معادله ۳-۳
همچنین معادله ۳-۲ را می توان به صورت زیر نوشت :
f(X,β)e (V-U)
مدل و تابع فوق نمایی کلی از توابع مرز تصادفی بوده و به تحلیل مرز تصادفی (SFA) معروف است . این تابع به این علت مرز تصادفی خوانده می شود که :
الف ) مرز محصول Yn میان واحدها نوسان دارد
ب ) محصول مشاهده شده (Y) از طرف بالا به وسیله پیشامد تصادفی Yn=f(X,β)e V مرزبندی می شود.
خصوصیات اصلی مرز تصادفی در نمودار (۳-۱) شرح داده شده است. محور افقی عامل تولید و محور عمودی محصول دو بنگاه i,jومنحنی تابع تولید با فرض بازده نزولی نسبت به مقیاس رسم شده است .
دو بنگاه i,jبه ترتیب با بهره گرفتن از مقدار Xi, Xj از عامل تولید ، مقدار Yi , Yj از محصول تولید می کنند مقدار محصول مرز تصادفی برای بنگاه i ، Yi=f(X,β)eVi است و از آنجا که خطای تصادفی Vi مثبت است آن در بالای منحنی قرار دارد ، همچنین برای بنگاه j مقدار Yj=f(Xj,β)eVj به دلیل منفی بودن خطای تصادفی زیرمنحنی تولید قرار دارد .

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

Y
Y=eβX
Yi
Yj
Xi
Xj
X
نمودار ۳-۱- عبارت خطا و عامل ناکارایی مرز تصادفی
اگر خطای تصادفی بزرگتر از اثرات عدم کارایی باشد آن گاه محصول مشاهده شده در بالای تابع مرزی قرار می گیرد .
۳-۱۰- روش های آماری مورد استفاده برای تجزیه و تحلیل داده ها
۳-۱۰-۱- آمار توصیفی
به مجموعه روشهایی که برای سازمان دادن , خلاصه کردن و توصیف مشاهده ها مورد استفاده قرار می گیرند آمار توصیفی می گویند که شامل شاخص های مرکزی( میانگین ، میانه ) و پراکندگی ( انحراف معیار، چولگی و کشیدگی ) می باشند .
۳-۱۰-۲- آمار استنباطی
شامل آزمون های ذیل می باشد :
۱- تعیین رتبه کارایی شعب و اجرای رگرسیون
در این مطالعه از شیوه دو مرحله ای برای تشریح فاکتورهای موثر بر کارایی سود شعب بانک سینا استفاده گردیده است. در مرحله اول با بهره گرفتن از روش SFA و با بهره گرفتن از گروه مشاهدات به رتبه بندی کارایی( θ ) برای هر شعبه پرداخته شده است در مرحله دوم ، برای برآوردهای کارایی به دست آمده در مرحله اول بر روی عوامل تعیین کننده داخلی^[۷۰] با بهره گرفتن از رگرسیون OLS ارزیابی می گردد .
در ادبیات کارایی معمولاً از دو نوع تابع جهت مرزهای هزینه ، درآمد و سود استفاده می شود یکی تابع کاب – داگلاس و دیگری تابع ترانسلوگ . در این تحقیق با توجه به حجم کم داده ها و اینکه استفاده از تابع ترانسلوگ به علت وجود تعداد زیاد متغیرها در آن مدل ، درجه آزادی را کاهش می داد و باعث افزایش واریانس ضرایب می گشت از تابع کاب-داگلاس استفاده شده است .
مرحله اول :
در ابتدا تابع سود که با محصولات ( Y) و قیمت نهاده های تولیدی (W) ارتباط دارد ، به صورت کاب داگلاس تصریح شده و بر اساس معادله (۳-۲) برآورد می گردد و با عنایت به تابع مذکور کارایی واحدها اندازه گیری می شود .
Lnπ = f(W,Y,β)
Lnπ = α + ∑βj ln yj + ∑ lnWk + lnVπ- lnUπ
که در معادله فوق به ترتیب :
π = سود شعب
Yj = نسبت محصولات شعب به مجموع دارایی های شعب
Y1 = نسبت تسهیلات به مجموع دارایی های شعب
Y2= نسبت سرمایه گذاری ها به مجموع دارایی های شعب
Y3= نسبت سپرده های نزد سایر بانک ها به مجموع دارایی های شعب
Wk= عوامل تولید
W1 = لگاریتم قیمت نیروی کار
W2= لگاریتم قیمت سرمایه فیزیکی
W3= لگاریتم قیمت سرمایه مالی
مرحله دوم :
همانگونه که بیان شده در این مرحله ، برآوردهای کارایی به دست آمده در مرحله اول را بر روی عوامل تعیین کننده با بهره گرفتن از رگرسیون OLS رگرس می گردد .
هدف برآورد تابعی به شکل زیر می باشد :
θ = αZi + ε
که در آن :
θ = رتبه کارایی بدست آمده در مرحله اول
Z= بردار متغیر مستقل که همان متغیر های ذکر شده در مرحله اول می باشد.
α= ضرایب رگرسیون می باشد که حاکی از اثر یک متغیر مستقل بر متغیر وابسته است که بایستی برآورد شود
ϵ= جمله خطا می باشد .
در اجرای رگرسیون به موارد ذیل نیز پرداخته خواهد شد :
۱-آزمون کولموگروف – اسمیرنف^[۷۱]
برای آزمون نرمال بودن داده ها از آزمون کولموگروف – اسمیرنف استفاده می شود که فرضیه آن به صورت زیر است:
آماره آزمون کولموگروف – اسمیرنف به شکل زیر تعریف می شود :
= sup
که در آن توزیع مورد نظر برای مشاهدات و توزیع تجربی مشاهدات می باشد .
نحوه داوری : اگر مقدار احتمال مربوط به این آزمون بزرگتر از ۰۵ /۰ باشد با اطمینان ۹۵/۰ می توان نرمال بودن توزیع داده ها را مورد تایید قرار داد . اگر مقدار احتمال محاسبه شده از ۰۵/۰ کمتر باشد، در این صورت H0 رد و H1 پذیرفته می شود و برای نرمال بودن داده ها از لگاریتم آنها استفاده می گردد . ( مومنی ، ۱۳۸۹)
۲- ضریب تعیین

ویژگی های خدمات: ویژگی هایی که با آنها بتوان حداقل یکی از خواسته های مشتری را برآورده کرد و چگونگی خواسته مورد نظر را بیان نمود.
عملیات فرایند کلیدی (راهبردها): خط مشی ها یا استراتژی هایی که برای ارائه ویژگی های خدمات،مورد نیاز می باشند.

