از روش های خوشه بندی برای بازیابی ساختار نرم افزار جهت فهم درست آن و همچنین بازسازی نرم افزار استفاده می شود. در ادبیات موضوع، بیشتر الگوریتم های ارایه شده برای خوشه بندی سامانه های نرم افزاری به دو دسته الگوریتم های مبتنی بر جستجو و الگوریتم های سلسله مراتبی طبقه بندی می شوند و الگوریتمی از رده مبتنی بر افراز برای خوشه بندی یک سامانه نرم افزاری ارایه نشده است. این روش ها سعی دارند که گراف وابستگی موجودیت به دست آمده از کد منبع سامانه نرم افزاری را به چند مجموعه راسی افراز کنند. در سامانه های نرم افزاری، موجودیت می تواند رده، تابع و یا یک فایل باشد. با توجه به چندجمله ای غیر قطعی، سخت بودن مساله خوشه بندی، در سال های اخیر از روش های تکاملی و مبتنی بر جستجو مانند الگوریتم ژنتیک برای این حل این مساله، زیاد استفاده شده است. هر چند این الگوریتم ها در برخی موارد می توانند ساختار مناسبی از نرم افزار را به دست آورند، اما برای نرم افزار های با ابعاد بزرگ، با توجه به زمان اجرا و حافظه مصرفی زیاد، قابل اجرا نیستند؛ همچنین، این روش ها از اطلاعات و دانش گرافی موجود در گراف وابستگی موجودیت استفاده ی چندانی نمی کنند. در این مقاله یک الگوریتم مبتنی بر افراز ارایه شده است که بتوان از آن در خوشه بندی نرم افزار نیز استفاده کرد. همچنین، یک نوع فاصله جدید برای قیاس تشابه و عدم تشابه ارایه شده است. انتظار می رود روش پیشنهادی بتواند در قیاس با سایر روش های موجود، خوشه بندی هایی با کیفیت بالاتر و نزدیک به خوشه بندی فرد خبره، تولید کند. برای بررسی صحت اجرای الگوریتم، آن را بر روی نرم افزار موزیلا فایرفاکس اجرا کرده و نتایج را با الگوریتم های مطرح این حوزه، مقایسه کرده ایم.

امروزه شبکه های پیچیده پویا به یکی از ارکان مهم زندگی بشر تبدیل شده اند و تشخیص انجمن در این شبکه ها یکی از مهم ترین مسائل در تحلیل آنها محسوب می شود. در این مقاله یک روش تشخیص انجمن مبتنی بر تعبیه گراف و روش یادگیری جمعی ارائه شده که می تواند درجه پیمانه ای بودن هر انجمن را حداکثر نماید. روش های تعبیه گراف یا یادگیری نمایش کم بعد از گره ها در گراف به علت قابلیت کاربردی گسترده آن در عملکرد شبکه های پیچیده پویا مانند تشخیص انجمن در شبکه، بسیار مورد توجه قرار گرفته اند. در این مقاله، یک روش تعبیه گراف پویا مبتنی بر یادگیر عمیق پیشنهاد شده که گراف خروجی از مرحله تعبیه گراف را به عنوان ورودی به مدل یادگیر جمعی می دهد تا با دقت قابل قبولی، انجمن ها را در شبکه تشخیص دهد. همچنین یک الگوریتم حریصانه جدید به نام پیوند جمع برای بهینه سازی تابع هدف برای مجموعه داده های مقیاس بزرگ در زمان بسیار کوتاه ارائه گردیده است. نشان داده شده که پارتیشن توافقی پیشنهادی نسبت به پارتیشن های به دست آمده از کاربرد مستقیم روش های خوشه بندی جمعی رایج، به ساختارهای خوشه ای واقعی نزدیک تر است. روش پیشنهادی به دلیل استفاده از روش پیش پردازش مبتنی بر تعبیه گراف پیشنهادی و همچنین استفاده از روش خوشه بندی جمعی، توانسته کارایی مناسبی را در مقایسه با سایر روش های رقیب از خود نشان دهد. نتایج تجربی آزمایش های انجام شده حاکی از برتری روش پیشنهادی در مقایسه با روش های رقیب است.

