1-4- مزایا و اهمیت یک سیستم توصیه­گر کارآمد………………………………………………………5

1-5- معایب و مشکلات کلی سیستمهای توصیه­گر……………………………………………………..6

1-6- انواع رویکردها و مدلهای موجود در زمینه پیاده­سازی سیستمهای توصیه­ گر…….7

1-7- تشریح و بیان مسئله……………………………………………………………………………………..11

1-8- اهداف تحقیق………………………………………………………………………………………………12

1-9- سوالات و فرضیه ­های تحقیق…………………………………………………………………………….13

1-10- مراحل تحقیق…………………………………………………………………………………………………14

1-11- فصول پایان نامه……………………………………………………………………………………………..15

فصل دوم : ی بر ادبیات تحقیق و مبانی نظری تحقیق………………………………17

2-1- مقدمه ………………………………………………………………………………………………………..18

2-2- پالایش گروهی (Collaborative Filtering)…………………………………………….

2-2-1- پالایش گروهی مبتنی بر حافظه(Memory Based)…………………………….

2-2-1-1- روش پالایش گروهی مبتنی بر آیتم ………………………………………………………22

2-2-1-2- امتیازدهی به صورت پیش فرض……………………………………………………………..24

2-2-1-3- تشدید حالت(Case Amplification)……………………………………………….

2-2-2- پالایش گروهی مبتنی بر مدل(Model Based)……………………………………..

2-3- پالایش محتوایی (Content Based Filtering) ………………………………………

2-4- تکنیکهای ترکیبی……………………………………………………………………………………27

2-5- سیستمهای توصیه­گر مبتنی بر رابطه اعتماد میان کاربران……………………………..28

2-5-1- چگونگی کارکرد سیستم توصیه­گر مبتنی بر اعتماد……………………………………30

2-5-2- مزایا و معایب………………………………………………………………………………………..31

2-5-3- انتشار اعتماد و تجمیع اعتماد…………………………………………………………….33

2-6- چالش ها و محدودیتهای موجود……………………………………………………………….33

2-6-1- نقصان و کاستی اطلاعات…………………………………………………………………….34

2-6-2- مشکل کاربران تازه وارد……………………………………………………………………….34

2-6-3- کلاهبرداری و تقلب………………………………………………………………………………..35

2-6-4- پیچیدگی های محاسباتی و زمانی……………………………………………………….36

2-7- معیارهای ارزیابی سیستمهای توصیه­گر……………………………………………………….37

2-7-1- خطای جذر میانگین مربعات (RMSE)…………………………………………………….

2-7-2- معیار درصد پوشش……………………………………………………………………………38

2-7-3- معیار دقت………………………………………………………………………………………..39

2-7-4- معیار F-Measure…………………………………………………………………………………….

فصل سوم : ی بر مطالعات و تحقیقات پیشین…………………………………………..41

3-1- مقدمه………………………………………………………………………………………………………42

3-2- کارهای گذشته…………………………………………………………………………………42

3-2-1- مدل MoleTrust………………………………………………………………………………………

3-2-2- مدل TidalTrust………………………………………………………………………………………

3-2-3- مدل دانه سیب………………………………………………………………………………….48

3-2-4- مدل ارائه شده توسط Anderson……………………………………………………………

3-2-5- مدل ارائه شده توسط O’Donovan………………………………………………………..

3-2-6- مدل TrustWalker………………………………………………………………………………….

3-2-6-1- ساختار مدل TrustWalker…………………………………………………………………

3-2-6-2- تشابه آیتم ها……………………………………………………………………………….51

3-2-6-3- خصوصیات ویژه مدل TrustWalker…………………………………………………..

3-2-6-3-1- فراگیری و عمومیت مدل……………………………………………………………….52

3-2-6-3-2- اطمینان به نتایج حاصل………………………………………………………………..53

3-2-6-3-3- تفسیرپذیری و قابل توضیح بودن نتایج…………………………………………..54

3-2-6-4- نمایش ماتریسی مدل TrustWalker………………………………………………….

3-2-6-5- نتیجه گیری در خصوص مدل TrustWalker…………………………………….

فصل چهارم : تشریح مدل ترکیبی پیشنهادی و چگونگی توسعه و بهبود مدل پایه…..56

4-1- مقدمه………………………………………………………………………………………………57

4-2- تشریح مدل کلی TrustWalker…………………………………………………………………..

4-2-1- علائم نشانه گذاری و متغیرهای مدل…………………………………………………….57

4-2-2- روند یک پیمایش تصادفی در شبکه……………………………………………………58

4-2-3- انتخاب تصادفی یک کاربر ……………………………………………………………….59

4-2-4- انتخاب یک آیتم مشابه…………………………………………………………………….59

4-2-5- تشابه آیتم ها………………………………………………………………………………..60

4-2-6- محاسبه احتمال ماندن در یک گره شبکه اعتماد ( )………………………..61

4-2-7- چگونگی انجام پیش ­بینی امتیاز…………………………………………………………62

4-2-8- چگونگی محاسبه احتمال ……………………………………………………………..63

4-2-9- چگونگی محاسبه عملی ………………………………………………………………..64

4-2-10- شرط اتمام کلی مدل……………………………………………………………………64

4-3- بهبود و توسعه مدل TrustWalker………………………………………………………………

4-3-1- استفاده از فرمول jaccard جهت محاسبه تشابه آیتمها………………………….66

4-3-2- حذف میانگین از فرمول پیرسون………………………………………………………….67

4-3-3- استفاده از تکنیک مبتنی بر آیتم خالص……………………………………………..67

4-3-4- تعدیل و تفسیر نظرات کاربران…………………………………………………………68

4-3-5- محاسبه دقیق مقدار اعتماد یا امتیاز رابطه میان دو کاربر……………………….71

4-3-6- محاسبه ترکیبی امتیاز رابطه میان کاربران………………………………………..73

فصل پنجم : تشریح روند انجام آزمایشات و نتایج حاصل………………………………76

5-1- مقدمه…………………………………………………………………………………………77

5-2- معرفی مجموعه داده epinions……………………………………………………………..

5-2-1- ویژگیهای مجموعه داده epinions…………………………………………………….

5-2-2- آماده سازی و نحوه پالایش داده ­ها………………………………………………81

5-2-3- ایجاد مجموعه داده نمونه…………………………………………………………………83

5-3- مجموعه داده movielens………………………………………………………………..

5-3-1- ویژگیهای مجموعه داده movielens……………………………………………….

5-4- نیازمندیهای نرم افزاری………………………………………………………………………85

5-5- نیازمندیهای سخت افزاری………………………………………………………………….85

5-6- متدولوژی نرم افزاری…………………………………………………………………………86

5-7- پارامترهای پیش فرض انجام آزمایشات……………………………………………..86

5-8- نتایج اجرای آزمایشات با مجموعه داده epinions و movielens……………..

5-8-1- بررسی تاثیر عمق پیمایش بر روی نتایج حاصل در خصوص کاربران تازه وارد…87

5-8-2- بررسی تاثیر تاریخ اعلام نظرات توسط کاربران…………………………………88

5-8-3- بررسی تاثیر تغییر فرمول محاسبه تشابه آیتمها………………………………..89

5-8-4- بررسی تاثیر بکارگیری مکانیزم تفسیر و تعدیل نظرات کاربران……………….90

5-8-5- بررسی تاثیر بکارگیری انواع روش های ترکیبی برای انتخاب کاربران و پیمایش شبکه…..93

5-8-5-1- نحوه محاسبه امتیاز رابطه موجود میان کاربران……………………………………..93

5-8-5-2- بررسی تاثیر بکارگیری روش های ترکیبی در عملکرد سیستم برای تمامی کاربران…….94

5-8-5-3- بررسی تاثیر بکارگیری روش های ترکیبی در عملکرد سیستم برای کاربران تازه وارد …..99

5-8-6- بررسی تاثیر بکارگیری توام مکانیزم تفسیر امتیازات کاربران به همراه استفاده از روش های ترکیبی انتخاب کاربران و پیمایش شبکه اعتماد……………………………………101

5-9- انجام آزمایشات با مجموعه داده movielens…………………………………..

5-9-1- نتایج حاصل از اجرای روش های ترکیبی مورد استفاده در مدل توسعه یافته……107

فصل ششم : نتیجه گیری نهایی و کارهای آینده…………………………………………….110

6-1- مقدمه…………………………………………………………………………………111

6-2- عملکرد مدل توسعه یافته……………………………………………………………..112

6-2-1- عملکرد مدل توسعه یافته در خصوص تمامی کاربران……………………….112

6-2-2- عملکرد مدل توسعه یافته در خصوص کاربران تازه وارد……………………114

6-3- نتیجه گیری نهایی ……………………………………………………………………115

6-3-1- تحلیل نهایی نتایج حاصل از انجام آزمایشات بر روی مجموعه داده epinions………..

6-3-2- تحلیل نهایی نتایج حاصل از انجام آزمایشات بر روی مجموعه داده movielens……..

