چندین روش به منظور برآورد تابع چگالی احتمال وجود دارد. از سوی دیگر، در نظریه مجموعه های فازی یکی از روش های ساختن تابع عضویت بر پایه ی مجموعه داده، روش مبتنی بر تابع چگالی احتمال است. با توجه به روش های متداول در برآورد تابع چگالی، این مسئله می تواند به محاسبه انواع تابع عضویت بر پایه یک مجموعه داده منجر شود. در این مقاله، برخی از این روش ها بیان و با مثال عددی تشریح می شوند.

بهره­گیری از فضاهای پیراشهری به عنوان کالاهای استراتژیک و مقرون­به­صرفه جهت توسعۀ خوشه­های نوآوری، شهرها را به سمت تحقق توسعۀ پایدار و اکوسیستم نوآور بر مدار اقتصاد دانش­بنیان رهنمون می­سازد. هدف این پژوهش، شناسایی و استخراج مراحل تکوین و توسعۀ خوشه­های نوآوری جهت کاربست آن در فضاهای پیراشهری است. روش پژوهش حاضر، از لحاظ ماهیت، کیفی، ازنظر هدف، کاربردی-توسعه­ای و از نوع مطالعات ثانویه با رویکرد مرور سیستماتیک ادبیات منطبق بر فرآیند هشت مرحله ای اوکلی(2015) است. جامعۀ آماری شامل مقاله­ها، کتاب­ها و پایان­نامه­های مربوط به خوشه­های نوآوری شهری، ­از سال 2000 تا 2023 است. حجم نمونه شامل 32 منبع می­باشد. بر اساس نتایج پژوهش، بیشترین منابع پژوهش مربوط به سال­های  2018-2023 ( 62 درصد منابع) و پایگاه­های داده­­ای ساینس دایرکت و اشپرینگر است(به ترتیب 28 و 22 درصد منابع). بر اساس نتایج حاصل از تحلیل منابع، 113 کد بر تکامل و توسعۀ خوشه­های نوآوری شهری جهت کاربست آن ها در فضاهای پیراشهری تأثیرگذار هستند که در 26 مقوله مشتمل بر برنامه­ریزی راهبردی، پیش­نیازها، سازمانی، مدیریت، ساختار جمعیت، محیط فرهنگی، خدمات، مدیریت دولت، الزامات فرهنگی، زیرساخت اقتصادی، مالی، ساختار صنعتی، انباشت صنعتی، سطح اقتصادی، نوآوری فناورانه، موقعیت جغرافیایی، ارتباط صنعت-دانشگاه، مقیاس شهر، محیط اکولوژیک، طراحی و محیطی طبقه بندی شده اند. این مقوله ها در هشت کد محوری متشکل از نهادی، اجتماعی- فرهنگی، اقتصادی، انباشت جغرافیایی و فضایی، زیرساخت و غیره طبقه بندی شده اند. مراحل توسعه و تکوین خوشه­های نوآوری شامل مرحله پیش­خوشه و ظهور خوشه، راه­اندازی، فاز رشد خوشۀ پسین، پایداری، زوال و درنهایت سازگاری خوشه­ای، جهش یا فرسودگی است.

یکی از موضوعات مهم در آنالیز فضایی فازی، پیشگویی یک مقدار نامعلوم در موقعیت های مشخص بر اساس بردار مشاهدات فضایی فازی است. با فرض معلوم بودن پارامترهای میانگین و کواریانس، پیشگوی بهینه و میانگین مجذور خطای پیشگو با استفاده از روشهای کریگینگ قابل تعیین است، اما وقتی پارامترهای مدل نامعلوم هستند، معمولا برآوردهای آنها بعنوان مقادیر واقعی در پیشگوی بهینه جایگذاری می شوند، که در اینصورت بهینگی پیشگو مورد تردید قرار می گیرد. از طرفی تعیین این پیشگو و میانگین مجذور خطای آن عموما دشوار است. لذا در این مقاله برای رفع مشکل مذکور، با استفاده از رهیافت بیزی کریگینگ فازی را برای پیشگویی مشاهدات فضایی فازی به کریگینگ فازی تعمیم داده، سپس کارایی آن در یک مثال کاربردی با روشهای دیگر پیشگویی فضایی مورد مقایسه قرار می گیرد.