استمرار تحول در ساختار دولت ملت در گام دوم انقلاب اسلامی، مبتنی بر تجربیات گام اول آن، از الزامات اساسی مسیر تمدنی انقلاب اسلامیست. این تحول ساختاری از آن جهت که در پاره ای از مسائل موانعی جدی بر سر رابطه هم افزای دولت و ملت ایجاد شده، محل توجه است.هدف پژوهش حاضر، «صورت بندی مفهومی نظریه جریان حلقه های میانی» مبتنی بر تجربه متراکم جمهوری اسلامی است. نظریه ای که رهبر معظم انقلاب اسلامی حضرت آیت الله خامنه ای مدظله العالی به عنوان راهکار نقش آفرینی مردم در گام دوم و در قالب یک «حرکت عمومی معقول و منضبط» با «محوریت جوانان متعهد» مطرح نموده اند؛ پژوهش حاضر از نوع توصیفی-تحلیلی است. گردآوری داده ها به صورت کتابخانه ای و مصاحبه ای انجام گرفته است و برای تحلیل داده های کیفی نیز از روش تحلیل مضمون استفاده شده است.نتایج حاصل از تحقیق حاضر نشان می دهد، جریان حلقه های میانی، دارای اصالتی دیرینه در تجارب متراکم جمهوری اسلامی ایران و عاملی مهم در ایجاد حرکت عمومی در مسیر دولت سازیست و بارزترین مصادیق آن ها بسیج مردمی، مساجد و هیئت ها، گروه های جهادی، تشکل های دانشجویی و ... می باشند.

بانکداری الکترونیکی نوع جدیدی از بانکداری است که خدمات بانکی در آن با استفاده از محیط های الکترونیکی ارائه می شود. این گونه فعالیت بانکی از سال ١ ٩ ٩ ١ در تمامی دنیا رواج پیدا نمود. با افزایش خدمات بانکداری الکترونیکی و ارائه ابزارهای مختلف برای انجام تراکنش های بانکی، مشتریان در حال مهاجرت از بانکداری سنتی به بانکداری نوین هستند. بر همین اساس بررسی میزان پیشروی بانک ها در این ابزارها و میزان استقبال مشتریان دارای اهمیت می شود. این مطالعه با بررسی تراکنش های مشتریان در شعبه، خودپرداز، اینترنت بانک و موبایل بانک ابتدا تحلیل از میزان استقبال مشتریان از این ابزارها را ارائه میدهد که این بررسی را برای صدهزار مشتری انجام داده است. پس از تحلیل اولیه از میزان استفاده از ابزارها، مشتریان با استفاده از روش کا میانگین و رقابت استعماری با نرم افزار متلب خوشه بندی گردیده و در هفت خوشه، گروه بندی شدند و ویژگی های هر خوشه بررسی شده و استراتژی هایی برای هر خوشه ارائه شده است. در مرحله نهایی استراتژی های پیشنهادی استخراج شده را به کمک رویکرد تئوری بازی مبتنی بر ارزش شاپلی ارزش گذاری و مهمترین استراتژی های پیشنهادی را مورد تحلیل قرار دادیم. در مرحله نهایی استراتژی های پیشنهادی استخراج شده را به کمک رویکرد تئوری بازی مبتنی بر ارزش شاپلی ارزش گذاری و مهمترین استراتژی های پیشنهادی را مورد تحلیل قرار دادیم...

خوشه بندی، فرآیند طبقه بندی داده ها داخل گروه ها یا خوشه های خاص، بر اساس درجه شباهت بین آن هاست که یکی از روش های پرکاربرد در بسیاری از زمینه های علمی است. در ادبیات خوشه بندی، در سال های اخیر محققان برای اجتناب از گرفتار شدن در بهینه محلی، الگوریتم های فراابتکاری را که از پدیده های اجتماعی و طبیعی الهام گرفته است برای حل مسایل خوشه بندی ارایه کرده اند. در این مقاله الگوریتم جستجوی هارمونی (HSA) که مبتنی بر عملکرد سازهای موسیقی است به عنوان یک الگوریتم توانا در حل مسایل خوشه بندی در نظر گرفته می شود. برای ارزیابی توانایی الگوریتم چندین مجموعه داده استاندارد و واقعی ارایه می شود. نتایج شبیه سازی نشان می دهد که الگوریتم HSA کارایی بالایی در به دست آوردن جواب های مطلوب دارد.

