استفاده از درخت تصمیم گیری؛ مطالعه موردی سامانه بنیاد بیماری های نادر ایران (سبنا)

تعداد بازدید : ۱۱۱ تعداد دانلود : ۶۰
پایگاه داده ها در حوزه ی سلامت حاوی میزان وسیعی از داده های بالینی است که کشف ارتباطات و الگوها در آن می تواند به دانش جدید پزشکی بیانجامد. امروزه با توجه به پیدایش نظا م های اطلاعات یکپارچه و رشد فن آوری اطلاعات، این مهم بیش از پیش نمایان شده است. این مطالعه با هدف شناسایی مزایای بالقوه ای که داده کاوی می تواند به بخش بهداشت و درمان، با استفاده از داده های بنیاد بیماری های نادر ایران به عنوان مطالعه موردی ارائه دهد، انجام پذیرفته است. معمول ترین روش داده کاوی که درخت تصمیم گیری می باشد برای تولید مدل پیش بینی با مصورسازی درخت برای انجام تحلیل پیش بینی بیماری نادر مورد استفاده قرارگرفته است. تمام مراحل فرایند داده کاوی با ابزاری به نام وکا (WEKA) انجام شده است. علاوه بر این، از وکا برای ارزیابی عملکرد پیش بینی از طریق اندازه گیری دقت، ویژگی و تحلیل حساسیت استفاده شده است. از جمله نتایج پژوهش حاضر، برخی از عواملی است که مراکز حمایتی بیمار می توانند در هنگام پیش بینی هزینه های درمان بیمار مورد توجه قرار دهند. شاخص جنس یا سن، به شدت تحت تاثیر مدت زمان بستری بیمار قرار می گیرد. بیمار سالخورده با بیماری نادر باید در مراکز درمانی تحت مراقبت و مدت زمان بستری طولانی تری نسبت به افراد جوان تر قرار گیرد. در نتیجه، درخت تصمیم گیری یک روش مفید و آموزنده برای انجام داده کاوی پیش بینی شده است.
۹.

روشی نوین در ارزشیابی و رتبه بندی معلمان با استفاده از درخت تصمیم گیری

تعداد بازدید : ۱۰۴ تعداد دانلود : ۱۶۵۶
ارزشیابی معلمان یکی از سیاست های آموزشی مهم محسوب می شود و راهبردی قوی برای بهبود آموزش در جهت رسیدن به پیشرفت تحصیلی بهتراست. ازجمله مدل های ارزشیابی برای رسیدن به این هدف، مدل «چارچوبی برای آموزش» دنیلسون است. این مدل دربرگیرنده چهار حیطه برنامه ریزی، محیط کلاسی، نحوه آموزش و مسئولیت پذیری است که هر یک به نحوی توصیف کننده ویژگی ها و رفتارهای معلمان می باشد. در روش کنونی این مدل ارزشیابی، مقادیر معیارها با اعداد ثابت سنجیده می شود. همچنین پیچیدگی فرآیند ارزشیابی، احتمال بروز خطای انسانی را از جانب ارزیاب افزایش می دهد. به عنوان راه حلی مناسب، در این مقاله، یک سیستم نرم افزاری ارزشیابی با استفاده از منطق« فازی» و درخت تصمیم گیری به عنوان پارادایم های هوش مصنوعی پیشنهاد شده است. در مدل پیشنهادی، امتیاز هر معیار از مدل دنیلسون (که پیش از این با اعداد ثابت سنجیده می شد) به صورت فازی سنجیده می شود و دسته بندی معلمان با استفاده از درخت تصمیم انجام خواهد شد. این مدل نرم افزاری، به دلیل استفاده از متغیرهای کیفی فازی، فرآیند ارزشیابی را برای ارزیاب بسیار آسان تر از روش قبل و با دقت بسیار بالایی انجام می دهد. در این پژوهش فرآیند ارزشیابی و رتبه بندی معلمان چند مدرسه از ناحیه 4 کرج، در بازه زمانی ابتدای مهر تا انتهای اسفند 93 توسط این سیستم ارزشیابی مورد بررسی قرار گرفته است. درمجموع، این مدل می تواند به عنوان یک سیستم پشتیبان تصمیم گیری و نرم افزاری دقیق، توسط مدیران در ارزشیابی و رتبه بندی معلمان مورد استفاده قرار گیرد.