مفهوم کنترل هوشمندانه فرآیند جستجو در الگوریتم جستجوی گرانشی (GSA) برای توسعه یک روش داده کاوی جدید معرفی می شود. روش پیشنهاد شده، کاوشگر فازی (FGSA-miner) GSA نامیده می شود. در ابتدا یک کنترل کننده فازی طراحی می شود تا ضریب گرانش و تعداد اجرام موثر را به عنوان دو پارامتر اساسی که نقش اصلی را در فرآیند جستجوی GSA بر عهده دارند، بطور وفقی کنترل کند. سپس، الگوریتم بهبود یافته GSA (با نامFuzzy-GSA ) برای ساختن یک الگوریتم داده کاوی جدید برای کشف قواعد در طبقه بندی بر مبنای مجموعه ای از داده های مرجع به خدمت گرفته می شود. نتایج آزمایشهای زیادی روی مسائل عملی و محک بازشناسی الگو شامل مسائل غیرخطی، دسته های با مرزهای همپوشان و ابعاد ویژگی مختلف فراهم شده است تا توانمندی روش پیشنهادی را نشان دهد. نتایج مقایسه ای بیانگر آن است که کارایی FGSA-miner پیشنهادی با الگوریتم های CN2 (یک روش داده کاوی سنتی) و روشهای مشابهی که بر پایه سایر الگوریتم های هوش جمعی (بهینه ساز جمعیت مورچگان و بهینه ساز گروه ذرات) و الگوریتم تکاملی (الگوریتم وراثتی) هستند قابل قیاس و در بعضی موارد از آنها بهتر است.

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

با گسترش روزافزون سرویس های ابری، افراد حقیقی و حقوقی بیشتری تمایل به برون سپاری داده های خود روی این سرویس ها دارند؛ اما به دلایل امنیتی ترجیح می دهند قبل از برون سپاری داده آن را رمز کنند. رمز کردن داده به روش های معمول می تواند موجب ایجاد اختلال در عملکرد سرویس ابری، مانند عملکرد جستجو شود. روش های رمزگذاری جستجوپذیر به عنوان ابزاری مناسب، امکان جستجو روی داده رمز شده را فراهم می سازند. با توجه به نیازهای متنوع کاربران، توسعه عملکردهایی که این روش ها قادر به پشتیبانی آن ها هستند مورد توجه قرار گرفته است. یکی از این عملکردها جستجوی رتبه بندی شده است که نتایج را با توجه به میزان ارتباطی که با واژه مورد جستجو دارند، به صورت رتبه بندی شده در اختیار کاربر قرار می دهد؛ بنابراین تنها با ارسال اسناد مرتبط تر می توان ترافیک شبکه را کاهش داد. داده ساختارها به عنوان بلوک های سازنده در رمزگذاری جستجوپذیر متقارن محسوب می شوند و تنوع در این داده ساختارها منجر به دست یابی به سطوح متنوع از امنیت، کارایی و عملکرد می شود. از سوی دیگر، برای رتبه بندی اسناد معیارهای متفاوتی وجود دارد. در این مقاله، معیار بازیابی فازی اسناد در نظر گرفته شده است که با وجود کارایی بالا و سادگی، تا کنون در مبحث جستجو روی داده رمز شده به کار گرفته نشده است. برای این منظور، به بررسی داده ساختارهایی می پردازیم که امکان دستیابی به عملکرد جستجوی رتبه بندی شده را فراهم می سازند. ترکیب داده ساختار ارائه شده با معیار بازیابی فازی، روش جستجوی رتبه بندی شده ای را فراهم می آورد که علاوه بر کارایی، امنیت داده را نیز تضمین می کند.