---

با پذیرش تفاوت‌های سازمان‌های دانش بنیان به لحاظ فلسفه وجودی، ماهیت فعالیت‌ها و به ‌دنبال آن تمایز کارکنان آنان با دیگر سازمان‌ها، در این مقاله سعی بر آن است تا با مرور اجمالی مدل‌های ارائه شده در حوزه جبران خدمات، مدلی مناسب برای بکارگیری در نظام جبران خدماتِ سازمان‌های دانش بنیان ارائه شود. در این پژوهش پس از مطالعه مدل‌های موجود، فهرستی از عوامل تأثیرگذار در نظام‌های جبران خدمات، شناسایی و در دو گروه اصلی مالی و غیر مالی و چهار زیرگروه طبقه بندی شد. سپس از میان عوامل احصا شده، بر‌اساس نظر غالب خبرگان، هشت عامل مؤثر در نظام جبران خدمات این سازمان‌ها برگزیده و در نهایت با استفاده از اکثریت آرای همان صاحبنظران و به کمک روش مدل‌سازی ساختاری – تفسیری، مدل مترتب، بر‌اساس سطح‌بندی هشت عامل منتخب طراحی شد. در مدل طراحی شده عوامل غیرمالی اعم از عوامل مرتبط با شغل(کار چالشی و فرصت رشد) و عوامل مربوط به محیط و شرایط شغل (برخورداری از ساعت‌های کار شناور و شرایط مطلوب محیط کار) در سطوح بالاتر قرار گرفتند؛ به این معنا  که این عوامل در نظام جبران خدمات این سازمان‌ها از اهمیت و تأثیرگذاری بیشتری برخوردارند.    

---

هدف این مقاله ارائه مدلی برای تحلیل رفتار و تعیین فاکتور کارآمدی^۱[۱] عامل‌های پاسخگو به تماس‌های مشتریان در مراکز تماس^۲ می‌باشد. هدف از ارائه این مدل شناسایی نقاط ضعف و قوت عامل‌ها در ارائه خدمت به مشتریان است. سه شاخص به نام‌های F، U و Q شامل تعداد دفعات پاسخگویی، مدت زمان یک تماس واحد و کیفیت پاسخگویی به تماس‌ها برای تحلیل رفتار عامل‌ها تعریف شد. سپس با مشاوره به کمک افراد خبره شاخص‌ها وزن‌دهی شدند. سپس با توجه به تعداد خوشه‌های بهینه براساس شاخص دیویس به خوشه‌بندی عامل‌ها با استفاده از روش کا- میانگین پرداخته شد. سپس معیاری برای سنجش کارآمدی عامل‌ها تعریف‌ کرده و به تحلیل نتایج به دست آمده پرداختیم. موردکاوی صورت ‌گرفته روی ۳۴۰۱۵۳۵ رکورد از داده‌های تماس ۱۵۸ عامل‌ در مرکز تماس یکی از شرکت‌های وابسته به صنایع خوردروسازی بوده ‌است. نتایج به دست آمده نشان می‌دهند که کارآمدی عامل‌ها ارتباطی با جنسیت آن‌ها ندارد. شرکت از بهترین و با تجربه‌ترین عامل‌های خود کمترین استفاده را در پاسخگویی به تماس‌های مشتریان می‌برد و در صورتی که یکی از نکات مهم در مدیریت منابع انسانی استفاده بهینه از متخصص‌ها می‌باشد. از طرف دیگر نتایج نشان می‌دهند که سازمان‌ برای استخدام عامل‌های جدید باید به سطح تحصیلات و مهارت آن‌ها در پاسخگویی به تماس‌های مشتریان بسیار توجه کنند.      
۱ .Agent Efficiency Factor [۱] .Call Center      