6-4- پیشنهادات کارهای آینده……………………………………………………118

اختصارات……………………………………………………………………………………….120

فهرست منابع………………………………………………………………………………..121

چکیده:

امروزه با گسترش و رشد روز افزون اطلاعات در فضای مجازی و وجود انبوهی از کالا یا خدماتی که در وب سایتهای تجاری و خدماتی ارائه می­گردند کاربران را با این مشکل مواجه نموده است که چگونه کالا یا خدمت مورد نظر خود را به راحتی و با صرف کمترین زمان ممکن بیابند. در این میان سیستمهای توصیه­گر با هدف تسهیل و یاری رساندن به کاربران در زمینه انتخاب و یافتن کالای مورد نیاز ایشان با بهره گرفتن از علوم و روش های مبتنی بر داده کاوی اطلاعات، ایجاد و توسعه یافته­اند. همچنین در سالهای اخیر ظهور و گسترش شبکه­ های اجتماعی و شبکه­ های مبتنی بر رابطه اعتماد میان کاربران، باعث گشوده شدن افق جدیدی در ارائه سیستمهای توصیه­گر و توسعه نسل جدیدی از اینگونه سیستمها گردیده است و آنرا به یکی از موضوعات جذاب و مورد توجه محققان تبدیل نموده است.

از میان روشها و مدل­های موجود در زمینه سیستمهای توصیه­گر روش پالایش گروهی به لحاظ سادگی پیاده­سازی از محبوبیت قابل ملاحظه­ای برخوردار است اما این روش در ارائه پیشنهادات مناسب و قابل قبول به کاربران تازه وارد دارای ضعف­های جدی می­باشد. سیستمهای توصیه­گر مبتنی بر اعتماد، با بهره­ گیری از رابطه اعتماد میان کاربران، در جهت رفع نقاط ضعف بیان شده و خصوصا ارائه پیشنهادات مناسب به کاربران تازه وارد گامهای موثری برداشته اند. در این تحقیق سعی شده است تا از تلفیق و ترکیب روش­های موجود در زمینه پالایش گروهی و همچنین مدلهای مبتنی بر اعتماد و بررسی نقاط ضعف و قوت آنها مدلی نوین و توسعه یافته ارائه گردد که در آن نتایج از خطای کمتر و دقت بالاتری برخوردار بوده و با افزایش معیار پوشش بتوان به درصد بیشتری از کاربران پاسخ مناسب ارائه نمود. برای این منظور در میان انواع روش های پالایش گروهی، روش مبتنی بر آیتم و برای پیمایش شبکه اعتماد میان کاربران نیز از روش پیمایش تصادفی بهره گرفته شده است، همچنین با تفسیر و تعدیل نظرات کاربران و اتخاذ شیوه­ای مناسب جهت محاسبه مقدار دقیق اعتماد میان کاربران و تغییر در نحوه پیمایش شبکه اعتماد میان ایشان سعی در بهبود و کاهش خطاهای نتایج گردیده است. در نهایت، جهت ارزیابی و برآورد مدل ترکیبی ارائه شده، نتایج و آمارهای حاصل از اجرای مدل پیشنهادی بر روی مجموعه داده های Epinions و Movielens و مقایسه آنها با نتایج مدل پایه TrustWalkerبه عنوان یکی از بهترین مدلهای ترکیبی ارائه شده در زمینه سیستمهای توصیه گر مبتنی بر اعتماد، ارائه می­گردد.

فصل اول: مقدمه ای بر انواع سیستم های توصیه گر

1-1- مقدمه

گسترش سریع و روز افزون اطلاعات ارائه شده بر روی شبکه جهانی اینترنت، کاربران را با مشکلات عدیده و قابل تاملی در خصوص انتخاب منابع و اطلاعات مورد نیاز ایشان مواجه نموده است و چه بسا که بدون راهنمایی و هدایت صحیح، کاربران در اخذ تصمیمات صحیح یا انتخاب کالا و خدمات مورد نیازشان دچار اشتباه شده که این امر تبعات عدیده­ای از جمله نارضایتی، سلب اطمینان کاربران و مشتریان سایتهای موجود بر روی اینترنت را به همراه خواهد داشت. از اینرو وجود ابزار و سیستمهایی برای کمک به کاربران در انتخاب اطلاعات مناسب و مورد نیاز ایشان کاملا ضروری به نظر می­رسد. در سالهای اخیر برای برآورده سازی این نیازها سیستمهای توصیه­گرمطرح و توسعه یافته­اند و الگوریتمها ، مقالات و متون علمی بسیار متنوع و مختلفی در این زمینه مطرح گردیده است .

در این میان، ایجاد و گسترش شبکه­ های اجتماعی، شبکه­ های اعتماد و وجود انواع روابط میان کاربران این شبکه­ ها افق جدیدی را برروی محققان و توسعه دهندگان سیستمهای توصیه­گر گشوده است تا با بهره­ گیری از علوم اجتماعی و علوم روان شناختی حاکم در این شبکه­ ها و خصوصا وجود رابطه اعتماد میان کاربران بتوانند نسل جدیدی از سیستمهای توصیه­گر را تحت عنوان “سیستمهای توصیه­گر مبتنی بر اعتماد[1]”معرفی و عرضه نمایند. این سیستمها قادر هستند تا به درصد بیشتری از کاربران پاسخ مناسب را ارائه دهند و همچنین نتایج آنها از دقت بالاتری برخوردار می­باشد.

با توجه به کثرت کاربران و افراد عضو شبکه­ های مبتنی بر اعتماد و شبکه­ های اجتماعی، همچنین تنوع رفتار و ویژگی­های ایشان، تنها یک شیوه یا یک مدل قادر به پاسخگویی و ارائه پیشنهادات دقیق و قابل قبول نمی ­باشد که این امر باعث ظهور سیستمهای توصیه­گر ترکیبی[2]گردیده است. در این سیستمها سعی شده است تا با ترکیب انواع مختلفی از سیستمهای توصیه­گر بتوان سیستمی تولید نمود که دارای مزایای حداکثری و معایب حداقلی باشد.

در این پایان نامه سعی شده است تا با تغییر، اصلاح، تلفیق و ترکیب تعدادی از روشها و الگوریتم­های مطرح و قابل قبول در سطح جهانی، مدلی ارائه گردد که نسبت به مدل­های پیشین دارای دقت و درصد پوشش بالاتری باشد و همچنین بتواند نقایص مدلهای پیشین خصوصا در رابطه با ارائه پیشنهاد به کاربران تازه وارد[3] را تا حد قابل قبولی مرتفع نماید.

1-2- سیستمهای توصیه ­گر

تعاریف متفاوتی برای سیستم‌های توصیه‌گر ارائه شده‌است. عده­ای از محققان سیستمهای توصیه­گر را زیرمجموعه‌ای از سیستمهای تصمیم­یار[4] می‌دانند و آنها را سیستم‌های اطلاعاتی[5] تعریف می‌کنند که توانایی تحلیل رفتارهای گذشته و ارائه توصیه‌هایی برای مسائل جاری را دارا می­باشند[1]. به زبان ساده‌تر در سیستم‌های توصیه‌گر تلاش بر این است تا با حدس زدن شیوه تفکر کاربر به کمک اطلاعاتی که از نحوه رفتار وی یا کاربران مشابه و نظرات آنها داریم مناسب‌ترین و نزدیک‌ترین کالا یا خدمت به سلیقه او را شناسایی و پیشنهاد کنیم. این سیستم‌ها در حقیقت سعی دارند فرایندی را که ما در زندگی روزمره خود بکار می‌بریم و طی آن تلاش می‌کنیم تا افرادی با سلایق نزدیک به خود را پیدا کرده و از آنها در مورد انتخاب‌هایمان نظر بخواهیم را شبیه سازی نمایند.

به صورت کلی­تر سیستمهای توصیه­گر زیر مجموعه ­ای از سیستمهای پالایش اطلاعات[6]هستند که وظیفه آنها جستجو برای بیان پیش ­بینی امتیاز(درجه)[7] یا بیان سلایق و ترجیحات[8] یک کاربر در خصوص یک موضوع[9] ( مانند موسیقی، کتاب یا فیلم) یا یک عنصر اجتماعی مانند افراد و گروه ها می­باشد[2]–[4].

1-3- انواع سیستمهای توصیه ­گر از لحاظ عملکردی

سیستمهای توصیه­گر به لحاظ نحوه ارائه نتایج و پیشنهادات به کاربران خود، به شیوه های متفاوتی عمل می نمایند که در ذیل به پاره­ ای از آنها به صورت فهرست وار اشاره می­گردد:

– پیشنهاد لیستی متشکل از n کالا یا محصول برتر (معمولا n برابر 10 است )

– پیشنهادات فصلی و موردی مانند پیشنهاد یک هتل دارای تخفیف جهت تعطیلات

– بیان درصد علاقه ­مندی سایر کاربران به یک محصول خاص، به عنوان مثال: “80 درصد کاربران از خرید این محصول راضی بوده اند “

– پیش بینی میزان امتیازی که یک کاربر به یک محصول خاص خواهد داد

در این تحقیق سعی در ایجاد مدلی است که بتواند نظر و امتیاز تخصیص داده شده توسط یک کاربر خاص به یک محصول یا آیتم خاص را پیش ­بینی نماید.