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت nefo.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

الزامات عملیات (راهکارها): راهکارها و نیازمندی هایی که برای اجرای راهبردها مورد نیاز می باشند.
۱-۷ قلمرو تحقیق
۱-۷-۱ قلمرو موضوعی
این تحقیق تحت عنوان سنجش رضایت مشتریان بانک صادرات کرمان با بهره گرفتن از روش QFD جهت بهبود کیفت خدمات، برای سنجش رضایت مشتریان این بانک از خدمات ارائه شده و همچنین ارائه راهکارهایی برای بهبود خدمات بانک مذکور انجام خواهد شد.
۱-۷-۲ قلمرو مکانی
تحقیق حاضر در بانک­های صادرات سطح شهر کرمان انجام خواهد شد.
۱-۷-۳ قلمرو زمانی
در این تحقیق به لحاظ دوره عملکرد از تاریخ ۱/۱۱/۹۱ شروع شده و تا ۱۵/۵/۹۲ به مدت تقریبی ۶ ماه انجام خواهد گرفت.
۲-۱ مقدمه
موفقیت در بازارهای جهانی، متعلق به سازمان­هایی است که نیازهای مشتریان را برآورده سازند. در دنیای پر رقابت امروز، شرط اصلی رقابت، ارائه محصولات و خدمات منطبق با نیازها و خواسته­ های مشتریان است. موفقیت محصولات و خدمات به این امر بستگی دارد که محصولات و خدمات تا چه حدی نیازهای مشتریان را برآورده می­ کنند. تحقیقات نشان می­دهد که بین ۳۵ تا ۴۴ درصد محصولات ارائه شده در بازار با شکست مواجه شده است. بدیهی است این امر موجب اتلاف منابع، سرمایه و زمان می­ شود. از این رو محصول و خدمتی با ارزش است که نیازها و خواسته­ های مشتریان را به نحو احسن برآورده کند (یاری قلی، ۱۳۸۵). کیفیت به معنای واقعی عبارت است از مشخصه­هایی از محصول یا خدمت که باعث برآورده شدن نیازها و انتظارات مشتری از آن محصول می­گردد.ادبیات TQM بیانگر این مطلب است که ایجاد کیفیت در محصول با طرح سؤال «نیازهای مشتری چیست؟» آغاز می شود. QFD ابزاری مناسب در پاسخ به سؤال فوق می باشد. QFD به عنوان یکی از روش­های نوین مهندسی کیفیت، از مطالعه بازار و شناسایی محصول یا خدمت شروع شده و در فرایند بررسی و تحلیل خود، ضمن شناسایی خواسته ­ها و نیازمندی­های مشتریان، سعی در لحاظ نمودن آنها در تمامی مراحل طراحی و تولید را دارد (فلاح زاده ، ۱۳۸۲). به بیان دیگر فلسفه اصلی استفاده از QFD، اعمال و لحاظ نمودن خواسته­ های کیفی مشتری در مراحل مختلف تکمیل محصول یا خدمت می­باشد. بنابراین تمامی خصوصیات و مشخصات طراحی محصول/خدمت با توجه به نقطه نظرات مشتری و مصرف کننده آن حاصل می­ شود و نقش کارشناسان سازمان در طراحی محصول/خدمت جدید، چیزی فراتر از یک مترجم نمی باشد (ریول و همکاران ، ۱۹۹۷).
QFD با ایجاد یک فرایند طراحی منطقی، نسبت به ایجاد و خلق کیفیت در محصول/خدمت اقدام می­نماید. واقعیت این است که معمولا مشتریان در ارزیابی­های مربوط به محصول، نیازهای ذهنی خود را مطرح می­ کنند و در QFD با بهره گرفتن از طیف وسیعی از روش­ها و ابزار مختلف، به طور سیستماتیک این نیازها را به خواسته­ های عینی طراحی و تبدیل می­ کند. در مراحل بعدی، نیازهای طراحی به نحو بسیار مناسب و مؤثری در تمامی قسمت­ های مرتبط مورد استفاده قرار گرفته و بدین ترتیب زنجیره کاملی از فعالیت­ها به طور یکپارچه برای رسیدن به هدف نهایی (رضایت مشتری) در تلاش خواهند بود (رضایی و آشتیانی ، ۱۳۸۳). این فصل از تحقیق در پی پرداختن به پایه­ های نظری تحقیق می­باشد. لذا مفاهیم مربوط به رضایت مشتری، مدل­ها و رو­ش­های سنجش رضایت مشتری، تعاریف کیفیت و کیفیت خدمات، روش گسترش عملکرد کیفیت، مراحل تکمیل خانه کیفیت و تحقیقات انجام شده در این زمینه مورد بازبینی قرار می­گیرند.
۲-۲ مفهوم رضایت مشتری
رضایت مشتری یکی از مهمترین موضوعات مهم نظری و تجربی برای اکثر بازاریابان و محققان بازاریابی است. رضایت مشتری را می­توان به عنوان جوهره موفقیت در جهان رقابتی تجارت امروزی دانست. بنابراین اهمیت رضایت مشتری و حفظ مشتری در تدوین استراتژی برای شرکت­های مشتری­مدار و بازار­مدار نمی­تواند دست کم گرفته شود. امروزه رضایت مشتری با نرخ در حال رشدی مورد توجه شرکت­ها قرار گرفته است. رضایت مشتری احساس یا نگرش یک مشتری نسبت به یک محصول یا خدمات بعد از استفاده از آن است. رضایت مشتری نتیجه اصلی فعالیت بازاریاب است که به عنوان ارتباطی بین مراحل مختلف رفتار خرید مصرف ­کننده عمل می­ کند. برای مثال اگر مشتریان به وسیله خدمات خاصی راضی شوند، احتمالا خرید خود را تکرار خواهند کرد، به دیگران درباره تجارب مطلوب خود خواهند گفت و در تبلیغات دهان به دهان مثبت درگیر می­شوند. حاصل این است که مستقیما بقاء و سودآوری یک شرکت را تحت تأثیر قرار می­ دهند (جمال و ناصر ، ۲۰۰۲). تعاریف متعددی از رضایت مشتری در ادبیات بازاریابی ارائه شده است. لینگنفلد و اشنایدر (۱۹۹۸) رضایت مشتری را به عنوان نتیجه فرایندهای مقایسه روانشناسانه بین کیفیت محصول یا خدمات با انتظارات، خواسته ­ها، اهداف مشتری و هنجارهای اجتماعی تعریف می­ کنند. رپ (۱۹۹۶) رضایت مشتری را به عنوان نگرش شخصی که از میان مقایسه بهره­وری واقعی و بهره­وری مورد انتظار از محصول یا خدمات، تعریف می­ کند (دلخواه ،۱۳۸۲). سیمون همبورگ (۱۹۹۸) اذعان می­ کند که الگوی “عدم تأیید انتظارات” در بحث نظری مفهوم رضایت مشتری در علم بازاریابی مهمترین نقش را ایفا می کند و عمومی­ترین مفهوم رضایت مشتری است. نتیجتا وی این مدل را به عنوان مدل اساسی رضایت مشتری در نظر می گیرد. نقطه شروع الگوی “عدم تأیید انتظارات” مقایسه بین تجربه واقعی مشتری از محصول (آنچه که هست) و آنچه که باید از نظر مشتری باشد، است (ویلالبس^[۱۴] ، ۲۰۰۰).
۲-۳ اهمیت دستیابی به رضایت مشتری
چرا شرکت­ها نیازمند دستیابی به رضایت مشتری می­باشند؟ اهمیت رضایت مشتری برای شرکت چیست؟ برای پاسخ دادن به این سؤال ها احتیاج به دانستن این است که اگر مشتریان ناراضی باشند چه اتفاقی رخ می­دهد و سپس آنکه مشتریان راضی چه منافعی برای شرکت دارند و چگونه شرکت به آنها دست می یابد؟
تحقیقات نشان می­ دهند که ۹۶% مشتریان هیچگاه در رابطه با رفتار بد و کیفیت بد محصولات و خدمات شکایت نمی­کنند و اینکه ۹۰% این مشتریان ناراضی، برنمی­گردند. هر کدام از این مشتریان ناراضی، نارضایتی خود را حداقل به ۹ نفر می­گویند و ۳۰% از مشتریان ناراضی به بیش از ۲۰ نفر ناراحتی خود را انتقال می­ دهند. همچنین مطالعات نشان می­دهد که جذب یک مشتری جدید ۶ برابر پر هزینه­تر از حفظ مشتری فعلی است (دلخواه ، ۱۳۸۲).
