الگوریتم k-means

نواحی ترافیکی که برای نمایش مکان های تولید و جذب سفر به کار گرفته می شوند در بسیاری از برنامه ریزی های حمل ونقل کاربرد گسترده ای دارند. از آنجا که نحوة تعیین این نواحی روی نتایج حاصل از تحلیل و مدل سازی های حمل ونقل تأثیر فراوانی دارد، طراحی مناسب آن بسیار مهم است. در این مقاله با استفاده از سامانه اطلاعات مکانی روشی کارآمد برای طراحی مناسب این نواحی ارائه شده است. با استفاده از روش ارائه شده می توان معیارهای مختلفی را برای ایجاد نواحی ترافیکی همگن در نظر گرفت و تعداد و اندازه شان را کنترل کرد. در روش پیشنهادی این مقاله از تکنیک k-means برای خوشه بندی واحدهای مکانی پایه و ایجاد نواحی ترافیکی همگن استفاده شده است. برای جلوگیری از ایجاد فضای خالی و همپوشانی میان نواحی و نیز ممانعت از تشکیل نواحی با اندازه های خیلی بزرگ یا کوچک، قیدهایی به تکنیک k-means افزوده شده است. اما ایجاد نواحی همگن بدون درنظرگرفتن فشردگی شکل هندسی، سبب پیچیدگی شکل هندسی نواحی می گردد. به منظور برطرف ساختن این مشکل یک الگوریتم هندسی برای ایجاد نواحی با شکل هندسی فشرده شرح و بسط داده شده است. در نهایت از روش پیشنهادی برای طراحی مجدد نواحی ترافیکی شهر تهران و مقایسة نتایج آن با نواحی ترافیکی موجود استفاده شده است. نتایج حاصل نشان می دهد که نواحی طراحی شده در این مقاله بسیار همگن تر از نواحی موجود است. اگرچه با اعمال الگوریتم فشردگی شکل هندسی، از میزان همگنی نواحی ایجادشده کاسته می شود، اما باز هم از نواحی موجود همگن ترند.

کاربری زمین و حمل ونقل و انتقالات شهری دو جزء جدانشدنی سیستم عمومی ساختار شهری و مبحث کلیدی مطالعات شهری و ناحیه ای محسوب می شوند؛ زیرا یکی از نقش های اساسی زندگی شهری را تشکیل می دهند که با ارتبا ط بخشی امور انسانی به یکدیگر و جریان یابی افراد، کالا، انرژی و اطلاعات محقق می شود. هدف پژوهش توصیفی-تحلیلی و کاربری حاضر، ارزیابی تأثیرات اراضی شهری در ایجاد حجم ترافیک برای ساماندهی و بازتوزیع فضایی آن ها در بافت مرکزی شهر کاشان است. در این پژوهش، کاربری آموزشی (دبستان، راهنمایی و دبیرستان) و کاربری درمانی در محدوده مرکزی کاشان برای نمونه بررسی شدند. ابزار اصلی گردآوری داده ها مصاحبه و اطلاعات طبقه بندی شده کاربری اراضی شهرداری بود. برای تجزیه و تحلیل داده ها نیز از الگوریتم k-means در محیط Arc GIS استفاده شد. در بازه زمانی که برای بازتوزیع کاربری های مورد مطالعه با استفاده از الگوریتم k-means درنظر گرفته شد، در حداقل شعاع دسترسی دبستان 14/16 درصد و در حداکثر شعاع دسترسی آن 99/17 درصد، کاربری دبیرستان در حداقل شعاع دسترسی 22/17 درصد و در حداکثر شعاع دسترسی آن 31/1 درصد، کاربری مدرسه راهنمایی در حداقل شعاع دسترسی 32/7 و در حداکثر شعاع دسترسی 67/6 درصد و در کاربری درمانی در حداقل شعاع دسترسی 51/31 از ترافیک شهری کاسته خواهد شد. نتایج این پژوهش میزان تراکم ترافیک در بخش مرکزی کاشان را در مقایسه با کل شهر و نقش کاربری بهداشتی و درمانی در ترافیک بخش مرکزی به دلیل هم پوشانی به کل شهر نشان می دهد.