1-4- مزایا و اهمیت یک سیستم توصیه ­گر کارآمد

طبق آمار رسمی ارائه شده توسط سایت فروش کتاب Amazon[10] ، 35 درصد از فروش این سایت به واسطه وجود سیستم توصیه­گر و ارائه پیشنهادات مناسب به علاقه­مندان کتاب می باشد[5] همچنین سایت اجاره فیلم Netflix برای بهبود 10 درصدی دقت سیستم توصیه­گر خود موسوم به Cinematch[11]جایزه ای بالغ بر یک میلیون دلار برای محققان در نظر گرفته است. هر دو مثال فوق نشان دهنده اهمیت سیستمهای توصیه­گر و نقش آنها در تجارت می­باشد. در ذیل تعدادی از دلایل اهمیت وجود یک سیستم توصیه­گر مناسب و کارآمد در یک سایت تجارت الکترونیک برشمرده می­گردد:

– راهنمایی کاربران و بازدید کنندگان در انتخاب کالا ، محصول یا خدمت مناسب

– تسریع در زمان انتخاب کالای مورد نظر مشتری مانند انتخاب یک فیلم مناسب در میان میلیونها فیلم موجود در سایت

– جمع­ آوری اطلاعات ارزشمند در خصوص سلایق و رفتار کاربران جهت برنامه­ ریزی­ های آتی

– جذب مشتریان و بازدید کنندگانی که برای اولین بار است از سایت بازدید می­ کنند

– افزایش میزان رضایتمندی کاربران و طبیعتا افزایش سود سرمایه گذاران تجاری

– ایجاد احساس اطمینان در مشتری با ارائه آمار نظرات سایر کاربران

– بهبود معیارهای سنجش رتبه و درجه پورتال یا سایت

– توجه به جنبه­ های روان­شناختی کاربران

– افزایش آگاهی کاربر در زمینه مورد علاقه وی

[1] Trust-Based Recommendation Systems(TBRS)

[2] Hybrid Recommender System

[3] Cold Start Users

[4] Decision Support Systems(DSS)

[5] Information Systems(IS)

[6] Information Filtering Systems

[7] Ratings

[8] Preferences

[9] Item

[10]http://www.amazon.com

[11] http://www.netflixprize.com

ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل و با فرمت ورد موجود است

متن کامل را می توانید دانلود نمائید

1- مقدمه

1-1- خوشه بندی

به عنوان یکی از شاخه‌های وسیع و پرکاربرد هوش مصنوعی[1]، یادگیری ماشین[2] به تنظیم و اکتشاف شیوه‌ها و الگوریتم‌هایی می‌پردازد که بر اساس آن‌ ها رایانه‌ها و سامانه‌های اطلاعاتی توانایی تعلم و یادگیری پیدا می‌کنند. طیف پژوهش‌هایی که در مورد یادگیری ماشینی صورت می‌گیرد گسترده ‌است. در سوی نظر‌ی آن پژوهش‌گران بر آن‌اند که روش‌های یادگیری تازه‌ای به وجود بیاورند و امکان‌پذیری و کیفیت یادگیری را برای روش‌هایشان مطالعه کنند و در سوی دیگر عده‌ای از پژوهش‌گران سعی می‌کنند روش‌های یادگیری ماشینی را بر مسائل تازه‌ای اعمال کنند. البته این طیف گسسته نیست و پژوهش‌های انجام‌شده دارای مؤلفه‌هایی از هر دو رو‌یكرد هستند. امروزه، داده‌كاوی[3] به عنوان یک ابزار قوی برای تولید اطلاعات و دانش از داده‌های خام، در یادگیری ماشین شناخته‌شده و همچنان با سرعت در حال رشد و تكامل است. به طور كلی می‌توان تکنیک‌های داده‌كاوی را به دو دسته بانظارت[4] و بدون نظارت[5] تقسیم كرد [29, 46].

در روش بانظارت ما ورودی (داده یادگیری[6]) و خروجی (كلاس[7] داده) یک مجموعه داده را به الگوریتم هوشمند می‌دهیم تا آن الگوی[8] بین ورودی و خروجی را تشخیص دهد در این روش خروجی كار ما مدلی[9] است كه می‌تواند برای ورودی‌های جدید خروجی درست را پیش‌بینی[10] كند. روش‌های طبقه‌بندی[11] و قوانین انجمنی[12] از این جمله تكنیك‌ها می‌باشد. روش‌های با نظارت كاربرد فراوانی دارند اما مشكل عمده این روش‌ها این است كه همواره باید داده‌ای برای یادگیری وجود داشته باشد كه در آن به ازای ورودی مشخص خروجی درست آن مشخص شده باشد. حال آنكه اگر در زمینه‌ای خاص داده‌ای با این فرمت وجود نداشته باشد این روش‌ها قادر به حل این‌گونه مسائل نخواهند بود [29, 68]. در روش بدون نظارت برخلاف یادگیری بانظارت هدف ارتباط ورودی و خروجی نیست، بلکه تنها دسته‌بندی ورودی‌ها است. این نوع یادگیری بسیار مهم است چون خیلی از مسائل (همانند دنیای ربات‌ها) پر از ورودی‌هایی است که هیچ برچسبی[13] (كلاس) به آن‌ ها اختصاص داده نشده است اما به وضوح جزئی از یک دسته هستند [46, 68]. خوشه‌بندی[14] شاخص‌ترین روش در داده‌كاوی جهت حل مسائل به صورت بدون ناظر است. ایده اصلی خوشه‌بندی اطلاعات، جدا کردن نمونه‌ها از یكدیگر و قرار دادن آن‌ ها در گروه‌های شبیه به هم می‌باشد. به این معنی كه نمونه‌های شبیه به هم باید در یک گروه قرار بگیرند و با نمونه‌های گروه‌های دیگر حداكثر متفاوت را دارا باشند [20, 26]. دلایل اصلی برای اهمیت خوشه‌بندی عبارت‌اند از:

اول، جمع‌ آوری و برچسب‌گذاری یک مجموعه بزرگ از الگوهای نمونه می‌تواند بسیار پركاربرد و باارزش باشد.

دوم، می‌توانیم از روش‌های خوشه‌بندی برای پیدا کردن و استخراج ویژگی‌ها[15] و الگوهای جدید استفاده كنیم. این كار می‌تواند كمك به سزایی در كشف دانش ضمنی[16] داده‌ها انجام دهد.

سوم، با خوشه‌بندی می‌توانیم یک دید و بینشی از طبیعت و ساختار داده به دست آوریم كه این می‌تواند برای ما باارزش باشد.

چهارم، خوشه‌بندی می‌تواند منجر به كشف زیر رده‌های[17] مجزا یا شباهت‌های بین الگوها ممكن شود كه به طور چشمگیری در روش طراحی طبقه‌بندی قابل استفاده باشد.

1-2. خوشه‌بندی تركیبی

هر یک از الگوریتم‌های خوشه‌بندی، با توجه به اینكه بر روی جنبه‌های متفاوتی از داده‌ها تاكید می‌کند، داده‌ها را به صورت‌های متفاوتی خوشه‌بندی می کند. به همین دلیل، نیازمند روش‌هایی هستیم كه بتواند با بهره گرفتن از تركیب این الگوریتم‌ها و گرفتن نقاط قوت هر یك، نتایج بهینه‌تری را تولید كند. در واقع هدف اصلی خوشه‌بندی تركیبی[18] جستجوی بهترین خوشه‌ها با بهره گرفتن از تركیب نتایج الگوریتم‌های دیگر است [1, 8, 9, 54, 56]. به روشی از خوشه‌بندی ترکیبی که زیرمجموعه‌ی منتخب از نتایج اولیه برای ترکیب و ساخت نتایج نهایی استفاده می‌شود خوشه‌بندی ترکیبی مبتنی بر انتخاب[19] زیرمجموعه نتایج اولیه می‌گویند. در این روش‌ها بر اساس معیاری توافقی مجموعه‌ای از مطلوب‌ترین نتایج اولیه را انتخاب كرده و فقط توسط آن‌ ها نتیجه نهایی را ایجاد می‌کنیم [21]. معیارهای مختلفی جهت انتخاب مطلوب‌ترین روش پیشنهاد شده است كه معیار اطلاعات متقابل نرمال شده[20]، روش ماكزیموم[21] و [22]APMM برخی از آن‌ ها می‌باشند [8, 9, 21, 67]. دو مرحله مهم در خوشه‌بندی ترکیبی عبارت‌اند از:

اول، الگوریتم‌های ابتدایی خوشه‌بندی که خوشه‌بندی اولیه را انجام می‌دهد.

دوم، جمع‌بندی نتایج این الگوریتم‌های اولیه (پایه) برای به دست آوردن نتیجه نهایی.

