خوشه بندی فازی

هدف این تحقیق خوشه بندی بارش ایران به منظور شناخت تفاوتهای مکانی آن است. داده های روزانه بارش، رطوبت نسبی و دمای نقطه شبنم 63 ایستگاه کشور در بازه زمانی 1985 تا 2013 از سازمان هواشناسی کشور اخذ شد. این داده های خام با استفاده از روش نگاشت تجزیه به مقادیر منفرد (SVD) فشرده و کاهش بعد داده شد و به عنوان ویژگیهای غیرخطی آماده سازی گردید. علاوه بر این ویژگیها 9 ویژگی بارش شامل روزهای با بارش سنگین (بزرگ تر مساوی 10 میلی متر)، روزهای با بارش خیلی سنگین (بزرگ تر مساوی 20 میلیمتر)، روزهای با بارش بزرگ تر مساوی 25 میلیمتر، بزرگ ترین تعداد روزهای خشک متوالی (CWD)، بزرگ ترین تعداد روزهای تر متوالی (CDD) و تعداد روزهای بارش در هر فصل به عنوان ویژگیهای خطی از بارش روزانه استخراج شد. در مرحله نهایی این ویژگیهای خطی و غیرخطی به هم الحاق شده و به سیستم خوشه بندی فازی وارد شدند. نتایج این تحقیق 6 خوشه بارشی را در ایران نشان داد. نواحی ساحلی خزر، سواحل خلیج فارس و دریای عمان، نواحی بسیارخشک مرکزی، نواحی نیمه خشک، نواحی کوهستانی و نیمه کوهستانی در خوشه های مجزا قرار گرفتند که با عرض جغرافیایی، توپوگرافی ایران و دوری و نزدیکی از دریا و منابع رطوبتی مطابقت نشان میدهند. مقایسه نتایج این خوشه بندی با روشهای دیگر که تاکنون انجام شده است حاکی از تفکیک و جداسازی قابل قبول ایستگاهها و خوشه ها با توجه به میزان بارش ایستگاهها و عوامل موثر بر آن میباشد.

شناخت ویژگی های اجتماعی اقتصادی و نحوه تصمیم گیری و رفتار خانواده های مختل ف، از ابزارهای مهم برای ارزیابی سیاست ها و برنامه ریزی های اقتصادی و اجتماعی هر کشور به شمار می رود. تاکنون ارزیابی اقتصاد خانواده و طبقه بندی خانواده ها بر مبنای معیارهای بهزیستی خانواده در غرب انجام شده و هیچ گاه از منظر اقتصاد اسلامی و شاخص های بومی به آن نگریسته نشده است. محقق در این پژوهش بر مبنای الگوی اقتصاد خانواده ذومراتب و مقیاس طراحی شده برای آن، اقدام به انجام پیمایش و توصیف و تبیین الگوی اقتصادی خانواده ها نموده است. مزیت مهم این مقیاس، نسبت به سنجه ها و معیارهای متعارف، جامعیت نگرش به خانواده با محوریت مفهوم «رشد» در مقابل مفهوم سود و منفعت مادی است. 387 خانواده تهرانی از طریق نمونه گیری خوشه ای تصادفی برای شرکت در پیمایش انتخاب شده اند. در تحلیل نتایج، از شیوه های آمار استنباطی مانند تحلیل مقایسه ای و تحلیل رگرسیون خطی استفاده شده است؛ همچنین با استفاده از روش خوشه بندی فازی، خانواده ها بر حسب مؤلفه های رشد و افول، در خوشه های مختلف تقسیم شده اند. نتایج نشان می دهد مطلق درآمد و دارایی، پیش بین خوبی برای مراتب خانواده و تغییرات آن نیست و در مقابل احساس کفایت و رضایت اقتصادی به عنوان مؤلفه ذهنی و شناختی قادر به تبیین درصد بیشتری از تغییرات و تنوع خانواده هاست؛ همچنین خانواده ها از لحاظ معیارهای رشد (تعاون، احسان و تعالی) وضعیت نسبتاً خوبی دارند؛ اما توأماً درصد قابل توجهی از آنها میانگین طبیعی بودن و استخدامگری متوسط و بالایی را تجربه می کنند؛ بدین ترتیب می توان گفت زوج های تهرانی در عین توجه به مؤلفه های تعالی، مادی گرایی و خودخواهی را به کانون خانواده راه داده اند. در پایان، بر مبنای نتایج تحقیق، توصیه های سیاستی ارائه شده است.