مطالعات هایز درج^[۱۵] (۱۹۸۷) نشان می­دهد که معمولا نگهداری مشتریان فعلی از جذب یک مشتری جدید خیلی ارزانتر است؛ این در حالی است که هر کدام از این فرایندها مشکل و پر هزینه هستند. یک مشتری وفادار ممکن است مبالغ زیادی در طول سال­های ارتباط داشتنش، در یک شرکت هزینه کند. به ویژه اگر این مشتری به وسیله دریافت خدماتی با کیفیت که سازمان وعده تحویل آن را داده است، تشویق شود. بنابراین تعامل داشتن با مشتریان موجود از جستجو برای یافتن یک مشتری جدید خیلی کم هزینه­تر است (دلخواه ، ۱۳۸۲).
مشتریان شایسته در انتظار دریافت آن چیزی که به آنها وعده داده شده، هستند. شرکت­ها وقتی مشتریان را مجذوب خود می­ کنند که اگر به مشتریان وعده می­ دهند، به وعده خود عمل کنند. موفقیت شرکت و رضایت مشتری دو مفهومی هستند که خیلی به هم نزدیکند. از آنجایی که رضایت مشتری یکی از عوامل موفقیت است پس می­توان استنتاج نمود که به منظور داشتن موفقیت، شرکت باید مشتریان راضی داشته باشد (رنجبران و همکاران ، ۱۳۸۱).
مشتریان که محصولات و خدمات سازمان و کارکنان سازمان را پاسخگو به نیازهای منحصر به فرد خود می­یابند نه تنها فقط وفادار می­مانند بلکه به عنوان بهترین وسیله روابط عمومی و بازاریابی عمل می­ کنند و در نتیجه مشتریان جدیدی جذب می­ کنند. این امر اشاره به هدف شرکت­ها یعنی وفاداری مشتری دارد (رضایی و همکاران ، ۱۳۸۰).
والتر^[۱۶] و همکاران (۱۹۹۱) ۵۲ روش را برای حفظ مشتری ارائه داده است.
در ادامه به بعضی از این روش­ها اشاره می­ شود:
خلق فرهنگ مشتری­مداری.
توانمند­سازی کارکنان: شغل کارکنان ارضای نیازهای مشتریان است. آنها نیازمند احساس اطمینان در تواناییشان برای تصمیم ­گیری هستند.
سنجش عملکرد: به همراه سنجش عملکرد کارکنان، سطح عملکرد و کیفیت و بهره­وری افزایش خواهد یافت. وقتی کارکنان سطح عملکرد استانداردی را به دست آورند، وفاداری مشتری طبیعتا افزایش می­یابد.
توجه به ارزش مادام العمر هر مشتری: هر مشتری یک ارزش مادام العمر دارد. شرکت­های موفق به ارزش مشتری، در کل دوران زندگی به مشتریانشان توجه دارند.
مهم نمودن خدمات برای مشتریان.
پرسیدن از مشتریان به طور مداوم که آنان از شرکت چه می­خواهند و شرکت برای آنان چه می ­تواند انجام دهد.
شناسایی هزینه از دست دادن یک مشتری.
یک روش زیرکانه برای داشتن مشتریان راضی این است که قبل از اینکه مشکلی بروز کند اقدامات اصلاحی صورت گیرد. وقتی مشتریان واکنش نشان دهند معمولا دیر است.
در این راستا احتمال پروراندن رضایتمندی مشتریان می ­تواند مستلزم موارد زیر باشد:
پرسید از مشتریان که آیا آنها راضی می­باشند؟
فراهم آوردن سیستم­هایی، مخصوص گردآوری پیشنهادات و نظرات مشتریان.
برخورداری از کارکنانی که در صورت ارائه خدمات و کالاهای ناقص و بد به مشتریان، دلخور و ناراحت باشند.
پیمایش­های پرسشنامه­ای منظم که برای درک رضایت مشتری طراحی شده ­اند.
مرور منظم رویکردها برای برخورد با مسائل مشتریان (ویلالبس ، ۲۰۰۰).
۲-۴ مدیریت شکایات مشتریان
پاسخ مؤثر به شکایات مشتریان در بانک­ها که از جمله شرکت­های خدماتی می­باشند، می ­تواند منشا یک تمایز کلیدی باشد و روابط با مشتری را بهبود و توسعه دهد.
از زمانی که مشتریان در روابط خود با شرکت­های خدماتی با مشکلی مواجه می­شوند، سه گزینه برای حل آن پیش روی خواهند داشت:
کاری انجام نمی­دهند.
اقدام شخصی و خودسرانه انجام می­ دهند.
اقدام رسمی می­ کنند.
هیچ کاری انجام نمی­دهند، در برخی از شرایط هیچ تلاشی از طرف مشتری سر نمی­زند که این مواقعی است که زیانی که مشتری از بابت آن متحمل می­گردد برای وی زیاد مهم نباشد. در نتیجه اثر نارضایتی خیلی زود رفع می­ شود. از طرف دیگر ممکن است مشتری فکر کند که ارزشی ندارد که زمان باارزش و انرژی خود را بر روی آن صرف کند.
اقدام شخصی^[۱۷]، یکی از واکنش­های مشتری به نارضایتی، اعمال شخصی و خاصی است که می ­تواند انجام دهد؛ تغییر دادن بانک، عدم همکاری با دیگر بانک­ها یا بر حذر داشتن دوستان و خانواده از همکاری با آن می­باشد. در چنین شرایطی، بانک­ها بهتر است مشتریان را به گفتن نارضایتی­ها و شکایات تشویق کنند نه اینکه آنها را به حال خود رها کنند و به علت عدم آگاهی از دلایل نارضایتی باعث ترک آنها باشند.
اقدام رسمی^[۱۸]، در پیش گرفتن اقدامات رسمی شامل دنبال کردن اقدامات تلافی جویانه، اقدامات قانونی، شکایت کردن به یک انجمن خاص یا مقام قانونی یا رسانه ­ها می­باشد. در اکثر موارد مشتریان نخست شکایت خود را به بانک منتقل کرده و اگر اقدامی رضایت­بخش از جانب آنها صورت نگیرد سپس راه­های تلافی جویانه دیگری در پیش می­گیرند (هریسون^[۱۹] ، ۲۰۰۰).
۲-۵ سنجش رضایت مشتری
همانطور که در بخش­های قبل تشریح شد، رضایت مشتری یکی از اهداف اساسی هر سازمان است. مشتریان راضی یکی از کلیدهای موفقیت سازمان به شمار می­روند. در راستای کمک به تحقق اهداف سازمانی، سطح رضایتمندی مشتریان باید افزایش یابد. به منظور افزایش رضایت مشتری، ابتدا باید سطح فعلی رضایت مشتریان را مشخص نمود. هدف از سنجش رضایت مشتری به دست آوردن بازخوری از عملکرد شرکت به منظور اداره فعالیت­های شرکت به نحوی که فرض بر داشتن روابطی بلند مدت با مشتریان می­باشد، است.اگر بانک بخواهد مشتریانی کاملا راضی داشته باشد باید سطح رضایت مکرر مورد سنجش قرار گیرد و سعی شود دلایل نارضایتی احتمالی پدیدار شود.
رپ^[۲۰] و همکاران (۲۰۰۵) بیان می­ کند که رضایتمندی مشتری به عنوان یک هدف استراتژیک وقتی می ­تواند به دست آید که سطح آن به صورت مکرر سنجیده شود. این سنجش­های مکرر، اطلاعاتی در رابطه با اینکه فرایندها تا چه اندازه خوب کار می­ کنند و از اینکه کارکنان تا چه اندازه خوب کار می­ کنند، ارائه می­دهد.
سنجش رضایت مشتری بینشی که برای، برنامه­ ریزی، کنترل و مدیریت نیاز است را ارائه می­دهد که موارد زیر را بهبود می­بخشد:
کفایت و عملکرد فنی محصولات و خدمات
نگاره زمانبندی و پیشرفت