1-3. خرد جمعی

نظریه خرد جمعی[23] كه اولین بار توسط سورویکی[24] در سال 2004 در كتابی با همان عنوان منتشر شد، استنباطی از مسائل مطرح‌شده توسط گالتون[25] و کندورست[26] می‌باشد، و نشان می‌دهد که قضاوت‌های جمعی و دموکراتیک از اعتبار بیشتری نسبت به آنچه که ما انتظار داشتیم برخوردار است، ما تأثیرات این ایده را در حل مسائل سیاسی، اجتماعی در طی سال‌های اخیر شاهد هستیم. در ادبیات خرد جمعی هر جامعه‌ای را خردمند نمی‌گویند. از دیدگاه سورویكی خردمند بودن جامعه در شرایط چهارگانه پراكندگی[27]، استقلال[28]، عدم تمركز[29] و روش ترکیب مناسب[30] است [55].

1-4. خوشه‌بندی مبتنی بر انتخاب بر اساس نظریه خرد جمعی

هدف از این تحقیق استفاده از نظریه خرد جمعی برای انتخاب زیرمجموعه‌ی مناسب در خوشه‌بندی ترکیبی می‌باشد. تعاریف سورویکی از خرد جمعی مطابق با مسائل اجتماعی است و در تعاریف آن عناصر سازنده تصمیمات رأی افراد می‌باشد. در این تحقیق ابتدا مبتنی بر تعاریف پایه سورویکی از خرد جمعی و ادبیات مطرح در خوشه‌بندی ترکیبی، تعریف پایه‌ای از ادبیات خرد جمعی در خوشه‌بندی ترکیبی ارائه می‌دهیم و بر اساس آن الگوریتم پیشنهادی خود را در جهت پیاده‌سازی خوشه‌بندی ترکیبی ارائه می‌دهیم [55]. شرایط چهارگانه خوشه‌بندی خردمند که متناسب با تعاریف سورویکی باز تعریف شده است به شرح زیر می‌باشد:

پراکندگی نتایج اولیه، هر الگوریتم خوشه‌بندی پایه باید به طور جداگانه و بدون واسطه به داده‌های مسئله دسترسی داشته و آن را تحلیل و خوشه‌بندی کند حتی اگر نتایج آن غلط باشد.

استقلال الگوریتم، روش تحلیل هر یک از خوشه‌بندی‌های پایه نباید تحت تأثیر روش‌های سایر خوشه‌بندی‌های پایه تعیین شود، این تأثیر می‌تواند در سطح نوع الگوریتم (گروه) یا پارامترهای اساسی یک الگوریتم خاص (افراد) باشد.

عدم تمرکز، ارتباط بین بخش‌های مختلف خوشه‌بندی خرد جمعی باید به گونه‌ای باشد تا بر روی عملکرد خوشه‌بندی پایه تأثیری ایجاد نکند تا از این طریق هر خوشه‌بندی پایه شانس این را داشته باشد تا با شخصی سازی و بر اساس دانش محلی خود بهترین نتیجه ممکن را آشکار سازد.

مکانیزم ترکیب مناسب، باید مکانیزمی وجود داشته باشد که بتوان توسط آن نتایج اولیه الگوریتم‌های پایه را با یکدیگر ترکیب کرده و به یک نتیجه نهایی (نظر جمعی) رسید.

در این تحقیق دو روش برای ترکیب خوشه‌بندی ترکیبی و خرد جمعی پیشنهاد شده است. با بهره گرفتن از تعاریف بالا الگوریتم روش اول مطرح خواهد شد که در آن، جهت رسیدن به نتیجه نهایی از آستانه‌گیری استفاده می‌شود. در این روش الگوریتم‌های خوشه‌بندی اولیه غیر هم نام کاملاً مستقل فرض خواهند شد و برای ارزیابی استقلال الگوریتم‌های هم نام نیاز به آستانه‌گیری می‌باشد. در روش دوم، سعی شده است تا دو بخش از روش اول بهبود یابد. از این روی جهت مدل‌سازی الگوریتم‌ها و ارزیابی استقلال آن‌ ها نسبت به هم یک روش مبتنی بر گراف شبه کد ارائه می‌شود و میزان استقلال به دست آمده در این روش به عنوان وزنی برای ارزیابی پراکندگی در تشکیل جواب نهایی مورد استفاده قرار می‌گیرد. جهت ارزیابی، روش‌های پیشنهادی با روش‌های پایه، روش‌ ترکیب کامل و چند روش معروف ترکیب مبتنی بر انتخاب مقایسه خواهد شد. از این روی از چهارده داده استاندارد و یا مصنوعی که عموماً از سایت UCI [76] جمع‌ آوری شده‌اند استفاده شده است. در انتخاب این داده‌ها سعی شده، داده‌هایی با مقیاس‌ کوچک، متوسط و بزرگ انتخاب شوند تا کارایی روش بدون در نظر گرفتن مقیاس داده ارزیابی شود. همچنین جهت اطمینان از صحت نتایج تمامی آزمایش‌های تجربی گزارش‌شده حداقل ده بار تکرار شده است.

1-4-1- فرضیات تحقیق

این تحقیق بر اساس فرضیات زیر اقدام به ارائه روشی جدید در خوشه‌بندی ترکیبی مبتنی بر انتخاب بر اساس نظریه خرد جمعی می‌کند.

1) در این تحقیق تمامی آستانه‌گیری‌ها بر اساس میزان صحت نتایج نهایی و مدت زمان اجرای الگوریتم به صورت تجربی انتخاب می‌شوند.

2) در این تحقیق جهت ارزیابی عملکرد یک الگوریتم، نتایج اجرای آن را بر روی‌داده‌های استاندارد UCI در محیطی با شرایط و پارامترهای مشابه نسبت به سایر الگوریتم‌ها ارزیابی می‌کنیم که این داده‌ها الزاماً حجیم یا خیلی کوچک نیستند.

3) جهت اطمینان از صحت نتایج آزمایش‌ها ارائه‌شده در این تحقیق، حداقل اجرای هر الگوریتم بر روی هر داده ده بار تکرار شده و نتیجه‌ نهایی میانگین نتایج به دست آمده می‌باشد.

4) از آنجایی که روش مطرح‌شده در این تحقیق یک روش مکاشفه‌ای است سعی خواهد شد بیشتر با روش‌های مکاشفه‌ای مطرح در خوشه‌بندی ترکیبی مقایسه و نتایج آن مورد بررسی قرار گیرد.

در این فصل اهداف، مفاهیم و چالش‌های این تحقیق به صورت خلاصه ارائه شد. در ادامه این تحقیق، در فصل دوم، الگوریتم‌های خوشه‌بندی پایه و روش‌های خوشه‌بندی‌ تركیبی مورد بررسی قرار می‌گیرد. همچنین به روش‌های انتخاب خوشه[31] و یا افراز[32] در خوشه‌بندی ترکیبی مبتنی بر انتخاب خواهیم پرداخت. در فصل سوم، نظریه خرد جمعی و دو روش پیشنهادی خوشه‌بندی خردمند ارائه می‌شود. در فصل چهارم، به ارائه نتایج آزمایش‌های تجربی این تحقیق و ارزیابی آن‌ ها می‌پردازیم و در فصل پنجم، به ارائه‌ نتایج و کار‌های آتی خواهیم پرداخت.

[1] Artificial Intelligent (AI)

[2] Machine Learning

[3] Data Mining

[4] Supervised

[5] Unsupervised

[6] Train Set

[7] Class

[8] Pattern

[9] Learning Model

[10] Predictive

[11] Classification

[12] Association rule mining

[13] Label

[14] Clustering

[15] Features

[16] Tacit knowledge

[17] Sub-Class

[18] Cluster Ensemble

[19] Cluster Ensemble Selection

[20] Normalized Mutual Information

[21] Maximum

[22] Alizadeh-Parvin-Moshki-Minaei

[23] The wisdom of crowds

[24] Surowiecki

[25] Francis Galton (1822-1911)

[26] Condorcet

[27] Diversity

[28] Independency

[29] Decentralization

[30] Aggregation Mechanism

[31] Cluster

[32] Partition

ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل و با فرمت ورد موجود است

متن کامل را می توانید دانلود نمائید

1-2- توجیه ضرورت انجام طرح……………….. 5

1-3- سؤال تحقیق (هدف از اجرا)……………… 5

1-4- مدل تحقیق………………. 6

1-5-مفروضات……………….. 7

1-5-کلمات کلیدی فارسی……………….. 7

1-6-ساختار پایان‌نامه………………. 8

فصل دوم ادبیات موضوع………………. 9

2-1-مقدمه………………. 10

2-2-خلاصه مطالعات صورت گرفته در زمینه حوزه‌های مختلف آمادگی سازمان…….. 11

2-2-1-مدل حنفی زاده، خدابخشی……………….. 11

2-2-2-مدل الاوماری……………… 12

2-2-3-مدل CSPP……………….

2-2-4-مدل APEC………………..

2-2-5-مدل WITSA………………..

2-2-6-مدل CIDCM………………..

2-2-7-مدل TOHOSTCA………………..

2-2-8-مدل OITIM………………..

2-2-9- مدل ویلد و فرن باخ……………….. 15

2-2-10- مدل میرزایی و مدنی……………….. 15

2-2-11-مدل ارزیابی آمادگی ERP……………….