---

در عصر حاضر یکی از چالش‌های بزرگ برنامه‌ریزان و مدیران در حوزه خدمات بانکی، شناخت مشتریان و ایجاد تمایز بین گروه‌های مختلف مشتریان می‌باشد. بدیهی است استفاده از الگوی مناسب به بانک‌ها این فرصت را می‌دهد که پیشنهادهای ارزشمند خود را متناسب با نیازها و خواسته‌های بخش‌های هدف‌گیری شده جهت بهبود عملکرد خود از منظرهای مختلف طراحی و ارائه نمایند. هدف این مطالعه به‌کارگیری مدل مناسبی برای خوشه‌بندی مشتریان بر‌اساس شاخص‌هایی مانند تازگی، تعداد تراکنش وعامل مالی می‏باشد. در این مقاله برای خوشه‌بندی داده‌ها از تلفیق الگوریتم‌های ژنتیک وسی میانگین در محیط فازی جهت غلبه بر مشکلاتی مانند حساس بودن به مقدار اولیه و گرفتار شدن در دام بهینه محلی استفاده شده است. جامعه آماری این پژوهش، متشکل از مشتریان شعب بانک رفاه شهر تهران می‌باشد. همچنین از روش نمونه‌گیری تصادفی ساده برای اخذ نمونه استفاده شده است. یافته‌های تحقیق نشان می‌دهد که مشتریان متعلق به خوشه اول به‌دلیل دارا بودن عملکردی بالا در شاخص‌های «تازگی»، «تعداد تراکنش»، و «عامل مالی» جزء مشتریان وفادار و مشتریان خوشه دوم به‌ خاطر دارا بودن عملکرد‌های پایین در شاخص »تازگی«، متوسط در شاخص »تعداد تراکنش«، و بالا در شاخص»عامل مالی« جزء مشتریان رویگردان از بانک می‌باشند.

---

در فضای مجازی، شبکه‌های اجتماعی به ‌عنوان نوع جدیدی از وب‌سایت‌ها متولد شده‌اند و کاربردها، کاربران و طرفداران بسیاری پیدا کرده‌اند. شبکه‌های اجتماعی یکی از انوع رسانه‌های اجتماعی محبوب محسوب می‌شوند و محلی برای شکل‌گیری جماعت‌های مجازی و شبکه‌سازی کاربران اینترنتی هستند کاربران اینترنتی را بر‌حسب نوع مواجه خود با شبکه‌های اجتماعی می‌توان به شکل‌های مختلف دسته‌بندی کرد. باتوجه به گسترش انواع شبکه‌های اجتماعی، نیاز به الگویی است تا براساس آن تصمیم‌گیری استراتژیک و یا اتخاذ خط مشی‌های جدید برای خدمت‌رسانی بهتر به کاربران صورت گیرد. هدف این پژوهش، ارائه سازوکاری جهت پیش‌بینی الگوهای رفتاری افراد در شبکه‌های اجتماعی و به‌کارگیری تکنیک‌های داده‌کاوی با استفاده از روش فرایندی اجرای پروژه‏های داده‌کاوی برای رده‌بندی و تحلیل رفتار کاربران شبکه اجتماعی به منظور شناخت بهتر آنها و در نتیجه بهبود خدمات ارائه شده و تدوین استراتژی‌های مناسب می‌باشد. جامعه آماری پژوهش کاربرانی می‌باشد که از شبکه‌ اجتماعی مورد نظر استفاده می‌کنند که شامل تعداد ۳۱۰۳۳ کاربر فعال است. درک صحیح از الگوهای رفتاری کاربران شبکه‌های اجتماعی، منجر به انطباق هرچه بهتر خدمات ارائه شده به‌وسیله شبکه با نیازهای کاربر و به تبع آن، توسعه تعداد کاربران شبکه و افزایش ارزش افزوده آن برای کاربران و درآمدزایی برای متولیان شبکه می‌گردد.