مکاتب رهبری نظریه های رهبری

۱. مکتب صفات شخصی
ویژگی های شخصیت دیویس، استاگدیل، مان، کرک پاتریک و لاک ^[۹۷]

۲. مکتب رفتاری
مطالعات آیوا کرت لوین، مطالعات اوهایو مورفی، مطالعات هاروارد پژوهشگران
هاروارد، مطالعات میشیگان ویکتور وروم، مطالعات پویایی شناسی گروهی دروین
کارترایت و آلوین زاندر، شبکه ی مدیریت رابرت بلیک و جین موتون، چهارسبک
رهبری رنسیس لیکرت^[۹۸]

۳ .مکتب اقتضایی
پیوستاری رهبری تاننبام و وارن اشمیت، رهبری مبتنی بر موقعیت پال هرسی و
کنث بلانچارد، انطباق موقعیت با سبک رهبری فیدلر، مسیر-هدف رابرت هوس
و مارتین ایوانز؛ سبک، ساختار و ظرفیت استینسون و جانسون ، تعامل رهبر با
اعضا جرج گرین ، هنجاری رهبری ویکتور وروم و فیلپ یتان، اثر بخشی رهبری
ویلیام ردین، رهبر وظیفه ای یا متمرکز بر فعالیت جان آدایر^[۹۹]

۴.مکتب نوین رهبری
جانشین های رهبری جرمیر وکر، اسنادی رهبری فریتس هایدر، رهبران هدف گرا
تحول گرا برنارد باس، مهارت های رهبری ریچارد بوید، کاریزماتیک رابرت هوس^[۱۰۰]

مکتب صفات شخصی^[۱۰۱]
مطالعه علمی رهبری با ورود به قرن بیستم با دیدگاه «مردان بزرگ» آغاز شد، که تاریخ را شکل گرفته از سوی افراد استثنایی می نگریست. مکتب تفکری مردان بزرگ بیان می کرد که ویژگی های معین خلقی (ویژگی ها و مشخصه های ثابت )است، که رهبران را از غیر رهبران متمایز می کند. بنابراین محققان رهبری در رابطه با رهبری بر شناخت تفاوت های فردی (صفات ) تمرکز داشتند (Antonakis et al,2004,14).

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

در این گروه از نظریات،‌ برای رهبر،‌ خصوصیات ذاتی ذکر می شود. این خصیصه ها بیان کننده ی ویژگی هایی هستند که در افراد نهادینه هستند، درونی و ذاتی اند و قابل تغییر نیستند (Stenz et al ,2012). بر اساس این نظریات رهبران، ‌ابر مردانی^[۱۰۲] هستند که به علت ویژگی هایی فطری، شایسته ی رهبری شده اند. در این دیدگاه اعتقاد بر آن است که رهبران، زاده می شوند، نه این که ساخته می شوند. بنابراین کسانی می توانند نقش رهبری را در سازمان ایفا کنند که دارای خصوصیاتی چون هوشمندی، برونگرایی، تسلط برخود، اعتماد نفس، سخنوری، جاذبه ی کلام، جذابیت و مانند این ها،‌ می باشند. پژوهشگرانی که درباره ی صفات شخصی رهبران بررسی کرده اند به دو روش اقدام نموده اند: ۱. مقایسه ی ویژگی آن هایی که به صورت رهبر در صحنه ی زندگی و سازمان ظاهر شده اند با ویژگی کسانی که بدین گونه نبوده اند. ۲. مقایسه ی ویژگی های رهبران موفق با رهبران ناموفق(قاسمی، ۱۳۹۰).
دیویس چهار خصوصیت عمده را برای رهبران ذکر کرده است:
هوش: تحقیقات انجام شده بر روی رهبران موفق سازمانی نشان می دهد که هوش آنان از میانگین هوش پیروان و مرئوسانشان بیشتر است.
بلوغ اجتماعی و وسعت دید: رهبران از جهت عاطفی با ثبات بوده،‌ دارای اعتماد به نفس می باشند و نسبت به مسائل و رویدادهای اطرافشان دید و بینش وسیعی دارند.
انگیزه های توفیق طلبی و دست یابی به هدف: رهبران دارای انگیزه های قوی برای موفقیت بوده و توفیق طلبند.
انسان گرایی: انسان گرایی و تأکید بر ارزش انسان ها، ‌خصوصیت بارز دیگر، رهبران موفق است (Davis,1972).
جدول۶-۲ خلاصه ای از صفات و ویژگی های شخصیتی را که به وسیله ی محققان این دیدگاه از روش های مختلف تهیه شده است نشان می دهد (افجه ،۱۳۸۰).
جدول ۶-۲: ویژگی های شخصی و خصوصیات شخصیتی رهبری(افجه ،۱۳۸۰ )