2-2-12-مدل ارزیابی آمادگی CRM………………..

2-2-13-مدل ارزیابی آمادگی BIS……………….

2-2-14-مدل ارزیابی آمادگی B toB EC………………..

2-3-طبقه‌بندی مدل‌های بیان‌شده……………… 18

2-4-معرفی سرویس‌گرایی در سازمان………………. 19

2-4-1-سازمان و معماری سازمانی……………….. 19

2-4-2-معماری سرویس‌گرا……………… 20

2-4-3-خواص معماری سرویس‌گرا……………… 22

2-4-4- نکات مهم سرویس‌گرایی……………….. 24

2-4-5-مزایای معماری سرویس‌گرا……………… 24

2-4-6-لایه‌های معماری سرویس‌گرا……………… 26

2-4-7-عوامل بحرانی موفقیت سرویس‌گرایی……………….. 29

2-4-8-برخی چالش‌های مطرح در حوزه سرویس‌گرایی…………. 31

2-4-9-گام‌های متدولوژی بهبود مداوم برای معماری سرویس‌گرا……… 32

2-5-آشنایی مقدماتی با مبحث فازی……………….. 34

2-5-1- مبحث فازی و استدلال تقریبی……………….. 34

2-5-2-نظریه فازی……………….. 35

2-5-3-منطق فازی و کاربرد آن در تصمیم‌گیری……………….. 36

2-5-4-روش‌های تصمیم‌گیری چندمعیاره……………… 37

2-5-4-1-متد AHP……………….

2-5-4-2-متد ANP………………

2-5-5- بررسی چند مدل ارزیابی با بهره گرفتن از تئوری فازی…………. 40

2-6-جمع‌بندی……………….. 44

فصل سوم روش تحقیق………………. 45

3-1-مقدمه………………. 46

3-2-آشنایی با عوامل بحرانی معماری سرویس‌گرا……………… 48

3-2-1- مفهوم معماری سرویس‌گرا ………………48

3-2-2-عوامل بحرانی موفقیت سرویس‌گرایی……………….. 49

3-2-3-چارچوب حاکمیت سرویس‌گرایی در سازمان………………. 49

3-2-4-بررسی مطالعات قبلی انجام‌ شده در تعیین شاخص‌های آمادگی سازمان برای پذیرش رویکرد سرویس‌گرا….52

3-3-طراحی اولیه مدل مفهومی آمادگی سرویس‌گرا…….. 71

3-4-معرفی متدولوژی طراحی……………….. 79

3-4-1-مفاهیم منطق فازی……………….. 79

3-4-2- تابع عضویت……………….. 80

3-4-3-قوانین……………….. 81

3-4-4-عملگرهای منطق فازی (T-norms)……………….

3-4-5-سیستم استنتاج فازی……………….. 83

3-4-6-انواع سیستم فازی……………….. 84

3-4-7-مراحل پیاده‌سازی سیستم استنتاج فازی ممدانی……………….. 85

3-4-7-1-فازی‌سازی……………….. 85

3-4-7-2-تعریف قواعد فازی……………….. 87

3-4-7-3-اجتماع خروجی‌های قوانین (ترکیب)……………… 90

3-4-7-4-دی فازی (قطعی ساز)……………… 90

3-5-جمع‌بندی……………….. 92

فصل چهارم تشریح مدل پیشنهادی و ارزیابی مدل………………. 94

4-1-مقدمه………………. 95

4-2-مدل پیشنهادی فازی………………. 95

4-2-1-محاسبه وزن شاخص‌ها به روش فازی……………….. 96

4-2-2-مرحله اول: فازی‌سازی……………….. 102

4-2-3-مرحله دوم: پایگاه قواعد فازی……………….. 104

4-2-4-مرحله سوم: فازی زدائی……………….. 105

4-2-4-مرحله چهارم: تست مدل………………. 105

4-3-مطالعهٔ موردی……………….. 106

4-3-1-معرفی سازمان………………. 106

4-3-2-بررسی نتایج به دست آمده از وضعیت آمادگی سازمان………. 107

4 -4-تشریح زیرابعاد مدل پیشنهادی به همراه راه‌کارهای پیشنهادی در جهت بهبود زیرشاخص‌های سازمان مورد مطالعه……. 109

4-4-1-زیربعد آمادگی فرهنگ سازمانی……………….. 109

4-4-2- زیربعد آمادگی مدیریت سازمانی……………….. 111

4-4-3- زیربعد آمادگی آگاهی سرویس‌گرایی……………….. 111

4-4-4- زیربعد آمادگی استراتژی سرویس‌گرایی……………….. 112

4-4-5- زیربعد آمادگی حاکمیت IT……………….

4-4-6- زیربعد آمادگی حاکمیت سرویس‌گرایی……………….. 114

4-4-7- زیربعد آمادگی زیرساخت‌های فناوری سرویس‌گرایی……….. 115

4-4-8- زیربعد آمادگی تسهیل استفاده مجدد سرویس‌ها ………………116

4-5-خلاصه فصل……………….. 117

فصل پنجم نتیجه‌گیری و پیشنهادات……………….. 119

5-1- خلاصه تحقیق………………. 120

5-2-مزایای مدل پیشنهادی……………….. 121

5-3-اقدامات آتی……………….. 121

منابع………………. 122

چکیده:

رشد روز افزون تغییرات در سازمان ها از یک سو و نیاز شدید به بهره گیری از فناوری اطلاعات و ارتباطات در آنها از سوی دیگر، ایجاب می كند كه تا حد ممكن، اعمال تغییرات در سازمان و تغییر متناسب با آنها در عملكرد و ساختارهای فناوری اطلاعات و زیرساختهای سخت افزاری ، نرم افزاری و اطلاعاتی سازمان، با هم هماهنگ باشند.یکی از مهمترین رویكردهایی كه این هدف را دنبال می­كند، رویکرد معماری سرویس­گرا است.مهمترین دستاورد از ایجاد معماری سرویس گرا، نیاز به افزایش انعطاف­پذیری و سرعت و چابکی فناوری اطلاعات در قبال نیاز به تغییر در سازمان و به تبع آن تغییر در ساختار ITسازمان است. با توجه به حوزه وسیع اثر طرحهای معماری سازمانی، شایسته است قبل از اجرائی شدن و انجام هزینه های كلان مربوطه، سازمان از قابلیت های خود برای پذیرش این رویکرد جدید مطلع شود. درک صحیح از میزان آمادگی سازمانی، برای جهت گیری درست تلاش ها و تدوین استراتژی های متناسب بسیار حائز اهمیت میباشد.

هدف عمده این تحقیق، ارائه مدلی به منظور معرفی عواملی است که از طریق آن می‌توان میزان آمادگی یک سازمان را برای پیاده‌سازی معماری سرویس­گرا ارزیابی نمود. برای طراحی این مدل ارزیابی، از منطق فازی ممدانی استفاده شده است. پس از بررسی مبانی نظری مرتبط، مؤلفه‌ها و شاخص‌های میزان آمادگی سازمان برای پیاده‌سازی معماری سرویس‌گرا استخراج و سپس مورد تحلیل قرار گرفته است، در ادامه، مدل پیشنهادی مطرح می شود و وضعیت آمادگی یک سازمان، مورد مطالعه قرار می گیرد.با بهره گرفتن از این مدل ارزیابی، سازمانها می توانند به نقاط قوت خود پی برده و همچنین حیطه­های نیازمند بهبود را شناسائی و با توجه به راهکار های پیشنهادی، میزان آمادگی خود را افزایش دهند.

فصل اول: کلیات تحقیق

1-1- مقدمه

هر مجموعه، سازمان و ارگان برای حفظ موجودیت و پیشبرد اهداف خود در فضای رقابتی امروز، نیازمند انطباق با شرایط موجود و بنابراین ناگزیر از ایجاد تغییرات مداوم در خود است. این تغییرات باعث می‌شود تا سازمان یا مجموعه به طور مداوم پیچیده‌تر شود. در این جا است که نقش فن آوری اطلاعات پررنگ‌تر می‌شود زیرا بدون استفاده از آن هزینه و زمان بسیار زیادی مورد نیاز خواهد بود که صرف آن غیرممکن می کند و در صورت ممکن بودن نیز، مشکلات بسیاری در راستای انجام کارها و دستیابی به اهداف سازمان ایجاد می‌کند. رشد روزافزون تغییرات در سازمان‌ها از یک سو و نیاز شدید به بهره‌گیری از فناوری اطلاعات و ارتباطات در آن‌ ها از سوی دیگر، ایجاب می‌کند که تا حد ممکن این دو (اعمال تغییرات در سازمان و تغییر متناسب با آن‌ ها در عملکرد و ساختارهای فناوری اطلاعات و زیرساخت‌های سخت‌افزاری، نرم‌افزاری و اطلاعاتی سازمان) با هم هماهنگ باشند. این امر به معنای آن است که بتوانیم در انتقال تغییرات از فرایندها، داده‌ها و سایر موارد سازمان به برنامه‌ها و سایر مقولات مربوط به IT انعطاف ایجاد کنیم. یکی از مهم‌ترین رویکردهایی که این هدف را دنبال می‌کند، رویکرد معماری سرویس‌گرا است.