ترکیبات شیمیایی مختلفی در صنعت مورد استفاده قرار میگیرند. بسیاری از صنایع از نتایج حاصل از ترکیبات شیمیایی نگه داری میکنند. در این حالت نگهداری و استفاده از داده های شیمیایی موجود یک چالش را بوجود می آورد. اگر میزان این داده های شیمیایی زیاد شود، به مدلی برای خوشه بندی داده ها نیاز میشود تا بتواند داده های ترکیبات مختلف را جداسازی کند. خوشه بندی یافتن داده های دارای ویژگی-های نظیرهم، در خوشه های مجزا و بدون داشتن اطلاعات اولیه از داده های موجود است. در صنایع شیمیایی، امکان آنکه برای تمام داده های ترکیبات شیمیایی برچسب گذاری انجام شود، وجود ندارد زیرا هر لحظه ممکن است بوجود بیایند یا تغییر کنند. در این حالت بایستی از خوشه بندی استفاده شود که عمل تقسیم داده های شیمیایی به تعدادی از زیر مجموعه ها را انجام میدهد. از دیدگاه داده کاوی تشخیص داده های شیمیایی جزء مسائل حوشه بندی داده ها محسوب میشود. با معرفی الگوریتمهای مناسب در این زمینه و سپس تلاش برای افزایش کارایی و میزان درستی اطلاعات شیمیایی، میتوان به سمت ایجاد سیستمهای مکانیزه با قابلیت اعتماد بالا با توانایی کشف الگوهای پیچیده گام برداشت. در اینجا یک سری دادههای ترکیبات شیمیایی صنایع مختلف جمع آوری شده و با کمک یک مدل ترکیبی مناسب عمل خوشه بندی انجام میشود. روش پیشنهادی یک مدل ترکیبی از نزدیکترین همسایگی با کمک خوشه بندی فازی است. در این مدل داده های شیمیایی موجود، تحت یک عملیات پیش پردازش قرار میگیرند تا داده های نامناسب و تهی از سیستم خارج شوند.

امروزه به روزرسانی اطلاعات در مناطق شهری اهمیت بالایی دارد، زیرا این اطلاعات، اساس بسیاری از کاربردها را فراهم می کند که شامل مطالعات تغییرات پوشش اراضی و مطالعات محیطی است. روش های متعددی برای شناسایی تغییرات با به کارگیری داده های سنجش از دوری توسعه داده شده اند و روش های جدیدی در حال ظهور هستند. در بسیاری از روش های شناسایی عوارض زمینی، این عوارض با استفاده از پیش دانسته هایی از جمله ساختار، بافت، خصوصیات بازتابی و غیره شناسایی می شوند. هدف از این تحقیق ارایه روشی برای شناسایی تغییرات ساختمان ها در دو  منطقه شهری و در بازه های زمانی 5 ساله و 3 ساله می باشد. در این تحقیق با توجه نوع داده های مورد استفاده و مناطق مورد مطالعه و تراکم ساختمان های شهری، روش شیءمبنا برای طبقه بندی عوارض و شناسایی ساختمان ها استفاده شده است. این روش شیءگرا، قطعه بندی چندمقیاسه است که با استفاده از آن توصیف گرهای مناسب طیفی، بافتی و ساختاری استخراج و با استفاده از روش های فازی، طبقه بندی می شوند و پس از طبقه بندی در دو اپک و استخراج ساختمان های حاصل از طبقه بندی، تغییرات ارتفاعی آنها محاسبه می شود. روش های شناسایی این تغییرات بر مبنای روش مبتنی بر یادگیری عمیق است و ارزیابی آن با استفاده از روش تفاضل DSM می باشد. در روش تفاضل  DSM با استفاده از یک حدآستانه ارتفاعی تغییرات شناسایی می شوند، سپس در روش مبتنی بر یادگیری عمیق با استفاده از یک شبکه عصبی کانولوشن بار دیگر با در اختیار داشتن مشخصه های ارتفاعی و داده های واقعیت زمین  ایجادشده از شناسایی تغییرات در حالت تفاضلی، این تغییرات ارتفاعی آشکار می شوند و با تغییرات شناسایی شده در روش تفاضلی ارزیابی می شوند. نتایج آزمون ها نشان داد با توجه نوع داده مورد استفاده، منطقه مورد مطالعه و تراکم ساختمان های موجود، حدود 96% ساختمان ها از تصاویر هوایی در گام اول شناسایی و استخراج شدند. همچنین در گام دوم شناسایی تغییرات ساختمانی به روش شبکه عصبی با صحت کلی 90% انجام شده است.