استاگدیل^[۱۰۳] (۱۹۴۸)
مان^[۱۰۴] (۱۹۵۶)
استاگدیل (۱۹۷۴)
لرد،دی وادر و الیگر^[۱۰۵](۱۹۸۶)
کرک پاتریک^[۱۰۶] (۱۹۹۱)

هوش
هوشیاری
بصیرت
مسئولیت پذیری

و در نهایت نسبت بین جدایی خوشه ها و فشردگی خوشه ها بعنوان تابع ارزیابی تعریف میشود:
انتخاب تعداد خوشه های مناسب با ماکزیمم کردن تابع فوق بدست می آید.
2-9-6 تابع M.Ramze Rezaee
آقای Ramze Rezaee و همکارانش تابع دیگری را برای ارزیابی الگوریتم خوشه بندی c میانگین ارائه داده اند. روش آنها نیز مبتنی بر معیارهای جدایی و فشردگی خوشه ها می باشد که در ادامه روش مورد نظر آورده شده است.

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

فرض کنید که داده های ورودی p بعدی باشند و می خواهیم آنها را به c خوشه گروه بندی کنیم:
مراکز خوشه ها با v_i مشخص می شوند و میزان تعلق نمونه ها با خوشه ها نیز با ماتریس U نشان داده می شود.
اگر واریانس نمونه های X را درنظر بگیریم برای p امین مولفه واریانس خواهیم داشت:
که در فرمول فوق ، p امین مولفه متوسط نمونه ها می باشد. متوسط نمونه ها نیز با فرمول زیر محاسبه می شود:
اگر تغییرات خوشه i ام را در نظر بگیریم برای p امین مولفه تغییرات خواهیم داشت:
با بهره گرفتن از معادلات تعریف شده متوسط پراکندگی تمامی خوشه ها بصورت زیر تعریف شده است:
همچنین یک تابع فاصله نیز بصورت زیر تعریف شده است:
که برای D_max و D_min داریم:
فرمول فوق ماکزیمم (می نیمم) فاصله بین مراکز خوشه ها را محاسبه می کند. از روی فرمول های فاصله و پراکندگی آقای Ramze Rezaee و همکارانش تابع ارزیابی را بصورت زیر تعریف کرده اند:
جمله اول فرمول فوق متوسط پراکندگی خوشه ها را نشان می دهد که هر چه این مقدار کوچک باشد نشان دهنده این است که خوشه ها فشرده تر هستند. اما همانطور که قبلا گفته شد این جمله بتنهایی نمی تواند معیار خوبی برای خوشه بندی باشد و باید جدایی خوشه ها نیز در نظر گرفته شود که این معیار توسط جمله دوم فرمول فوق محقق می شود. ضریب α نیز که برابر است با D(c_max) برای متعادل کردن دو جمله بکار گرفته شده است. الگوریتم پیدا کردن تعداد خوشه های بهینه بدین صورت است که تعداد خوشه های بهینه بین c_min و c_max در نظر گرفته می شود و سپس تابع ارزیابی فوق را برای تمامی مقادیر بین c_min و c_max محاسبه و ذخیره کرده و در نهایت مقدار c متناظر می نیمم مقادیر ذخیره شده، تعداد خوشه های بهینه خوشه بندی می باشد.
2-10 خوشه‌بندي ترکيبي
روش های خوشه­بندی ترکیبی شامل دو مرحله می باشد : تولید افراز های اولیه و تابع ترکیب کننده می باشد تولید اولین گام در روش های خوشبندی ترکیبی می باشد در این مرحله ، مجموعه ای از افراز ها برای ترکیب ، تولید می شوند چرا که نتایج نهائی به نتایج اولیه بستگی دارد[28]. روش های مختلفی برای تولید نتایج اولیه وجود دارد که می توان این روش ها را به دو دسته تقسیم نمود 1. استفاده تنها از یک الگوریتم 2. استفاده از الگوریتم های مختلف ، روش اول با بهره گرفتن از یکی از الگوریتم های خوشبندی پایه و راهکار های مختلف که در ادامه بیان شده است افراز های متفاوتی را تولید می کند برای مثال در الگوریتم k-means استفاده از مقداردهی اولیه مختلف می تواند منجر به تولید افرازهای گوناگون شود علاوه براین ، روش های دیگری برای ایجاد افرازهای پایه وجود دارد از قبیل به کاربردن یک الگوریتم خووشه بندی با پارامترهای مختلف یا حتی به کاربردن تصویر داده ها به فضای ویژگیهای جدید، زیرمجموعه های مختلف از داده ها و زیرمجموعه های مختلف از ویژگی ها می باشد .
روش دوم یعنی استفاده از الگوریتم های مختلف شامل چهار روش عمده می باشد 1. روش سلسله مراتبی 2. روش افرازبندی 3. روش های مبتنی بر چگالی 4. روش های مبتنی بر مشبک کردن فضا ، از الگوریتم های مربوط به روش های افرازبندی می توان به k-means و k-medoids اشاره نمود.الگوریتم های همچون AGNES و DIANA نیز از روش های سلسله مراتبی محسوب می شوند. DBSCAN و DENCLUE از متداولترین روش های مبتنی بر چگالی می باشند.ابتدایی ترین و ساده ترین روش در الگوریتم های مبتنی بر مشبک کردن فضا می توان به STING اشاره نمود. [2]
حال اینکه چه الگوریتمی برای یک مسئله خاص مناسب می باشد. اغلب کار دشواری می باشد.تجربه کارشناس دامنه ی مسئله در این موارد می تواند خیلی مفید فایده باشد.ولی اگر اطلاعاتی در مورد مسئله وجود نداشته باشد ، تولید افراز های پراکنده برای خوشبندی ترکیبی توصیه می شود. چرا که هر چه میزان پراکندگی در مجموعه ی افراز ها بیشتر باشد ، اطلاعات بیشتری برای تابع ترکیبی در دسترس خواهد بود. این پراکندگی نیز بوسیله ی استفاده از مکانیزم های مختلف تولید افرازهای پایه حاصل می شود. [28]
گام اصلی در هر الگوریتم خوشبندی ترکیبی تابع توافقی یا همان تابع ترکیب کننده می باشد که صراحتاً می تان گفت یکی از بزرگترین چالشها پیش روی خوشبندی ترکیبی تعریف یک تابع ترکیب کننده مناسب می باشد.