برای معماری سرویس‌گرا تعاریف مختلفی بیان‌شده است از جمله:

– چارچوبی برای یکپارچه‌سازی فرایندهای حرفه و پشتیبانی آن‌ ها توسط فناوری اطلاعات با کمک مؤلفه‌های استاندارد و امن تحت عنوان سرویس که قابلیت استفاده مجدد و اتصال به یکدیگر جهت پوشش تغییرات حرفه را دارا می‌باشند.

– معماری سرویس‌گرا شامل سیاست‌ها، تجارب و چارچوب‌هایی است که کارکردهای سیستمی را قادر می‌سازد به صورت مجموعه‌ای از سرویس‌های توزیع‌شده در اندازه‌های مورد نظر سازمان تعریف شوند.

– چارچوبی وسیع و استاندارد که سرویس‌ها در آن ساخته، مستقر و مدیریت می‌شوند و هدفش افزایش چابکی زیرساخت‌های فناوری اطلاعات در جهت واکنش سریع به تغییرات در نیازهای کسب و کار می‌باشد.

– روشی برای طراحی و پیاده‌سازی نرم‌افزارهای گسترده سازمانی به وسیله ارتباط بین سرویس‌هایی که دارای خواص اتصال سست و قابل استفاده مجدد هستند.

– سبکی از معماری است که از اتصال سست سرویس‌ها جهت انعطاف‌پذیری و تعامل پذیری حرفه و به صورت مستقل از فناوری پشتیبانی می‌کند و از ترکیب مجموعه سرویس‌های مبتنی بر حرفه تشکیل شده که این سرویس‌ها انعطاف‌پذیری و پیکربندی پویا را برای فرایندها محقق می‌کنند.

انگیزه اصلی و مهم‌ترین دستاورد از ایجاد معماری سرویس گرا، نیاز به افزایش انعطاف‌پذیری و سرعت و چابکی فناوری اطلاعات در قبال نیاز به تغییر در سازمان و به تبع آن تغییر در ساختار IT سازمان است. در سازمانی که بتواند به اهداف فوق برسد، فرایندها و سرویس‌ها کاملاً انعطاف‌پذیر بوده و می‌توانند بر اساس نیاز متخصصان کسب و کار و بدون نیاز به پرسنل فنی به سرعت ایجاد و پیکربندی شوند. این تصویر از سازمان چابک با نیازهای رو به رشد محیط‌های متغیر کاری و با توجه به محدودیت‌های زیرساخت‌های فنی و سازمانی وفق دارد.

با وجود آن که نیاز به تغییرات سریع و مداوم بسیار زیاد است، اما ممکن است برای این تغییرات موانع فنی و سازمانی ایجاد شود زیرا ممکن است ایجاد زیرساخت‌های مورد نیاز بسیار زمان‌گیرتر از آن باشد که نیاز فعلی را برآورده کند و یا به منابع بیشتری نیاز داشته و هزینه‌های سنگینی را بر سازمان تحمیل کند و بنابراین برای رسیدن به هدف انعطاف و سرعت، لازم است زیرساخت‌های فنی و کاری را طوری با بهره‌گیری از یک معماری مناسب مثل معماری سرویس­گرا بسازیم که حداکثر انعطاف ممکن را تضمین کند و رسیدن به هدف را ممکن سازد. از مزایای بهره‌گیری از سرویس‌گرایی در سطح سازمان به طور کلی می‌توان به موارد زیر اشاره کرد 1- چابکی-2 صرفه‌جویی در هزینه‌ها 3-قابلیت استفاده مجدد-4 استقلال از تکنولوژی-5 زیرساخت‌های کاری مؤثر-6 فرایند مؤثرتر توسعه نرم‌افزار-7 احتمال موفقیت بیشتر در ایجاد تغییرات-8 امکان گرفتن بازخوردهای مناسب و اطلاعات مورد نیاز در سطوح مختلف از ذی‌نفعان 9- کاهش قابل توجه ریسک 10- یکپارچگی آسان با شرکاء داخلی و خارجی 11- اتصال بین کسب و کار و فناوری اطلاعات.

شاید بتوان گفت که بیشتر مواردی که در بالا به آن‌ ها اشاره شد ناشی از تجزیه صحیح و مناسب مسائل مهم و مورد توجه در سازمان است زیرا این امر موجب می‌شود پروژه‌های IT کوچک‌تری تعریف شوند و بنابراین ریسک آن‌ ها کم شده و احتمال موفقیت آن‌ ها بسیار بالاتر می‌رود. از سوی دیگر استقلال این بخش‌های کوچک‌تر از یکدیگر از ویژگی‌های مهم تعریف سرویس‌ها است که در صورت تشخیص صحیح، موجب افزایش انعطاف و سرعت در تغییرات در سازمان و ایجاد قابلیت استفاده مجدد بالا و نیز صرفه‌جویی در هزینه‌ها از طریق استفاده از منابع موجود و قابل استفاده می‌باشد. از طرفی هدف معماری سازمانی شناخت جنبه‌های مختلف سازمان در سطوح مختلف مانند سطح حرفه، سطح طراحی مفهومی، سطح طراحی منطقی و فیزیکی و … است؛ بنابراین با تدوین معماری سازمانی می‌توان سازمان را در وجوه مختلف اهمیت آن مورد بازشناسی قرار داد. اگر بتوان معماری سازمانی را به طور سرویس‌گرا تعیین و تدوین کرد، می‌توان با بهره‌گیری از مزایای سرویس‌گرایی به اهداف معماری سازمانی رسید.

از آن جا که هر گونه تصمیم‌گیری و سیاست‌گذاری در جهت رشد و توسعه سازمان در استفاده از معماری‌های گوناگون از جمله معماری سرویس‌گرا، مستلزم آگاهی از سطح آمادگی فعلی سازمان‌ها می‌باشد، اینجاست که فعالیت‌های ارزیابی نقشی مهم برای تصمیم‌گیرندگان ایفا می‌کنند، در نتیجه نیازمند یک مدل ارزیابی برای آگاهی از میزان آمادگی در سازمان‌ها در حرکت به سمت پیاده‌سازی معماری سرویس‌گرا می‌باشیم؛ از طرفی معمولاً تصمیمات سازمانی در محیطی غیرقطعی، مبهم و فازی، با معیارهایی ناواضح و مبهم، اطلاعات ناکافی و …اتخاذ می‌شود، اگر عدم اطمینان (فازی بودن) در تصمیم‌گیری‌های انسان در نظر گرفته نشود، نتایج می‌تواند گمراه کننده باشد. بر خلاف روش‌های پارامتری مرسوم، منطق فازی از نیاز به مدل‌سازی ریاضی محض و فروض توزیعی مربوطه اجتناب می‌کند در نتیجه در بسیاری از تحلیل‌های تجربی در زمینه‌های سازمانی از نظریه مجموعه‌های فازی و مدل‌های منطق فازی در راستای ارتقا، بهبود نتایج، دقت ارزیابی و کارائی فرایندهای ارزیابی استفاده می‌شود. منطق فازی توصیفات زبان طبیعی سیاست‌های تصمیم‌گیری را به الگوریتمی که از یک مدل ریاضی استفاده می‌کند، ترجمه می کند. این‌چنین مدلی شامل فازی‌سازی، استدلال و فازی‌زدایی است.

در این تحقیق برای هر یک از حوزه‌های ارزیابی آمادگی سازمان، ارزیابی کمی و کیفی مورد نیاز در پذیرش معماری سرویس‌گرا بیان می‌شود. شاخص‌ها به شکلی تعریف می‌شوند که کل سازمان مورد بررسی را تحت پوشش قرار داده و وضعیتی شفاف و روشن از معماری سرویس‌گرا و زیرحوزه‌های آن را مشخص می کند و با تکیه بر عوامل کلیدی موفقیت در پیاده‌سازی معماری سرویس‌گرا و استفاده از اصول و راه‌کارهای منطق فازی، مدلی به منظور ارزیابی آمادگی سازمان در پذیرش معماری سرویس گرا ارائه شود.

1-2- توجیه ضرورت انجام طرح

هر پروژه‌ای قبل از اجرا باید از منظرهای مختلف از جمله مالی، زمانی، نیروی انسانی، فنی و … مورد ارزیابی قرار گیرد. هدف از تحقیق ارائه شده کسب اطمینان از قابلیت‌های سازمانی برای رسیدن به نتایج دلخواه می‌باشد تا بتوان نسبت به انجام پروژه یا عدم انجام آن تصمیم‌گیری کرد؛ بنابراین درک صحیح از میزان آمادگی، برای جهت‌گیری درست تلاش‌ها و تدوین استراتژی‌های متناسب بسیار حائز اهمیت بوده و به عنوان یک عامل کلیدی موفقیت برای پیاده‌سازی این سیستم ها مطرح می‌باشد، در این راستا ضروری است که سازمان‌ها نیز قبل از هر اقدام برای پیاده‌سازی سیستم‌های سرویس‌گرا و معماری آن، به ارزیابی و امکان‌سنجی پیاده‌سازی این سیستم بپردازند تا در صورت تصمیم در پیاده‌سازی پروژه مورد نظر، اجرای آن مطابق واقعیت‌ها و محدودیت‌های سازمان صورت گیرد و حتی‌الامکان به نتایج مورد نظر نزدیک باشد. بر این اساس در پروژه حاضر، پس از و بررسی مبانی نظری مرتبط، مؤلفه‌ها و شاخص‌های تعیین میزان آمادگی سازمان اعم از کیفی و کمی برای پیاده‌سازی معماری سرویس‌گرا، استخراج و سپس مورد ارزیابی و تحلیل قرار خواهد گرفت. برآورد میزان آمادگی برای پیاده‌سازی سیستم‌های سرویس‌گرا در هر سازمان متفاوت است لذا، انتخاب ابعاد و شاخص‌های مناسب جهت ارزیابی آمادگی، بایستی با در نظر گرفتن ملاحظاتی خاص برای هر سازمان انجام شود.

