Skip to main content
SUPERVISOR
Ali Zeinal Hamadani,SeyedReza Hejazi taghanaki
علي زينل همداني (استاد راهنما) سيدرضا حجازي طاقانکي (استاد راهنما)
 
STUDENT
Shokoufeh Mirzaei
شکوفه ميرزائي

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 هاي تجاري و ذخيره حجم انبوهي از داده ها، نياز به ابزاري که بتواند در اين درياي داده حرکت کرده و الگوها و روابط موجود ميان داده ها را استخراج نمايد بيش از پيش احساس مي شود. داده کاوي يکي از مهم ترين ابزارها در اين زمينه است و تاکنون تحقيقات گسترده اي در خصوص آن صورت گرفته است. اما بيشتر روش هاي کاوش داده که تاکنون ارائه شده اند به تصميم گيرنده اجازه نمي دهند ترجيحات خود را وارد مدل داده کاوي نمايد. از آنجاکه در روش هاي تصميم گيري با معيارهاي چندگانه اين امکان براي تصميم گيرنده فراهم مي شود، اخيراً توجه محققان به استفاده از روش هاي تصميم گيري با معيارهاي چندگانه در داده کاوي جلب شده است. با اين توضيح، در اين پايان نامه هدف ارائه روشي براي گروه بندي داده ها در داده کاوي بر مبناي يکي از روش هاي تصميم گيري با معيارهاي چندگانه (روش پرومتي) مي باشد. پرومتي يکي از روش هاي تصميم گيري با معيارهاي چندگانه مي باشد که تاکنون کاربردهاي موفقي داشته است. با توجه به بکر بودن استفاده از روش پرومتي در مقوله داده کاوي و همچنين کاربردهاي موفقي که اين روش در مسائل دنياي واقعي داشته است، در اين تحقيق اين روش به عنوان مدل منخب تصميم گيري با معيارهاي چندگانه براي ارائه مدل داده کاوي مورد استفاده واقع شده و چهارچوب مدل گروه بندي داده ها بر اساس آن تشريح شده است. براي تخمين پارامترهاي مسئله گروه بندي با استفاده از پرومتي (يعني نقاط تفکيک و وزن ها) يک مدل برنامه ريزي خطي و براي آن که مدل توانايي رويارويي با حجم عظيم داده ها را داشته باشد دو رويکرد جايگزين ارائه شده است. رويکرد اول بر مبناي انتخاب درصدي از گزينه هاي برتر هر گروه استوار است و مسئله اصلي در اين رويکرد، تعيين درصد مناسبي از گزينه هايي است که بايد از هر گروه انتخاب و وارد مدل شوند که اين کار در اين پايان نامه با استفاده از يک الگوريتم سعي و خطا انجام مي شود. رويکرد دوم بر مبناي انتخاب يک نمونه تصادفي از هر گروه و وارد نمودن اين نمونه ها به مدل گروه بندي مي باشد. در نهايت به منظور اعتبار سنجي و مقايسه نتايج حاصله، مدل ارائه شده در اين تحقيق بر روي انبار داده هاي واقعي مشتريان شرکت صنعتي بهشهر(ساولا) اجرا شده است. براي اعتبار سنجي مدل، روش اعتبارسنجي تقاطعي 10-بسته اي به کار برده شده است که با رسم نمودار دقت مدل طي 10 بار اجرا و شکل هموار آن اعتبار مدل محرز مي شود. با تفکيک داده هاي موجود به داده هاي آموزشي و آزمايشي واجراي مدل براي تخمين گروه داده هاي آزمايشي، تشکيل ماتريس هاي ارزيابي و تعيين ميزان دقت مدل نشان دهنده آن است که مدل ارائه شده تحت هر دو رويکرد فوق با تقريب خوبي مي تواند گروه مشتريان را به درستي تعيين نمايد. همچنين مقايسه نتايج حاصله با نتايج حاصل از داده کاوي با استفاده از روش تاپسيس و درخت تصميم نيز تأييد ديگري بر عملکرد مناسب مدل در پيش بيني گروه مشتريان مي باشد.

ارتقاء امنیت وب با وف بومی