دو رویکرد کلی برای توابع ترکیب کننده وجود دارد : 1. بر پایه Objects Co-Ocurrence 2. بر پایه Median Partition در رویکرد اول ایده اصلی ، تعیین اینکه کدام برچسب متعلق به یک نمونه خاص در افزار ترکیب شده می باشد. برای انجام این کار تعداد دفعاتی که یک نمونه در یک خوشه قرار دارد یا دفعاتی که دو نمونه در یک خوشه مشابه قرار دارند محاسبه می شود ، به عبارتی تابع ترکیب کننده از فرایند رای گیری میان نمونه ها استفاده می کند برای مثال می توان به روش های برچسب گذاری-رای گیری ،ماتریس همبستگی و متدهای فازی اشاره نمود . متدهای فازی به منظور ترکیب افرازهای حاصل از الگوریتم های مختلف فازی[29] مورداستفاده قرار می گیرد[30]. در رویکرد دوم تابع ترکیب کننده ، افراز ترکیبی بوسیله ی راه حل مسئله ی بهینه سازی حاصل می شود. روش هایی همچونMethods Kernel و Mirkin Distance این نوع از توابع ترکیب کننده می باشند.
اما پاسخ به بعضي سوالات در اين زمينه همچنان با ابهامات زيادي روبروست. اين که در حضور يک مجموعه از نتايج خوشبندي هاي اوليه، آيا استفاده از زيرمجموعهاي از نتايج مي تواند بهتر از استفاده از کل نتايج باشد يا نه؟ کدام زيرمجموعه از نتايج اوليه ميتواند منجر به بهبود عملکرد خوشبندي ترکيبي شود؟ نتايج اوليه با چه معياري نسبت به هم ارزيابي شوند؟ انتخاب زيرمجموعهاي از نتايج اوليه براي استفاده در ترکيب نهايي، مسئلهاي است که اخيرا مطرح شده و با وجود ابهامات فراوان در جوانب اين مسئله، امروزه به صورت جدي دنبال ميشود.[31] ايده هاي اوليه با ارايه يک معيار ارزيابي براي کيفيت خوشه آغاز شد. تعدادي از مطالعات انجام شده سعي در انتخاب زيرمجموعه مناسبي از افرازهاي اوليه دارند (فرن و لين، ۲۰۰۸ ) و تعدادي نيز زيرمجموعه اي از خوشه هاي اوليه را مورد آزمايش قرار داده اند (فرد و جين، ۲۰۰۶). پاسخ به اين سوال که انتخاب چه زيرمجموعهاي از نتايج اوليه موجب بهترين کارايي خوشبندي ترکيبي مي شود هنوز نياز به انجام تحقيقات گسترده تري دارد. در چند سال اخير، پايداري خوشه به عنوان يک معيار ارزيابي خوشه مورد توجه زيادي قرار گرفته است(فرد و جين، ۲۰۰۶) کامپلو نیز روشي براي تعيين تعداد خوشه ها ارايه کرده است که با تغییر در روش جین و همکاران و با بهره گرفتن از معیار سازگاری برای اعتبار سنجی افرازهای فازی استفاده نموده است[32,33].(فرن و لين ۲۰۰۸ ) روشي براي خوشبندي ترکيبي پيشنهاد کرده اند که از زيرمجموعه ی موثرتري از افرازهاي اوليه در ترکيب نهايي استفاده ميکند. در اين روش اگر چه تعداد اعضاي شرکت کننده در ترکيب نهايي کمتر از يک خوشبندي ترکيبي کامل است، به دليل انتخاب افرازهاي با کارايي بالاتر، نتايج نهايي بهبود ميابند. پارامترهايي که در اين روش مورد توجه قرار گرفته اند، عبارتند از: کيفيت و پراکندگي (فرن و لين ۲۰۰۸ ) نشان داده اند که بهينه سازي همزمان دو عامل، پراکندگي و کيفيت در نتايج اوليه خوشبندي ترکيبي مي تواند کارايي خوشبندي ترکيبي را به طور چشمگيري بهبود بخشد[34].
روشهاي خوشه‌بندي ترکيبي سعي ميکنند تا با ترکيب افرازهاي مختلف توليد شده از روشهاي خوشه‌بندي پايه، يک افراز مستحکم از داده‌ها را توليد کنند .[14,25] در اکثر مطالعات اخير، همه افرازها با وزن برابر در ترکيب نهايي حاضر مي‌شوند و همه خوشه‌هاي موجود در همه افرازها نيز با وزن برابر در ترکيب نهايي شرکت مي‌کنند[26]. استرل و گاش [14]يک معيار براي انتخاب از ميان ترکيبات ممکن ارايه کرده‌اند که مبتني بر کيفيت کلي يک خوشه‌بندي است. براي اين کار، آنها ميزان ثبات بين افراز ترکيبي و افرازهاي پايه را در نظر گرفته‌اند و با بهره گرفتن از يک قاعده ترکيبي ثابت، يک معيار شباهت دو به دو را روي فضاي ويژگي‌هاي d-‌‌‌‌‌بعدي به کار برده‌اند.
عظيمي[2] از مفهوم پراکندگي براي هوشمند نمودن خوشه‌بندي ترکيبي استفاده کرده است. دراين روش که به صورت پويا اقدام به انتخاب زيرمجموعه بهينه‌اي از نتايج اوليه در ترکيب نهايي مي‌کند، ابتدا يک خوشه‌بندي ترکيبي ساده انجام ميشود. سپس اين روش ميزان شباهت تمام نتايج خوشه‌بندي‌هاي اوليه را نسبت به جواب به دست آمده ارزيابي مي‌کند و سعي در طبقه‌بندي مجموعه داده‌ها به سه مجموعه داده راحت ، معمولي و سخت مي‌کند. در اين طبقه‌بندي، مجموعه داده راحت به مجموعه داده‌اي اطلاق مي‌شود که خوشه‌بندي‌هاي اوليه تفاوت چنداني با خوشه‌بندي ترکيبي به دست آمده نداشته باشند. به اين معني که هر خوشه‌بندي ساده بتواند تقريبا مانند خوشه‌بندي ترکيبي نتايج مشابه‌اي ارايه کند. مجموعه داده معمولي به مجموعه داده اي اطلاق مي‌شود که خوشه‌بندي‌هاي اوليه نه تفاوت چنداني و نه تشابه چنداني با نتايج خوشه‌بندي ترکيبي به دست آمده دارند. مجموعه داده سخت به مجموعه داده‌اي اطلاق ميشود که خوشه‌بندي‌هاي اوليه تشابه چنداني با خوشه‌بندي ترکيبي به دست آمده نداشته باشند. اين رويداد نشان مي‌دهد که داده‌هاي مجموعه موردنظر کاملا داراي مرزهاي مشترک هستند و روشهاي ساده و معمولي خوشه‌بندي همانند روشهاي پيچيده و قدرتمند خوشه‌بندي ترکيبي قادر به جداسازي نمونه‌ها نمي‌باشند. سپس کل نتايج خوشه‌بندي‌هاي اوليه به چهار زيرمجموعه متفاوت بر اساس ميزان تطبيق دقتشان با نتايج خوشه‌بندي ترکيبي ساده تقسيم مي‌شوند و بر اساس رده هر مجموعه داده (راحت، معمولي و سخت) اقدام به انتخاب يکي از اين زيرمجموعه ها براي ترکيب و به دست آوردن نتيجه نهايي مي‌کنيم. نتايج تجربي صورت گرفته در [2] نيز نشان داده‌اند که ترکيب خوشه‌بندي‌هاي اوليه با بيشترين کمترين و ميزان متوسطي از تطبيق با خوشه‌بندي ترکيبي اوليه، نتيجه بهتري را به ترتيب، در مجموعه داده‌هاي راحت، سخت و متوسط مي‌دهد. روش فوق در هر مجموعه داده سعي ميکند تا نتايج خوشه‌بندي اوليه‌اي که موجب منحرف شدن نتايج نهايي ميشود را از ترکيب نهايي خارج کند و به اين ترتيب خوشه‌بندي‌هاي ترکيبي اوليه‌اي را که داراي دقت نسبتا مناسبي هستند، وارد ترکيب نهايي کند.