1-3- سؤال تحقیق (هدف از اجرا)

به منظور جلوگیری از صرف زمان و هزینه فراوان در سازمان‌های ایرانی به منظور پیاده‌سازی معماری سرویس‌گرا که بر اثر توجه بیش از حد به یک عامل و عدم توجه کامل به سایر عوامل سازمانی ممکن است نهایتاً منجر به شکست پروژه پیاده‌سازی و بعضاً ورشکستگی سازمان شود، لازم است ابزار و روش‌هایی در اختیار مدیران و کارشناسان قرار گیرد تا قبل از به اجرا در آمدن آن، با دقت میزان آمادگی سازمان را مورد ارزیابی قرار دهند تا نتیجه‌بخش بودن و مثمر ثمر بودن آن را بررسی کنند. باید دقت داشت اجرای یک معماری نامناسب، نه تنها کمکی به تأمین اهداف سازمانی ننموده بلکه خود موجب خلل در فرایندهای کسب و کار می‌شود. با به‌کارگیری فعالانه ارزیابی، سازمان‌ها می‌توانند نقاط قوت برنامه معماری سازمانی خود را تقویت نموده و نیز حیطه‌های نیازمند بهبود را شناسایی و برنامه‌های خود را مطابق آن‌ ها تنظیم کنند، در نتیجه تاثیر مثبت معماری سازمانی در تصمیم گیری‌ها برای سرمایه گذاری در فناوری اطلاعات بیشتر خواهد شد. هدف عمده این تحقیق ارائه مدلی کلی با بهره گرفتن از منطق فازی به منظور معرفی عواملی است که از طریق آن می‌توان میزان آمادگی یک سازمان را برای پیاده‌سازی معماری سرویس گرا ارزیابی نمود.

سؤالات مطروحه در این تحقیق به شرح زیر می‌باشند:

چه شاخص‌ها و معیارهایی بر آمادگی سازمان‌ها جهت پیاده‌سازی معماری سرویس‌گرا موثر است؟ هر یک از شاخص‌های موثر بر آمادگی سازمان به چه میزان دارای اهمیت هستند؟ آمادگی سازمان جهت پیاده‌سازی معماری مورد نظر به چه میزان است؟

[1] – Service Oriented Architecture)SOA)

ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل و با فرمت ورد موجود است

متن کامل را می توانید دانلود نمائید

1-4- ساختار پایان‌نامه…………………… 7

فصل 2- ی بر تحقیقات انجام‌شده………………….. 9

فصل 3- مراحل انجام کار………………….. 14

3-1- جمع‌ آوری داده‌ها …………………..16

3-2- پیش‌پردازش داده‌ها………………….. 17

3-2-1- انتخاب و کاهش ویژگی‌ها با بهره گرفتن از PCA…………………….

3-3- الگوریتم‌های کلاسه‌بندی مورد استفاده …………………..21

3-3-1- شبکه عصبی پرسپترون چند لایه(MLP)…………………..

3-3-2- شبکه عصبی شعاع مبنا………………….. 24

3-3-3- بردار ماشین تکیه گاه(SVM) …………………..

3-4-ارزیابی روش‌های کلاسه‌بندی……………………. 43

فصل 4- شبیه‌سازی……………………. 44

4-1- مقدمه…………………… 45

4-2- انتخاب ویژگی‌ها …………………..45

4-3- شبیه‌سازی با پرسپترون چند لایه…………………… 46

4-4- شبیه‌سازی با بردار ماشین تکیه‌گاه …………………..48

4-5- شبیه‌سازی با شبکه عصبی شعاع مبنا………………….. 53

فصل 5- نتیجه‌گیری و پیشنهادات…………………….. 58

5-1- نتیجه‌گیری و جمع‌بندی……………………. 59

5-2- پیشنهادات و كارهای آینده………………….. 59

فهرست منابع……………………. 60

چکیده:

همواره در یک محیط عملیاتی جنگ الکترونیک پالس‌های متعددی از رادارهای فعال در منطقه موجود می‌باشد. یكی از روش‌های تشخیص تهدیدات هوایی، دریایی و زمینی، استفاده از تحلیل سیگنال راداری است كه توسط این‌گونه تهدیدات حمل می‌شوند. ازآنجایی‌که رادار به عنوان یکی از مهم‌ترین حسگرها در این حوزه مورد استفاده قرار می‌گیرد، لذا شناسایی دقیق و سریع رادارهای موجود در یک منطقه عملیاتی از اهمیت ویژه‌ای برخوردار است.

برای شناسایی رادارها، واحد پردازش اطلاعات نقش مهمی را بر عهده دارد که یکی از بخش‌های مهم این واحد، کلاسه‌بندی رادارهای کشف شده می‌باشد. در این تحقیق از الگوریتم SVM برای این منظور استفاده شده است که با توجه به نتایج به‌دست‌آمده از شبیه‌ سازی‌ها و مقایسه آن با چند روش دیگر، الگوریتم مذکور بهترین کارایی را دارد.

فصل اول: مقدمه

1-1- پیشگفتار

در دنیای امروزی، اطلاعات به عنوان یکی از فاکتورهای تولیدی مهم پدیدار شده است. درنتیجه تلاش برای استخراج اطلاعات از داده‌ها توجه بسیاری از افراد دخیل در صنعت اطلاعات را به خود جلب نموده است. پیشرفت‌های حاصله در علم اطلاع‌رسانی و فناوری اطلاعات، فنون و ابزارهای جدیدی را برای غلبه بر رشد مستمر و تنوع بانک‌های اطلاعاتی تأمین می‌کنند. این پیشرفت‌ها هم در بعد سخت‌افزاری و هم نرم‌افزاری حاصل‌شده‌اند.

داده‌کاوی یکی از پیشرفت‌های اخیر در راستای فن‌آوری‌های مدیریت داده‌هاست. داده‌کاوی مجموعه‌ای از فنون است که به شخص امکان می‌دهد تا ورای داده‌پردازی معمولی حرکت کند و به استخراج اطلاعاتی که در انبوه داده‌ها مخفی و یا پنهان است کمک می‌کند.

سیستم‌های پشتیبان الکترونیکی یا ESM، سیستم‌های منفعل هستند که تشعشع امواج تولیدی را از بسیاری از سیستم‌ها، دریافت و ویژگی‌های هر یک از پالس‌های دریافت شده را اندازه‌گیری می‌کنند و سپس پالس‌هایی که متعلق به ساتع کننده‌ای مشابه باشند را برای تعیین و استخراج پارامترها و ویژگی‌های رادار کشف شده دسته‌بندی می‌کنند و هدف آن جستجو، ره‌گیری، مکان‌یابی و تحلیل سیگنال‌های راداری در دیده‌بانی و مراقبت از منطقه نظامی می‌باشد ]5[ ]6[ ]9[ ]11[.

به‌طورکلی سیستم‌های شناسایی رادار دارای چهار جزء اصلی شامل آنتن، گیرنده، پردازشگر(شامل پردازش سیگنال و داده) و نمایشگر می‌باشد و عمل کلاسه‌بندی و تفکیک رادارها در قسمت نمایشگر این سیستم‌ها با مقایسه با آرشیو اطلاعات راداری انجام می‌شود]19[.

در یک محیط جنگ الکترونیک، رشته پالس‌های مربوط به رادارهای فعال در محیط با هم ادغام شده و توسط گیرنده‌های سیستم شنود راداری دریافت می‌شوند. این رشته پالس‌ها دارای ویژگی‌های متفاوتی هستند که آن‌ ها را از هم مجزا می‌سازند. این ویژگی‌ها با توجه به نوع رادار و تهدیدها، متفاوت خواهد بود.

ویژگی‌های مربوط به هر رادار با چند پارامتر اصلی مشخص می‌شوند که این پارامترها شامل جهت، زمان دریافت پالس، فرکانس، عرض پالس و دامنه پالس است]14[ ]16[ ]17[ که با جمع‌ آوری تعداد زیادی از این ركوردها و مؤلفه‌های مشخصه می‌توان یک مجموعه داده مرجع و كارآمد تشكیل داد كه برای شناسایی، پیش‌بینی، دسته‌بندی و برچسب‌گذاری رادارها از آن استفاده می‌شود.