گردشگری پزشکی امروزه به یک صنعت تبدیل شده و برای اقتصاد بسیاری از کشورها که پتانسیل پذیرش بیماران را دارند، صنعتی ارزشمند است. گردشگری پزشکی نوعی از گردشگری سلامت است که با هدف درمان بیماری های جسمی یا انجام نوعی از عمل های جراحی تحت نظارت پزشکان در بیمارستان ها و مراکز درمانی انجام می شود. در این نوع از گرشگری سلامت، بیمار ممکن است پس از درمان و معالجه نیازمند استفاده از فضاها و خدمات گردشگری باشد. در این صورت ممکن است گردشگری او با سفر به نقاطی که این امکانات را دارند تکمیل شود. هدف این پژوهش خوشه بندی کسب وکارهای گردشگری پزشکی جهت جذب تعداد بیشتری گردشگر پزشکی به ایران است. به این منظور، ابتدا با مطالعه ادبیات موضوع و مصاحبه با متخصصین، کسب وکارهای گردشگری پزشکی، ویژگی های آنها شناسایی گردید. در مرحله بعد با بکارگیری الگوریتم ژنتیک تحلیل خوشه ای فازی انجام شد. نمونه آماری این پژوهش را 101 نفر از بیماران خارجی مراجعه کننده به چهار بیمارستان در شهر تهران تشکیل می دهند. یافته های تحقیق نشان می دهد که اولاً، برخی از بیماران خارجی به دلیل درجه عضویت نزدیک، بطور همزمان عضو چند خوشه می باشند. ثانیاً، باتوجه به مراکز خوشه ها، خوشه دو و سه از حیث نوع کسب وکارهای گردشگری پزشکی و ویژگی های آنها در سطح متوسط ولی خوشه یک در سطح پایین می باشند. و در نهایت  اگر چه برای گردشگران پزشکی جاذبه اولیه، خدمات پزشکی است، اما جهت جذب هر چه بیشتر گردشگر پزشکی و رقابت فعال در این صنعت باید توجه به سایر خدمات و تسهیلات گردشگری (خدمات غذا و آشامیدنی، خدمات رفاهی، مراکز رفاهی و...) بیشتر شود.

امروزه ورود به حوزه مدیریت کیفیت برای سازمان ها از اهمیت ویژه ای برخوردار است. مدل های تعالی سازمانی ابزاری است که سازمان ها را در این مسیر رهنمون می کند. بدین منظور، سازمان ها ازجمله شبکه بانکی کشور، رویکردهای گوناگونی را در سازمان خود در راستای تحقق ارزش های مدل های تعالی استقرار می کنند؛ اما محدودیت منابع موجود از قبیل هزینه، نیروی انسانی، فرهنگ سازمانی و غیره، استقرار تمامی این رویکردها را میسر نمی سازد؛ ازاین رو مسئله اصلی این است که کدام رویکردها بیشترین تأثیر را در ارتقای سطح کیفیت خواهند داشت. هدف اصلی این پژوهش، کشف روابط پویای موجود بین رویکردها و معیارها و زیرمعیارهای مدل تعالی سازمانی EFQM و پس ازآن کشف روابط دینامیکی موجود بین این رویکردها و درنهایت بهینه سازی مدل شبیه سازی استخراج شده است. برای این منظور ابتدا رویکردهای معمول در مدل تعالی سازمانی استخراج و خوشه بندی شدند؛ سپس با استفاده از روش پویایی شناسی سیستم ها، حلقه های علّی بین متغیرها که همان رویکرد ها است، کشف و روابط دینامیکی استخراج شده است. درنهایت با پارامترهای موجود در شبکه بانکی، موارد شبیه سازی شده و میزان رشد تعالی سازمانی در بانک یادشده در طول 20 سال بهینه سازی شده است. جامعه آماری شبکه بانکی کشور بوده است و داده ها در بازه زمانی سال های 1397 و 1398 استخراج و مدل سازی شده اند.