در اکثر الگوريتم هاي پايه براي خوشهبندي ترکيبي از نمونه‌برداري داده‌ها استفاده مي‌شود. مسئله اصلي در اين روشها چگونگي ارزيابي خوشه و خوشه‌بندي (افراز) است[3] . بامگارتنر و همکاران [35] يک روش مبتني بر بازنمونه‌برداري را براي بررسي اعتبارسنجي نتايج خوشه‌بندي فازي ارايه کرده‌اند. در چند سال اخير، پايداري خوشه به عنوان يک معيار ارزيابي خوشه مورد توجه زيادي قرار گرفته است [26] ايده‌هاي اوليه براي اعتبارسنجي خوشه با بهره گرفتن از بازنمونه‌برداري در [36] ارايه شده است .راس و همکاران[37] نيز يک روش مبتني بر بازنمونه‌برداري براي اعتبارسنجي خوشه ارايه کرده‌اند. عنصر اصلي در اين روش، که در واقع کامل شده‌ی روش‌هاي پيشين مي‌باشد، پايداري خوشه است. معيار پايداري، ميزان همبستگي افرازهاي به دست آمده از دو نمونه‌برداري مستقل از مجموعه داده را اندازه‌گيري مي‌کند. هر چه ميزان پايداري براي يک خوشه‌بندي بيشتر باشد، به اين معني است که اگر الگوريتم خوشه‌بندي چندين مرتبه ديگر روي آن نمونه‌ها به کار رود، نتايج مشابهي حاصل ميشود [38] .چندين روش اعتبارسنجي خوشه مبتني بر ايده استفاده از پايداري پيشنهاد شده است [39] بن هور و همکاران [40] نيز روشي براي محاسبه پايداري ارايه کرده‌اند که بر مبناي شباهت بين نمونه‌ها درخوشه‌بندي‌هاي مختلف عمل مي‌کند. در اين روش، ابتدا ماتريس همبستگي با بهره گرفتن از روش بازنمونه‌برداري به دست مي‌آيد. سپس ضريب جاکارد به عنوان معيار پايداري بر اساس اين ماتريس محاسبه مي‌شود.داس و سيل روشي براي تعيين تعداد خوشه‌ها ارايه کرده‌اند که از اعتبارسنجي خوشه‌ها براي تقسيم و ادغام آنها بهره مي‌برد. فرن و لين روشي براي خوشه‌بندي ترکيبي پيشنهاد کرده‌اند که اززيرمجموعه‌ی موثرتري از افرازهاي اوليه در ترکيب نهايي استفاده ميکند. در اين روش اگر چه تعداد اعضاي شرکت کننده در ترکيب نهايي کمتر از يک خوشه‌بندي ترکيبي کامل است، به دليل انتخاب افرازهاي با کارايي بالاتر، نتايج نهايي بهبود مي‌يابند. پارامترهايي که در اين روش مورد توجه قرار گرفته‌اند، عبارتند از: کيفيت و پراکندگي. اين روش سعي مي‌کند تا زيرمجموعه‌اي از افرازهايي از نتايج اوليه را وارد ترکيب نهايي کند که از بالاترين ميزان کيفيت برخوردار بوده و در عين حال نسبت به هم بيشترين پراکندگي را دارا باشند. در اين روش از معيار مجموع اطلاعات متقابل نرمال شده(SNMI ) (براي يک افراز در مقايسه با افرازهاي ديگر ترکيب) براي اندازه‌گيري کيفيت يک افراز استفاده شده است. همچنين، معيار اطلاعات متقابل نرمال‌شده(NMI) (بين تمام افرازهاي موجود درترکيب) براي اندازه‌گيري پراکندگي لازم براي ترکيب به کار رفته است. فرن و لين نشان مي‌دهند که روش آنها نسبت به خوشه‌بندي ترکيبي کامل و يا روش انتخاب تصادفي از کارايي بهتري برخوردار است.
علیزاده و همکاران نیز از زیر مجموعه ای از نتایج اولیه به جای کل خوشه های یک افراز در خوشه بندی ترکیبی استفاده نموده است.این گونه که پس تولید افرازهای اولیه ، با بهره گرفتن از یک معیار ارزیابی جدید توسعه یافته توسط علیزاده و همکاران به نام AMM که معیاری مبتنی بر NMI می باشد ، میزان پایداری هر یک از خوشه های یک افراز را اندازه گیری و توسط چند سازگار پیشنهادی با کیفیت ترین آنها را انتخاب نموده و با تغییر و بروز رسانی روش انباشت مدارک توسعه یافته (EAC) به منظور ایجاد ماتریس همبستگی برای خوشه های حاصل از افراز های گوناگون به استخراج خوشه هاي نهايي از اين ماتريس پرداخته است.[31]
فصل سوم
روش تحقيق
3-1 مقدمه
­داده ­کاوی در کاربرد هایی نظیر کشف دانش از داده ­ها مورد استفاده قرار می­گیرد خصوصا ً زمانی که با حجم عظیمی از داده ­ها مواجه هستیم . روش­ها وتکنیک های بسیاری در داده کاوی موجود است که در امر کاوش داده ها تسهیل نموده اند و روز به روز در حال گسترش می باشند از آن جمله قوانین انجمنی ، رده­بندی و خوشه بندی مهمترین آنها می باشند ،زمانی که انسان دو شیءمتفاوت( همانند میوه) را تشخیص می دهد و آنها را از یکدیگر متمایز می سازد نوعی رده بندی صورت گرفته است، از این رو تکنیک رده­بندی رویکردی با ناظر است در­حالیکه خوشه بندی با وجود شباهت بسیار با رده بندی ،تفاوت اندکی در رویکرد آنها را از یکدیگر متمایز ساخته است .خوشه بندی رویکردی بدون ناظر است