 1-2-  اهداف پایان‌نامه

با توجه به گستردگی آماری داده‌ها و انواع رادارهای موجود، مسئله برچسب‌گذاری رادارهای استخراج شده، چالشی جدی است. در صورت اكتشاف پارامترهای عملیاتی یک رادار توسط سیستم‌های شنود راداری موجود در یک منطقه عملیاتی، می‌بایست بر اساس پایگاه داده موجود، نام و نوع آن رادار تشخیص داده شود تا بتوان عملیات مناسبی را جهت غیرفعال كردن آن رادار انجام داد. در حال حاضر برای انجام این کار از پردازش‌های قیاسی استفاده می‌شود تا رکوردی که بیشترین شباهت با رادار کشف شده توسط نرم‌افزار دارد مشخص گردد که برای انجام این کار از یک مدل ریاضی خیلی ساده‌انگارانه خطی استفاده می‌شود كه بر اساس آن توسط نیروی خبره، یک ضریب به هر پارامتر آن رادار اختصاص می‌یابد و با عملیات ریاضی خیلی ساده‌ای، راداری که بیشترین شباهت به رادار مکشوفه دارد استخراج می‌شود و بنابراین فرایندی زمان‌بر و کم‌دقت است و همچنین به سطح تخصص و تجربه فرد خبره نیز بستگی دارد و علاوه بر آن رادارهای بسیار متنوع و متفاوتی وجود دارد که برای هرکدام از آن‌ ها باید ضرایب متفاوتی را اعمال کرد.

همان‌طور كه مشخص است نیروی انسانی نقش عمده‌ای در فرایند فوق‌الذکر دارد، هدف از انجام این پایان‌نامه كاهش نقش نیروی انسانی و خطاهایی است كه می‌تواند از این منبع سرچشمه بگیرد. بنابراین و با در نظر گرفتن صورت‌مسئله یادشده، استفاده از الگوریتم‌های کلاسه‌بندی[6] در داده‌کاوی[7] ابزار مناسبی جهت تشخیص، تبیین و استخراج اطلاعات مطلوب از مجموعه داده جمع‌ آوری‌شده می‌باشد.

در سیستم‌های مخابراتی نظامی تکنیک‌های پیشرفته‌ای برای شنود و پردازش سیگنال‌های بلادرنگ بکار می‌رود که برای تصمیم‌گیری‌های مربوط به عملیات جنگ الکترونیک و سایر عملیات تاکتیکی حیاتی‌اند. امروزه ضرورت سیستم‌های هوشمند با تکنیک‌های پردازش سیگنال مدرن، به‌خوبی

 احساس می‌شود. وظیفه اصلی چنین سیستم‌هایی شناخت رادارهای موجود در محیط عملیاتی و طبقه‌بندی آن‌ ها بر اساس آموخته‌های قبلی سیستم و انجام عملیات لازمه با سرعت بالا و بلادرنگ می‌باشد بخصوص در مواردی که سیگنال دریافت شده مربوط به یک تهدید آنی مانند موشک است و باید سیستم‌های جنگ الکترونیک در کوتاه‌ترین زمان ممکن پاسخ لازم را به عنوان هشداردهنده بدهند.

هدفی که به دنبال آن هستیم استفاده از نتایج این تحقیق در کلاسه‌بندی اطلاعات استخراج شده توسط سیستم‌های شنود راداری می‌باشد که این امر بعد از مرحله پیش‌پردازش سیگنال ورودی و انتخاب صحیح الگوریتم‌های دسته‌بندی، محقق می‌شود. عملیات پیش‌پردازش می‌تواند دربرگیرنده حذف نویز ، تخمین فرکانس حامل، توان سیگنال و نویز، همسان‌سازی و… می‌باشد که به دلیل وجود مباحث مخابراتی از بحث ما خارج می‌باشد. پس از پردازش و استخراج مشخصات سیگنال ورودی و ذخیره‌سازی در بانک اطلاعاتی سیستم نوبت به تشخیص نوع رادار کشف شده با تکیه‌بر اطلاعات موجود و آموزش قبلی سیستم است. در این راستا مطالعه روش‌های معتبر کلاسه‌بندی داده‌ها در یک قالب مشخص، و از میان آن‌ ها انتخاب روش بهینه حائز اهمیت برای سیستم‌های شنود می‌باشد. ازآنجایی‌که آیتم زمان در چنین سیستم‌هایی بسیار مهم و حیاتی است بنابراین انتخاب روشی مؤثر، بهینه و سریع به‌منظور کلاسه‌بندی و هدایت روش‌های ECM برای این‌گونه تجهیزات نظامی دارای جایگاه خاصی می‌باشد.

1-3- مسائل و مشکلات مربوط به موضوع

در حال حاضر فرایند جداسازی پالس‌های راداری معمولاً یک یا چند پارامتر مربوط به یک پالس(مانند شکل 1-1) را در نظر می‌گیرند. به طور مثال برای جداسازی پالس‌ها در گیرنده و نسبت‍دادن آن به راداری مشخص و معلوم، در حالات تک پارامتری، پارامتر زمان دریافت پالس مورد استفاده قرار می‌گیرد. در حالات دوم، پارامترهای دیگر نیز مورد استفاده قرار می‌گیرند. لذا با توجه به مطالب ذکرشده روش‌های جداسازی پالس‌ها به دو روش تک‍پارامتری و چند‍پارامتری تقسیم می‌شوند.]3[

اما در عملیات کلاسه‌بندی راداری ما مجبوریم تا چندین پارامتر از آن پالس کشف شده را مورد مقایسه و ارزیابی قرار دهیم برخلاف روش تک‍پارامتری که سرعت بالایی دارد روش دوم یا چند‍پارامتری پیچیدگی کار را بالابرده که در این صورت سرعت تحت‌الشعاع دقت سیستم قرار خواهد گرفت. علاوه بر این موضوع در هنگامی‌که تعداد پالس‌ها زیاد شود روند ارزیابی و تشخیص رادار از روی چندین پارامتر پیچیده می‌گردد.

البته می‌توانیم بر اساس روش تک‍پارامتری کلاسه‌بندی را انجام دهیم ولی در این صورت به علت وجود تعداد رادارهای زیاد در یک منطقه و پیشرفت روزافزون رادارها در ارسال الگوهای رفتاری متفاوت در یک یا چندین پارامتر خودشان در هرلحظه، دسته‌بندی‌های انجام شده بسیار متنوع و زیاد خواهند شد که باعث به وجود آمدن مشکلاتی در این زمینه می‌شود. علیرغم مسائل و مشکلات مربوط بهروش‌های تک‍پارامتری، این روش‌ها در محیط‌های ساده و نه‌چندان شلوغ و پیچیده نسبت به روش‌های چند پارامتری دارای سرعت بالاتری خواهند بود. در ادامه توضیح داده خواهد شد كه روش تک‍پارامتری جوابگوی تمام الگوهای رفتاری رادارها (مانند Stagger, Jitter) نخواهد بود.

فرض کنید که بخواهیم مثلاً بر اساس فقط پارامتر فرکانس کلاسه‌بندی انجام شود. در این حالت فرض كنیم كه سیستم پالس‌های چندین رادار را كشف كرده و اطلاعات آن‌ ها را استخراج نموده است، تداخلی بین آن‌ ها به وجود نیامده و الگوی رفتاری فرکانس همه آن‌ ها نیز ثابت بوده باشد آنگاه ممکن است كه این انتخاب روش برای کلاسه‌بندی مناسب باشد. ولی اگر الگوی رفتاری فرکانس پالس رادار دریافتی از نوع Agile یا از نوع Diversity باشد در این صورت به دلیل ماهیت همان الگوی رفتاری خروجی شامل چندین رادار می‌شود درصورتی‌که درواقع تمامی این فرکانس‌ها مربوط به یک رادار بوده است. با توجه به توضیحات گفته‌شده بالا همین موضوع برای پارامتر [1]PRI نیز صادق است چراکه به علت تنوع الگوهای رفتاری PRI این مسئله نیز مشکلی به‌مانند فركانس را به وجود می‌آورد (برخی از انواع الگوهای معروف و متداول PRI شامل: Stable, Jitter, Stagger, Dwell&Switch, Periodical است). بنابراین نیاز است تا برای کلاسه‌بندی سیگنال‌های راداری از روش چند‍پارامتری استفاده شود که در این صورت رادارها بر اساس چندین مشخصه پالس‌هایشان کلاسه‌بندی می‌شوند و باعث محدودتر شدن دسته‌ ها و درنتیجه بالاتر رفتن سرعت جستجوها و مقایسه‌ها در مراجعات بعدی خواهد شد.

[1] Pulse repetition interval

[1] Electronic Support Measure

[2] Directional Of Arrival (DOA)

[3] Time Of Arrival (TOA)

[4] Pulse width (PW)

[5] Pulse Amplitude (PA)

[6] Classification

[7] Data Mining

[8] Electronic Counter Measure

ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل و با فرمت ورد موجود است

متن کامل را می توانید دانلود نمائید