---

---

---

---

وزن دهی و تلفیق لایه های مکان مرجع یکی از مباحث بسیار مهم در آنالیز های اطلاعات مکانی است. از سوی دیگر، به دلیل عدم قطعیت در لایه های مکانی نیاز به روشی است که بتواند عدم قطعیت را در میزان تأثیر این لایه ها درنظر بگیرد. هدف این تحقیق، استخراج پایگاه دانش بهینه به منظور تلفیق مؤثر لایه های مکانی با درنظر گرفتن عدم قطعیت موجود در آن هاست. در روش های رایج و سنتی، پایگاه دانش براساس تجربه و دانش فرد خبره ایجاد می شد. باوجود این، تبدیل دانش و تجربه فرد خبره به توابع عضویت و قوانین فازی بسیار دشوار است و در اکثر موارد می تواند به نتایج ناکارآمد منجر شود. در این تحقیق دو روش خوشه بندی فازی و الگوریتم ژنتیک برای استخراج پایگاه دانش فازی از مشاهدات محیطی (داده های ورودی- خروجی) به کار رفتند. برای ارزیابی این دو روش، دو پایگاه دانش فازی استخراج شده در یک سیستم استنتاج فازی برای تهیه نقشه پتانسیل معدنی به کار گرفته شدند. نتایج نشان می دهند پایگاه دانش فازی به دست آمده از الگوریتم ژنتیک با RMSE، ۱۶,۲۱ دقت بالاتری را نسبت به خوشه بندی فازی برای داده های آموزشی و کنترل به دست آورده است.  

---

چگونگی سنجش فراگیران و تعیین محتویات مطالب، از فعالیت‏های ضروری فرایندهای آموزش الکترونیکی می‌باشند. این فعالیت‏ها توسط استاد یا آموزشیار صورت گرفته و روش‏های ارزیابی دانشجویان، نظیر برگزاری آزمونهای برخط یا واگذاری تکالیف مدت‌دار به آنها تعیین می‌شوند. در صورتیکه برگزارکنندگان بتوانند از میزان تأثیر هر فعالیت در کیفیت یادگیری فراگیران آگاهی یابند، ضمن صرفه‌جوئی قابل توجه در وقت و منابع ذینفعان دوره‌ها، باعث انتقال مطالب مفیدتر و سنجش واقعی‌تر دانشجویان و در نهایت بهبود آموزش‌الکترونیکی خواهدشد. در این مقاله، ابتدا با تکنیکهای فاقد ناظر داده‌کاوی، به خوشه‌بندی و توصیف وضعیت موجود فراگیران پرداخته و بکمک قاعده‌کاوی، قواعد نهفته در داده‌های آموزش الکترونیکی را استخراج و محتواهای مؤثر در نتیجه‌ی مطلوب فراگیران را کشف می‌کنیم؛ سپس، با روش‏های باناظر، به پیش‌بینی نتایج دوره‌ها می‌‎پردازیم. با بهره‏گیری از داده‏های واقعی فعالیت‏های یک درس الکترونیکی ارائه‌شده، و با طراحی چهار روش مختلف برای نمونه‌برداری داده‌ها و آموزش سیستم با دو درخت DT و WJ۴۸، پیش‌بینی‌ها اجرا شدند و روش‏ها با نرخ دقت ۹۲,۸۶% اعتبارسنجی گردیدند. نشان داده‏ایم که اسلوب‏های این مطالعه می‌توانند به استاد درس برای شناخت بهتر فراگیران و تأثیر فعالیت‏های آموزشی خواسته شده از آنان نظیر- توصیف ویژگی‏های فراگیران بر پایه کشف الگوهای نهفته در نمره‏های اکتسابی آنان کمک نماید. تعیین فعالیت‏های مؤثرتر یادگیری و تصمیم‌گیری درباره‌ی شاخص‏های سنجش واقعی‌تر فراگیران، از مزیت‌های مهمی است که روش‌های فناورانه این مطالعه برای بهبود مدیریت دوره‌های یادگیری الکترونیکی فراهم می‌کنند.