موجودیت ها در شبکه های اجتماعی علاوه بر داشتن ارتباط با یکدیگر، دارای محتوا نیز هستند. این مدل از شبکه ها می توانند بر روی گراف هایی که گره های آن شامل متن هستند، مدل شوند. خوشه بندی گراف ازجمله مهم ترین کارهای تحلیلی شبکه اجتماعی است. باوجوداین دو جنبه، اغلب روش های خوشه بندی تنها یکی از جنبه های ساختاری یا محتوایی گراف را در نظر می گیرند. الگوریتم های خوشه بندی ساختاری-محتوایی، گراف را از هر دو جنبه ساختار و محتوا به صورت هم زمان در نظر می گیرند. هدف این مقاله رسیدن به خوشه هایی با ساختار درونی منسجم (ساختاری) و مقادیر ویژگی (محتوایی) همگن در گراف است. الگوریتم ارائه شده در این مقاله RLS-Cluster نام داشته که به صورت سلسله مراتبی با حذف یال با کمترین میانگین شباهت میان گره های محله آن یال، عمل خوشه بندی را انجام می دهد. در این روش برای هر یال میانگین شباهت محله محاسبه شده و به عنوان وزن آن یال در نظر گرفته می شود. یال هایی که دارای کم ترین وزن هستند حذف می شوند. این مرحله تا زمانی که به تعداد خوشه موردنظر کاربر برسد، ادامه میابد. مقایسه الگوریتم مطرح شده با سه الگوریتم خوشه بندی ساختاری-محتوایی ارائه شده تاکنون، بر اساس معیارهای مختلف سنجش کیفیت خوشه، بیانگر عملکرد مناسب روش ارائه شده است. این معیارها شامل معیارهای ساختاری، محتوایی و ساختاری-محتوایی هستند.

در سال های اخیر تعداد کاربران شبکه های اجتماعی رشد زیادی داشته اند. چالش بزرگ مخاطب این شبکه ها، نحوه برقراری ارتباط با افراد حاضر در این شبکه ها می باشد. سیستم های پیشنهاددهنده دوست با ارایه پیشنهاداتی سعی در رفع این چالش دارند. در این پژوهش از داده های شبکه علمی و اجتماعی کوثرنت استفاده شده است. در این تحقیق با استفاده از 10 نوع رابطه بین کاربران و بدون در نظر گرفتن روابط دوستی، گراف شبکه ایجاد و سپس با استفاده از 3 الگوریتم لووین [1]، کی میانگین [2] و سلسله مراتبی [3]، خوشه بندی گراف جهت تشخیص جوامع انجام گردید. خوشه های به دست آمده از الگوریتم خوشه بندی لووین دارای درصد مطابقت بالاتری با روابط دوستی بودند. سپس با استفاده از الگوریتم ژنتیک [4] برای هر یک از 10 رابطه وزن های مختلفی در نظر گرفته شد و با اجرای الگوریتم خوشه بندی لووین بر روی گراف شبکه، بیشترین درصد مطابقت به همراه وزن بهینه هر یک از 10 رابطه به دست آمد. در این حالت خوشه های حاصل، خوشه هایی بهینه حاوی کاربران با بیشترین شباهت هستند. بنابراین می توان سایر کاربرانی که در یک خوشه قرار گرفته اند به عنوان دوست به یکدیگر پیشنهاد داد. برای اولویت بندی پیشنهادات نیز از وزن یال های بین افراد در گراف استفاده شد. در پایان روش پیشنهاد دوست ارزیابی و درصد مطابقت دوستان پیشنهادی با دوستان واقعی فرد محاسبه گردید.

امروزه با گسترش شبکه های اجتماعی در بین مردم، تلاش های مخالفین برای بدبین کردن ایشان نسبت به حکومت که از آن به عنوان جنگ نرم یاد می شود افزایش یافته است، بنابراین توجه به این شبکه ها برای ارگان های نظامی و امنیتی بیش از پیش اهمیت دارد. خوشه بندی گراف از جمله اولین کارهای تحلیلی یک یا چند شبکه اجتماعی است. متاسفانه اکثر خوشه بندی های گرافی انجام شده بر روی جنبه های ساختاری یا محتوایی گره های گراف به صورت مستقل تاکید دارند. هدف از این مقاله (پیاده سازی شده در قالب الگوریتمCS-Cluster ) رسیدن به خوشه هایی با ساختار درونی منسجم و مقادیر ویژگی (محتوایی) همگن در گراف است. از طرفی پس از جستجوهای صورت گرفته در این تحقیق، هیچگونه معیاری جهت ارزیابی الگوریتم های خوشه بندی که جنبه های ساختاری و محتوایی گره ها را به صورت هم زمان در نظر بگیرد، یافت نشد. به همین دلیل در دومین گام معیاری جدید به نام CS-Measure ارائه شد که قادر است الگوریتم های خوشه بندی گراف را از هر دو جنبه ساختار و محتوا به صورت هم زمان مورد سنجش قرار دهد. مقایسه الگوریتم مطرح شده با دو الگوریتم خوشه بندی ساختاری-محتوایی (از سه الگوریتم شناخته شده تاکنون) بر اساس معیارهای میانگین شباهت، خطای یال و معیارِ جدیدِ ساختاری-محتوایی، بیانگر عملکرد بهتر روش ارائه شده است و از نظر معیار تراکم نیز عملکرد نسبتاً خوبی دارد.