0

The Kerman region stands out as one of the most significant Mining areas globally, owing to its extensive and abundant mineral resources. Bam County, situated in the southeastern part of Kerman, has historically served as a crucial hub connecting the southeast of Iran with Sistan and Afghanistan, attributed to its distinctive geological and geomorphological characteristics. Enjoying considerable commercial and military importance since the Sassanid era, Bam County has garnered attention in archaeological research as a strategically vital region. The exploration of Bam's archaeological sites becomes imperative for historical governments, highlighting the need to investigate and comprehend ancient centers engaged in metal smelting and Mining activities. Consequently, an archaeological survey of the central part of Bam County was initiated in 2018-2019 with the specific objective of identifying metal smelting workshops and ancient mines. This article presents the outcomes of a field survey conducted in the central part of Bam County, shedding light on evidence of metal smelting centers, furnaces, and historical Mining activities. The primary research inquiries center around the chronology of Mining evidence in the central part of Bam County, the types of metals extracted, and the processes involved in metal Mining and metallurgy within this region. Employing field and documentary methods, the research adopts a descriptive-analytical approach. The study identified and examined eight sites showcasing evidence of smelting and slag, one ancient mine, and two active mines. These sites have been associated with the extraction and processing of metals and elements such as tin, zinc, lead, silver, iron, and, to a lesser extent, gold. Notably, the substantial volume of zinc and zinc oxide processing in seven sites holds significance. Although cultural materials for chronological dating were absent in the investigated sites, historical sources indicate that the extraction and smelting of these metals in the region date back to at least the 3rd century AH (9th century AD) and persisted until the Qajar period

با روند خصوصی سازی در صنعت بانکداری کشور و رشد بی سابقه رقابت در تکنولوژی های بانکداری، هر روزه بر اهمیت نگهداری از مشتریان کنونی و جذب مشتریان جدید افزوده می شود. نگهداری مشتریان یک استراتژی ارزشمند است که سودآوری بلندمدت و موفقیت سازمان ها را تضمین می کند. در این مطالعه، با استفاده از تکنیک های داده کاوی مدلی دو مرحله ای برای شناسایی ویژگی های گروه های مختلف مشتریان سپرده کوتاه مدت بانک معرفی گردیده است. در مرحله نخست، از الگوریتمK-mean  جهت شناسایی گروه های مشتریان بر مبنای میزان سودآوری آن ها بهره گرفته شده است. چون در K-mean تعداد بهینه خوشه ها بستگی به مساله مورد نظر دارد، بنابراین از طریق الگوریتم خوشه بندی Twostep تعداد بهینه خوشه ها معین می گردد. پس از تعیین گروه های مختلف مشتریان از لحاظ میزان سودآوری آن ها برای بانک، در مرحله دوم، با استفاده از الگوریتم Apriori قواعد وابستگی هر خوشه استنتاج می گردد. نتایج حاصل از این کاوش، به بانک ها کمک خواهد کرد تا درک بهتری از انتظارات کنونی و آتی مشتریان داشته باشند. و از این طریق تدوین استراتژی های بازاریابی برای جذب و نگهداری از مشتریان بر مبنای سودآوری آن ها تسهیل می گردد.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

مقدمه: ارائه خدمات مراقبتی و بهداشتی افراد مبتلا به بیماری دیابت اطلاعات مفیدی ایجاد می کند که از این اطلاعات می توان برای شناسایی، درمان، مراقبت های بعدی و حتی پیشگیری از بیماری دیابت استفاده نمود. از طرفی کاوش و بررسی حجم زیادی از این اطلاعات، نیازمند استفاده از روش های موثر و کارآمدی برای یافتن الگوهای مربوط در این اطلاعات می باشد که استفاده از تکنیک های مختلف داده کاوی به خصوص دسته بندی و الگوهای تکرار شونده می تواند کمک شایانی در این زمینه باشد.روش ها: پایگاه های اطلاعاتی Scholar، Science Direct Google Scopus، Pubmed، با هدف یافتن مقالات، جستجو و مقالات انگلیسی منتشر شده در سال های 2005 تا 2015 مورد بررسی قرار گرفتند. مقالات به دست آمده از نظر جمعیت مورد مطالعه، مجموعه داده های مورد استفاده و روش های داده کاوی ارزیابی شدند.یافته ها: از میان 2144 مقاله به دست آمده در جستجوی اولیه، تعداد 38 مقاله مرتبط با موضوع مطالعه، انتخاب و مورد بررسی قرار گرفت. نتایج این بررسی نشان می دهد که الگوریتم های خوشه بندی، قوانین انجمنی و هوش مصنوعی از پرکاربردترین تکنیک های داده کاوی می باشند که برای تشخیص و پیش بینی احتمال ابتلا به بیماری دیابت با موفقیت مورد استفاده قرار گرفته اند.نتیجه گیری: پیاده سازی روشی که بتواند امکان ابتلا یا عدم ابتلای افراد به دیابت را مشخص کند، گام مهمی در کنترل بیماری دیابت خواهد بود. با توجه به مطالعات انجام شده، داده کاوی می تواند به عنوان روشی موثر در پیشگیری، درمان و کشف ارتباط بین بیماری دیابت و عوامل خطر آن، موجب پیشرفت های قابل توجه در حوزه تحقیقات دیابت و ارائه مراقبت های بهداشتی بهتر برای این گروه از بیماران باشد.