Skip to main content
SUPERVISOR
Ali Zeinal Hamadani,SeyedReza Hejazi taghanaki
علی زینل همدانی (استاد راهنما) سیدرضا حجازی طاقانکی (استاد راهنما)
 
STUDENT
Shokoufeh Mirzaei
شکوفه میرزائی

FACULTY - DEPARTMENT

دانشکده مهندسی صنایع
DEGREE
Master of Science (MSc)
YEAR
1385
Due to daily increase of data stream in the company’s data warehouses, necessity of tools which can go through these streams and extracting the existing patterns and relations among them has become more important than before. One of the most important tools in this regard is data mining and up to now extended researches have been done about this subject. However, most of data mining methods don`t allow the decision maker to enter his preferences into the model. Since using multi-criteria decision making methods allows decision maker to enter his preferences into the model, researchers have been recently concerned about data mining models using these methods. As a result, the main goal of this research is presenting a new data mining model based on one of the MCDM methods, PROMETHEE. PROMETHEE is one of the MCDM methods which has a lot of successful application. Since using PROMETHEE for data mining is a new subject and due to successful application of this method in the real world problems, it has been chosen as the basis for constructing the data mining model and the framework of the Dividing data into two sets, training and test, running the model for estimating the test data ltr"
امروزه با توجه به گسترش روزافزون انبار داده ها در بنگاه های تجاری و ذخیره حجم انبوهی از داده ها، نیاز به ابزاری که بتواند در این دریای داده حرکت کرده و الگوها و روابط موجود میان داده ها را استخراج نماید بیش از پیش احساس می شود. داده کاوی یکی از مهم ترین ابزارها در این زمینه است و تاکنون تحقیقات گسترده ای در خصوص آن صورت گرفته است. اما بیشتر روش های کاوش داده که تاکنون ارائه شده اند به تصمیم گیرنده اجازه نمی دهند ترجیحات خود را وارد مدل داده کاوی نماید. از آنجاکه در روش های تصمیم گیری با معیارهای چندگانه این امکان برای تصمیم گیرنده فراهم می شود، اخیراً توجه محققان به استفاده از روش های تصمیم گیری با معیارهای چندگانه در داده کاوی جلب شده است. با این توضیح، در این پایان نامه هدف ارائه روشی برای گروه بندی داده ها در داده کاوی بر مبنای یکی از روش های تصمیم گیری با معیارهای چندگانه (روش پرومتی) می باشد. پرومتی یکی از روش های تصمیم گیری با معیارهای چندگانه می باشد که تاکنون کاربردهای موفقی داشته است. با توجه به بکر بودن استفاده از روش پرومتی در مقوله داده کاوی و همچنین کاربردهای موفقی که این روش در مسائل دنیای واقعی داشته است، در این تحقیق این روش به عنوان مدل منخب تصمیم گیری با معیارهای چندگانه برای ارائه مدل داده کاوی مورد استفاده واقع شده و چهارچوب مدل گروه بندی داده ها بر اساس آن تشریح شده است. برای تخمین پارامترهای مسئله گروه بندی با استفاده از پرومتی (یعنی نقاط تفکیک و وزن ها) یک مدل برنامه ریزی خطی و برای آن که مدل توانایی رویارویی با حجم عظیم داده ها را داشته باشد دو رویکرد جایگزین ارائه شده است. رویکرد اول بر مبنای انتخاب درصدی از گزینه های برتر هر گروه استوار است و مسئله اصلی در این رویکرد، تعیین درصد مناسبی از گزینه هایی است که باید از هر گروه انتخاب و وارد مدل شوند که این کار در این پایان نامه با استفاده از یک الگوریتم سعی و خطا انجام می شود. رویکرد دوم بر مبنای انتخاب یک نمونه تصادفی از هر گروه و وارد نمودن این نمونه ها به مدل گروه بندی می باشد. در نهایت به منظور اعتبار سنجی و مقایسه نتایج حاصله، مدل ارائه شده در این تحقیق بر روی انبار داده های واقعی مشتریان شرکت صنعتی بهشهر(ساولا) اجرا شده است. برای اعتبار سنجی مدل، روش اعتبارسنجی تقاطعی 10-بسته ای به کار برده شده است که با رسم نمودار دقت مدل طی 10 بار اجرا و شکل هموار آن اعتبار مدل محرز می شود. با تفکیک داده های موجود به داده های آموزشی و آزمایشی واجرای مدل برای تخمین گروه داده های آزمایشی، تشکیل ماتریس های ارزیابی و تعیین میزان دقت مدل نشان دهنده آن است که مدل ارائه شده تحت هر دو رویکرد فوق با تقریب خوبی می تواند گروه مشتریان را به درستی تعیین نماید. همچنین مقایسه نتایج حاصله با نتایج حاصل از داده کاوی با استفاده از روش تاپسیس و درخت تصمیم نیز تأیید دیگری بر عملکرد مناسب مدل در پیش بینی گروه مشتریان می باشد.

ارتقاء امنیت وب با وف بومی