---

احداث ساختمان‌ها و سازه‌های مختلف، باعث به هم فشرده شدن ذرات خاک و درنتیجه نشست خاک می‌گردند. یکی از روش‌های محاسبه میزان نشست، استفاده از شاخص تراکم خاک (Cc) حاصل از نتایج آزمایش تحکیم در خاک‌های رسی می‌باشد که انجام این آزمایش نسبتاً زمان‌بر و پرهزینه است. در این خصوص برخی محققان، روابط نیمه تجربی مختلفی ارائه نمودند که این روابط نیز به‌صورت تک پارامتری مقدار Cc را تعیین می‌نمایند. با توجه به اینکه Cc رابطه‌ای غیرخطی با پارامترهای مربوطه دارد و این‌گونه مسائل غیرخطی و مواردی که نیاز به درک دقیق مسئله‌دارند را می‌توان با استفاده از سیستم استنتاج فازی-عصبی انطباقی (ANFIS) پیش‌بینی نمود. در این مقاله به‌منظور پیش‌بینی Cc، دو مدل ANFIS ارائه گردیده است که در ایجاد این دو مدل از خوشه‌بندی کاهشی (SC) و خوشه‌بندی Fuzzy c-means (FCM) استفاده‌شده است. پارامترهای ورودی این مدل‌ها، مشابه با پارامترهایی می‌باشند که در اکثر روابط نیمه تجربی ارائه‌شده برای Cc به‌کاربرده شده است؛ این پارامترها شامل نسبت تخلخل اولیه (e۰)، حد روانی (LL) و حد خمیری (PL) می‌باشند که در آزمایشگاه به‌راحتی قابل‌تعیین هستند. نتایج به‌دست‌آمده نشان دادند که هر دو مدل ANFIS دارای قابلیت بالایی برای پیش‌بینی Cc با ورودی‌های انتخابی بوده و همچنین توانسته‌اند پیش‌بینی نسبتاً مناسب و قابل قبولی را ارائه دهند.

---

نسبت استحکام به وزن قابل توجه در کامپوزیت‌های کربن/اپوکسی باعث شده در اکثر سازه‌ها خصوصا سازه‌های هوافضایی، استفاده از آنها مورد توجه واقع شود. به علاوه، برای افزایش قابلیت اطمینان در چنین سازه‌هایی، شناسایی خرابی‌های بالقوه و پایش مداوم آنها، لازم و مهم است. یکی از روش‌های جدید تشخیص عیوب در کامپوزیت‌ها، قبل از شکست، روش انتشار صوت است. بر این اساس، هدف از این مقاله بررسی و شناسایی انواع سازوکار‌های خرابی در نمونه‌های کامپوزیتی چندلایه سوراخدار با چیدمان 〖[۰_۳/〖۹۰〗_۲/۰_۲]〗_s، تحت بارگذاری خستگی کمچرخه در دامنه‌های جابجایی مختلف، با استفاده از روش انتشار صوت است. روش تحقیق بدین شرح است که نخست یک قطعه کامپوزیتی سوراخدار، تحت بارگذاری خستگی کمچرخه مطابق با استاندارد قرار گرفت. موج‌های الاستیک انتشاریافته حاصل از شکست قطعه توسط دو حسگر انتشار صوت از نوع نوار پهن ثبت شدند. برای تشخیص مقدار درصد خرابی از دو روش تبدیل موجک بسته‌ای و خوشه‌بندی فازی استفاده شد. نتایج این دو روش با تحلیل تصاویر حاصل از میکروسکوپ الکترونی روبشی نیز، مقایسه گردیدند. نتایج بدست آمده از این پژوهش نشان دهنده بازدهی مطلوب روش انتشار صوت در تعیین نوع خرابی‌ها و مقدار درصد هریک از آن‌ها در کامپوزیت‌های چندلایه است.