اقتصاد دانش بنیان، جدیدترین الگوی تولید در عصر حاضر بوده و تاکنون، دستاوردهای کم نظیری برای طیف گسترده ای از کشورهای مختلف به همراه داشته است. هدف این مقاله، طبقه بندی استان های ایران از منظر اقتصاد دانش بنیان می باشد. طبقه بندی استان ها بر اساس میزان تشابه آنها در دستیابی به الگوی تولید دانش بنیان، نخستین گام برای یک برنامه ریزی صحیح و واقع بینانه است. از نسخه یکسانی برای استان های با وضعیت متفاوت، نمی توان استفاده کرد. شاخص اقتصاد دانش بنیان منطقه ای در سه محور اصلی آموزش، نوآوری و فنّاوری اطلاعات و ارتباطات و بر اساس 15 زیرشاخص، تعریف، و طبقه بندی، بر اساس تکنیک خوشه بندی- یکی از شاخه های یادگیری بدون نظارت- انجام، و برای این منظور، دو الگوریتم k-means و c-means فازی به طور همزمان به کار گرفته شده است تا مقایسه نتایج آنها امکان پذیر شود. تعداد خوشه بهینه نیز از طریق ضریب سیلوئیت [1] محاسبه شده است. این ضریب، همچنین میزان درستی نتایج خوشه بندی را نشان می دهد. خوشه بندی بر اساس الگوریتم c-means فازی و در حالت 6 خوشه با ضریب سیلوئیت 77/0 مناسب ترین طبقه بندی برای هدف پژوهش است. نتایج نشان می دهد، ناهمگونی مشهودی بین استان های مختلف از نظر اقتصاد دانش بنیان وجود دارد. تهران و البرز در خوشه های جداگانه و جزء طبقات پیشرو نسبت به سایرین قرار دارند؛ در حالی که بیش از نیمی از استان ها در خوشه انتهایی طبقه بندی می شوند. [1] . Silhouette Coefficient

بسیاری از بانک های کشور به منظور مدیریت مشکلات و شکایات مشتریان و شعب خود، بخشی از واحد مدیریت ارتباط با مشتریان را به شرکت هایی از قبیل مراکز تماس برون سپاری می کنند. با توجه به اینکه این واحد مهم در خارج از بانک ها مدیریت می شود لذا تحلیل داده های آن و ارزیابی عملکرد مراکز تماس از اهمیت بسیاری برخوردار است از سوی دیگر بسیاری از بانک ها توانایی تحلیل و چگونگی استفاده از الگوهای پنهان موجود در داده ها را ندارند، به همین منظور در این مقاله سعی داریم تا با ارائه مدل RFS، شعب بانک را بر اساس شباهت فاکتورهای R به معنی تازگی اعلام مشکل، F فرکانس یا تعداد مشکلات و S میزان رضایت شعب از مرکز تماس، خوشه بندی نموده وارتباط میان فاکتورهای موجود با نوع مشکلات اعلام شده را بیابیم. همچنین با بررسی فاکتور S می توان توانایی مرکز تماس در جهت رفع مشکلات شعب هر خوشه را ارزیابی نمود. شعب بر اساس الگوی رفتارشان در چهار خوشه بهینه توزیع شده، نتایج تحلیل و در پایان پیشنهادهایی به منظور بهبود عملکرد مرکز تماس ارائه شده است.

در دنیای پر رقابت امروز، بکارگیری تکنیک های جدید در پیشرفت کسب و کار تاثیر به سزایی دارد. صنعت رستوران نیز از این قاعده مستثنی نمی باشد. از این رو، در این پژوهش، با استفاده از روش های نوین کشف دانش و داده کاوی به بررسی داده های مشتریان رستوران زنجیره ای پرداخته شده است. هدف از این تحقیق، کشف الگوهای رفتاری مشتریان با استفاده از روش های داده کاوی بوده است. در این تحقیق، تعداد یک میلیون و پانصد هزار رکورد از سوابق مشتریان در 5 شعبه یک رستوران زنجیره ای مورد بررسی قرار گرفته اند و دو مرحله مدلسازی خوشه بندی با استفاده از متد RFM و سپس مدلسازی دسته بندی بر روی داده ها اجرا گردید و قواعد رفتاری مشتریان رستوران زنجیره ای استخراج گردید. نتایج به دست آمده از این تحقیق، به شناخت مشتریان وفادار و سودآور رستوران زنجیره ای کمک کرده است که نهایتا منجر به بهبود سودآوری رستوران زنجیره ای گردیده است. برقراری ارتباط بین نتایج به دست آمده از خوشه بندی و دسته بندی از جمله نوآوری های این تحقیق بوده است.