---

در این مقاله به نقد و تحلیل پانزده عنوان رمان جنگ با انتخاب تصادفی براساس نقد رتوریک (مخاطب محور/ تأثری) [حوزه مطالعه] و روانشناسی ملی مردم انگلستان به‌عنوان نمونه با شیوه­ ­خوشه­بندی «کنت بورک» پرداخته­ایم. نقد و تحلیل سه رمانِ «برخورد» «زیر درخت آلبالو» و «در جستجوی من»، که تقریباً در صدر و ذیل و میانه­ این طیف انطباقی قرار دارند به‌طور کامل مندرج است. در مورد عناوین دیگر به‌دلیل اختصار به ارائه­ نتیجه­ نهایی اکتفا شده است. نتیجه، وجود طیف گسترده و گوناگونی از بیشترین تا کمترین همخوانیها به‌عنوان ظرفیت پذیرش و اقناع از سوی مخاطب انگلیسی است ؛ بدین‌ترتیب به نظر می­آید که در مورد امکان گسترش و ترویج رمان فارسی در انگلستان، باید قائل به‌تفصیل باشیم؛ یعنی بعضی از این آثار مناسب حضور در فضای فرهنگی انگلستان هستند و امکان استقبال زیادی دارند و بعضی نه؛ گروهی نیز شاید با نوعی ویرایش، بستر لازم را برای ایجاد ارتباط بهتر و جلب ذوق مخاطب غربی به منظور اقناع و تأثیر بیابند؛ هم‌چنین نتایج  می‌تواند نویسندگان ایرانی برای گسترش دایره­ جهانی مخاطبانشان باشد.

---

در این مقاله روشی برای بهبود اعمال قید تنش در طراحی توپولوژی سازه‌ با جرم کمینه ارائه شده ‌است. برای فرمول‌بندی مسئله بهینه‌سازی توپولوژی از روش اجزای محدود و برای مدل‌سازی مصالح از تابع چگالی مصنوعی استفاده شده‌ است. برای محاسبه میزان تنش در اجزا از تنش فون‌میزز در نقاط انتگرال‌گیری گوس موسوم به نقاط فوق‌همگرا استفاده شده است. به منظور کاهش زمان و هزینه محاسبات از فن خوشه‌بندی قیود تنش مجتمع شده با روش P-norm برای کاستن از تعداد قیود مسئله بهینه‌سازی، که متناسب با تعداد المان‌های به کار رفته در مدل محاسباتی مسئله است، استفاده شده است. به این منظور تعداد زیادی از قیدهای تنش محلی با تعداد محدودی قید تنش سراسری جایگزین می‌شود. توصیف کاملی از فرمول‌بندی و تحلیل حساسیت قید تنش که با استفاده از روش الحاقی صورت پذیرفته، ارائه شده است. به علت پیچیدگی بهینه‌سازی توپولوژی با استفاده از قیدهای تنش، روش مجانب‌های متحرک برای حل مسئله بهینه‌سازی مورد استفاده قرار گرفته است. برای بررسی کارایی روش چند مثال تنش صفحه‌ای ارائه و با سایر پژوهش‌ها ارزیابی شده است. نتایج به‌دست آمده حاکی از مزیت روش محاسباتی ارائه شده در تولید توپولوژی‌های قابل قبول و کاربردی است.

---

---

سیستم استنتاج تطبیقی فازی- عصبی (نرو- فازی یا انفیس) یک شبکه ترکیبی عصبی- فازی شناخته شده برای مدل‌سازی سیستم‌های پیچیده است. در این سیستم متداول‌ترین روش خوشه‌بندی فازی، الگوریتم خوشه‌بندی کاهشی فازی است. در این الگوریتم، یک خوشه با درجه مشخص برای هر نقطه داده وجود دارد که توسط یک سطح تابع عضویت توضیح داده می‌شود. در این مطالعه از مدل انفیس برای پیش‌بینی کاهش وزن (%)، جذب مواد جامد (%)، کاهش آب (%) و آبگیری مجدد (%) برش‌های موز آب‌گیری شده به روش اسمز-فراصوت استفاده شد. مدل انفیس با ۳ ورودی توان فراصوت (در سه سطح ۰، ۷۵ و ۱۵۰ وات)، زمان تیمار فراصوت (در سه زمان ۱۰، ۱۵ و ۲۰ دقیقه) و غلظت محلول ساکارز (در سه سطح ۳۰، ۴۵ و ۶۰ درجه بریکس) برای پیش‌بینی ویژگی‌های برش‌های موز آبگیری شده، توسعه یافت. مقادیر ضریب تبیین محاسبه‌شده برای پیش‌بینی کاهش وزن (%)، جذب مواد جامد (%)، کاهش آب (%) و آبگیری مجدد (%) برش‌های موز آبگیری شده با استفاده از الگوریتم خوشه‌بندی کاهشی مبتنی بر انفیس به ترتیب برابر ۹۳/۰، ۹۵/۰، ۹۴/۰ و ۹۱/۰ بود. در مجموع می‌توان بیان داشت که میزان ضرایب تبیین بالای بین نتایج تجربی و خروجی‌های مدل انفیس بیانگر دقت قابل قبول و قابلیت استفاده از این روش در کنترل فرایندهای پیچیده صنایع غذایی از جمله فرآیندهای آبگیری و خشک‌کردن است.

---

انفیس (سیستم استنتاج تطبیقی فازی- عصبی) یک روش ترکیبی عصبی- فازی برای مدل‌سازی پدیده‌های انتقال (جرم و حرارت) در فرآوری مواد غذایی است. در این مطالعه ابتدا جهت خشک‌کردن صمغ استخراج شده از دانه "به"، از یک خشک‌کن فروسرخ استفاده گردید. سپس از روش انفیس برای مدل‌سازی و پیش‌بینی درصد تغییرات وزن این صمغ هنگام خشک شدن در خشک‌کن فروسرخ استفاده شد. در خشک‌کن فروسرخ اثر فاصله نمونه‌ها از لامپ پرتودهی و اثر ضخامت صمغ درون ظرف بر زمان خشک شدن و درصد کاهش وزن صمغ دانه "به" در طی زمان خشک‌کردن، مورد بررسی قرار گرفت. نتایج خشک‌کردن این صمغ با روش فروسرخ نشان داد با کاهش فاصله نمونه‌ها از منبع حرارتی از ۱۰ به ۵ سانتی‌متر، میانگین زمان خشک شدن صمغ دانه "به" از ۰/۵۸ دقیقه به ۳/۲۹ دقیقه کاهش یافت (ضخامت ۵/۱ سانتی‌متر). همچنین با کاهش ضخامت صمغ موجود در ظرف نمونه از ۵/۱ به ۵/۰ سانتی‌متر نیز میانگین زمان خشک‌کردن صمغ استخراج شده از ۷/۴۵ دقیقه به ۳/۱۹ دقیقه کاهش یافت (فاصله ۵/۷ سانتی‌متر). مدل انفیس با ۳ ورودی زمان خشک‌کردن، فاصله نمونه‌ها از منبع حرارتی و ضخامت صمغ موجود در ظرف نمونه برای پیش‌بینی درصد تغییرات وزن این صمغ هنگام خشک شدن در خشک‌کن فروسرخ، توسعه یافت. مقادیر ضریب تبیین محاسبه‌شده برای پیش‌بینی درصد کاهش وزن صمغ با استفاده از الگوریتم خوشه‌بندی کاهشی مبتنی بر انفیس برابر ۹۸۳/۰ بود. در مجموع می‌توان بیان داشت که میزان ضریب تبیین بالای بین نتایج تجربی و خروجی‌های مدل انفیس بیانگر دقت قابل قبول و قابلیت استفاده از این روش در مدل‌سازی فرایندهای انتقال جرم و حرارت در صنایع غذایی است.
 

---

چکیده هدف از این تحقیق، شناسایی و طبقه‌بندی الگوهای همدید تراز ۵۰۰ هکتوپاسکال بارش‌های فوق‌سنگینمنطقه غرب و جنوبغرب حوضه آب‌خیز دریاچه ارومیه طی دوره ۱۳۹۰- ۱۳۶۶ است. پس از تعین آستانه زمانی و مکانی بارش‌های فوق‌سنگین، ابتدا ۴۶ روز بارش فوق‌سنگین در سطح منطقه استخراج شد، سپس داده‌های ارتفاعی تراز ۵۰۰ هکتوپاسکال واقع در محدوده میان ۶۵- ۵۰ درجه عرض جغرافیایی شمالی و ۶۵- ۱۵ درجه طول شرقی به‌صورت ماتریس S-mode برای روزهای بارش فوق‌سنگین تنظیم شد. در ادامه با استفاده از تکنیک آماری تحلیل عاملی و خوشه‌بندی به روش وارد الگوهای همدید خوشه‌بندی و نقشه مرکب تراز میانی و پایین جو مربوط به هر خوشه تهیه و تحلیل همدید شد. نتایج تحقیق نشان می‌دهد که به هنگام وقوع بارش‌های فوق‌سنگین، عمدتاً هشت الگوی همدید در قالب دو گروه عمده سردچال جوی و فرود موج کوتاه حاکم بوده است. به‌طوری‌که حرکات صعودی سمت جلو این سیستم‌های همدید به همراه رودباد جبهه قطبی سبب ایجاد جو ناپایدار باروکلینیک در منطقه و هدایت سیستم‌های کم‌فشار از سمت دریاهای مدیترانه، سرخ و سیاه از غرب و جنوب غربی ایران به سمت منطقه مورد مطالعه شده و در افت فشار و بروز بارش‌های فوق‌سنگین تعیین‌کننده است.   واژه‌های کلیدی: بارش فوق‌سنگین، الگوی همدید، تحلیل عاملی، خوشه‌بندی، تراز ۵۰۰ هکتوپاسکال.

---

سنجنده‌های فراطیفی با نمونه‌برداری دقیق از بازتاب اشیاء در قالب چندین باندطیفی باریک و به هم پیوسته، منبع اطلاعات بسیار ارزشمندی را برای تعیین کلاس‌های پوششی مختلف ایجاد می‌نمایند. با این وجود طبقه‌بندی داده‌های فراطیفی و استخراج این اطلاعات با مشکلاتی همراه است، که یکی از شناخته­شده­ترین آنها مربوط به در دسترس نبودن تعداد کافی از نمونه‌های آموزشی برای مرحله یادگیری الگوریتم است. یکی از راهکارهای ممکن برای رفع این مشکل استفاده از الگوریتم‌های طبقه‌بندی بدون‌نظارت (الگوریتم‌های خوشه‌بندی) مانند الگوریتم خوشه‌بندی فازی کرنل پایه (KFCM) است.  الگوریتم خوشه‌بندی فازی کرنل پایه که از بازنویسی الگوریتم خوشه‌بندی فازی با استفاده از توابع کرنل حاصل می‌شود، معمولاً نتایج بهتری در مقایسه با سایر الگوریتم‌ها دارد. اما، در صورت استفاده از این الگوریتم برای خوشه‌بندی داده‌های فراطیفی، دقت الگوریتم KFCM، متاثر از ابعاد بالای داده و همچنین پارامتر تابع کرنل استفاده شده، کاهش می‌یابد. هدف از این مقاله، بهینه‌ کردن الگوریتم KFCM نسبت به پارامتر کرنل و ابعاد داده است که برای این کار، از الگوریتم بهینه­سازی توده ذرات (PSO) استفاده شده است. الگوریتم بهینه‌سازی توده ذرات یک ابزار قدرتمند بهینه‌سازی است که با الهام از رفتار پرندگان ایجاد شده و توانایی یافتن بهینه کلی مسائل را داراست. در این مقاله همچنین دو روش جدید برای بهینه‌سازی الگوریتم KFCM نسبت به پارامتر تابع کرنل و ابعاد داده پیشنهاد شده است. مقایسه نتایج این روش‌ها با روش‌های دیگر خوشه‌بندی نشان‌دهنده‌ی توانایی بالای آنها برای خوشه‌بندی داده‌های فراطیفی است.

---

امروزه تعامل شرکت‌ها با مشتریان در قالب مدیریت ارتباط با مشتری به طور قابل توجهی تغییر یافته است. شناسایی ویژگی‌های مشتریان مختلف و تخصیص بهینه منابع به آنها با توجه به ارزشی که برای شرکت‌ها دارند، به یکی از دغدغه‌های اصلی در حوزه مدیریت ارتباط با مشتری تبدیل شده است. هدف این مقاله ارائه مدل مناسبی جهت بخش‌بندی مشتریان بر‌اساس برخی از مهم‌ترین ویژگی‌های مالی، جمعیت شناختی در قالب عوامل مؤثر بر شاخص‌های ارزش دوره عمر مشتری (آر.اف.ام) می‌باشد. در فرایند پیشنهادی این تحقیق که در شرکت بیمه سامان اجرا شده است، پس از تعیین مقادیر شاخص‌های مدل آر.اف.ام (RFM) شامل تازگی مبادله، تعداد دفعات مبادله و ارزش پولی مبادله در ۱۸۰۰۰۰ مشتری و وزن‌دهی آنها با استفاده از فرایند تحلیل سلسله مراتبی، تعداد خوشه بهینه بر‌اساس شاخص سیلوئت و نرخ تأثیر شاخص‌های آر.اف، ام با استفاده از الگوریتم Two-step انجام شد و در مرحله بعد به خوشه‌بندی مشتریان با استفاده از روش K-means پرداخته شده است. نتایج مطالعه حاضر، زمینه را برای تحلیل ویژگی‌های مشتریان شرکت در سه بخش اصلی فراهم نمود. همچنین با اولویت‌بندی خوشه‌ها بر‌اساس شاخص‌های آر.اف.ام، مشتریان کلیدی و با ارزش شرکت مشخص شدند. در‌نهایت نیز پیشنهادهایی به شرکت برای بهبود سیستم مدیریت ارتباط با مشتری ارائه گردید.

---

اقتصاد دانش‌بنیان، جدیدترین الگوی تولید در عصر حاضر بوده و تاکنون، دستاوردهای کم‌نظیری برای طیف گسترده‌ای از کشورهای مختلف به همراه داشته است. هدف این مقاله، طبقه‌بندی استان‌های ایران از منظر اقتصاد دانش‌بنیان می­باشد. طبقه‌بندی استان‌ها بر اساس میزان تشابه آنها در دستیابی به الگوی تولید دانش‌بنیان، نخستین گام برای یک برنامه‌ریزی صحیح و واقع‌بینانه است. از نسخۀ یکسانی برای استان‌های با وضعیت متفاوت، نمی‌توان استفاده کرد. شاخص اقتصاد دانش‌بنیان منطقه‌ای در سه محور اصلی آموزش، نوآوری و فنّاوری اطلاعات و ارتباطات و بر اساس ۱۵ زیرشاخص، تعریف، و طبقه‌بندی، بر اساس تکنیک خوشه‌بندی- یکی از شاخه‌های یادگیری بدون نظارت- انجام، و برای این منظور، دو الگوریتم k-means و c-means فازی به­طور همزمان به کار گرفته شده است تا مقایسه نتایج آنها امکان‌پذیر شود. تعداد خوشه بهینه نیز از طریق ضریب سیلوئیت[۱] محاسبه شده است. این ضریب، همچنین میزان درستی نتایج خوشه‌بندی را نشان می‌دهد. خوشه‌بندی بر اساس الگوریتم c-means فازی و در حالت ۶ خوشه با ضریب سیلوئیت ۷۷/۰ مناسب‌ترین طبقه‌بندی برای هدف پژوهش است. نتایج نشان می‌دهد، ناهمگونی مشهودی بین استان‌های مختلف از نظر اقتصاد دانش‌بنیان وجود دارد. تهران و البرز در خوشه‌های جداگانه و جزء طبقات پیشرو نسبت به سایرین قرار دارند؛ در حالی که بیش از نیمی از استان‌ها در خوشۀ انتهایی  طبقه­بندی می­شوند.