در سالهای اخیر مباحث ترکیبی بسیار مورد توجه واقع شده اند به طوریکه محققان موفق به ترکیب شماری از نتایج گروه بندی شدند که منجر به نتایج نهایی با کیفیت تری نسبت به نتایج حاصل از تنها یک روش گروه بندی می شود و در نهایت همین امر موجب شده است که ترکیب خوشه ها به موضوعی داغ در داده کاوی تبدیل شود.
خوشه بندی ترکیبی سعی می نماید تا افراز های گوناگون با تنوع بسیار را از روش های خوشه بندی مختلف ترکیب نماید.بدین ترتیب ضعف موجود در هر روش خوشه بندی پوشش داده می شود و کیفیت بالاتری با حداقل فاصله از برچسب صحیح تولید می شود.
از سوی دیگر دسته اي از الگوريتم هاي خوشه بندي بر اساس تئوري مجموعه هاي فازي پيشنهاد شده اند که به آنها الگوريتم هاي خوشه بندي فازي مي گويند و به سرعت در حال گسترش می باشند . در خوشه بندی کلاسیک بدلیل آنکه هر نمونه باید به یک و فقط یک خوشه تعلق داشته باشد ، باید تصمیم گرفت که این نمونه متعلق به کدام خوشه است. تفاوت اصلی خوشه بندی کلاسیک و خوشه بندی فازی در همین جاست که در خوشه بندی فازی یک نمونه می تواند متعلق به بیش از یک خوشه باشد. خوشبندی فازی ، نقاط داده ای را بر اساس میزان درجه عضویت شان گروه بندی می کند از این رو از دقت بیشتری نسبت به خوشبندی غیر فازی برخوردار می باشد.
تاکنون الگوریتم های بسیاری در خوشه بندی فازی ارائه شده است که همه ی آنها سعی در کسب نتایج بهتر به همراه دقت بیشتر دارند.
در مورد خوشه بندی فازی ترکیبی روش های کمتری ارائه شده است و اکثر آنها بوسیله تغییر در الگوریتم های ترکیبی اصلی ارائه شده اند. در این فصل قصد داریم رویکردی ارائه دهیم که افراز های فازی را که دارای کمترین میزان خطا در برچسب گذاری واقعی می باشند و قابل رقابت با سایر روش های خوشه بندی ترکیبی هستند ترکیب نماییم. نمایی کلی از این رویکرد در شکل 3-1 آورده شده است .
شکل 3-1 فرایند کلی خوشه بندی ترکیبی فازی
3-2 فرضیات روش پیشنهادی
روش پیشنهادی ، رویکردی بدون ناظر می باشد و قصد دارد مجموعه ای از داده ها را گرفته و بدون اینکه هیچ گروه و یا کلاس های از پیش تعیین شده ای وجود داشته باشد آنها را خوشه بندی نماید . همانطور که پیش تر ذکر شد روش های خوشه بندی پایه بسیاری موجود است که هر یک ضعف ها و قوت هایی دارد ، به همین جهت خوشه بندی ترکیبی شکل گرفت تا بر پایه قوت های هر یک از روش ها بهترین خوشه بندی را انجام دهد .با ظهور روش های فازی نیز توانستیم به دقت بیشتری دست یابیم و ممکن است نمونه ها یی داشته باشیم که متعلق به چند خوشه بوده و نسبت عضویت هر نمونه در هر خوشه را با درجه عضویت تعیین می کنیم.
در روش پیشنهادی قصد داریم تا نتیجه ی چندین روش خوشه بندی فازی را ترکیب نموده و به نتیجه ی نهایی قابل اطمینان و معتبرتری دست یابیم .
این روش از 4 مرحله تشکیل شده است که کلیات آن در این بخش آورده شده است :
مرحله 1 : تولید افراز های فازی اولیه بر روی مجموعه داده x با بهره گرفتن از روش ها و الگوریتم های گوناگون فازی و تشکیل ماتریس های عضویت هر الگوریتم .
مرحله 2 : تولید ماتریس های همبستگی فازی از روی ماتریس های عضویتی که در مرحله قبل ایجاد شدند . بدین ترتیب برای هر الگوریتم فازی و ماتریس عضویت آن یک ماتریس همبستگی فازی خواهیم داشت . این ماتریس بیانگر میزان شباهت دو نمونه از لحاظ توانایی هم خوشه بودن می باشد .
مرحله 3 :جمع ماتریس های همبستگی فازی ایجاد شده در مرحله دوم و تشکیل یک ماتریس به نام ماتریس استحکام (S) که بیانگر میزان استحکام و پایداری اتصالات میان نمونه ها می باشد . در این مرحله در واقع نتایج افرازبندی های گوناگون با یکدیگر ترکیب می شوند .
مرحله 4 : تولید افراز بندی بهینه توسط فرایند تکراری مبتنی بر گراف که بر ماتریس استحکام اعمال می شود و در هر تکرار عناصر ماتریس را به مقدار x کاهش می دهد تا بدین طریق اتصالات سست شکسته شده و اتصالات پایدار و قوی تر باقی بمانند .
تعریف 1 : ماتریس همبستگی فازی(FC) :
ماتریسی n*n می باشد که بوسیله ی ماتریس های عضویت حاصل از اجرای الگوریتم های مختلف فازی بر روی مجموعه داده با c خوشه ایجاد می شود . هر درایه ماتریس همبستگی فازی fc_ij نشان دهنده آن است که نقاط داده ای متناظر با آن با چه درجه ای با یکدیگر هم خوشه می باشند و یا به عبارتی رفتار آنها در قبال خوشه های مختلف چقدر با هم شباهت دارد .
تعریف 2 : ماتریس استحکام (S) :
این ماتریس مجموع همه ی ماتریس های همبستگی فازی حاصل از اجرای الگوریتم ها و متد های مختلف فازی می باشد و هرچه درجه ی هر یک از درایه های آن بیشتر باشد نقاط داده ای متناظر با آن از پایداری و استحکام بیشتری برخوردار می باشد و برعکس هرچه درجه ی یک درایه کمتر باشد اتصال بین نقاط داده ای متناظر با آن ضعیف تر خواهد بود .

به یک بالن ته گرد سه دهانه حلالهای تولوئن-استونیتریل(۱۵ میلی لیتر و ۴۵ میلی لیتر) و مونومر عاملی (متاکریلیک اسید ۵/۰ میلی لیتر)و مولکول هدف (۶_هیدروکسی _۲ ،۴ ،۵_ تری آمینو پریمیدین ۳۵/۰ گرم) انتقال و به مدت ۱۰ دقیقه توسط همزن مغناطیسی همزده شد. سپس نانو ذرات( سیلانA-سیلیکا ۳۲/۰ گرم) و ایجاد کننده پیوند های عرضی (اتیلن گلیکول دی متاکریلات ( ۴/۵ میلی لیتر) اضافه شد. سپس آغازگر (‘۲و۲-آزو بیس ایزو بوتیرو نیتریل ۵۱۲/۰ گرم )اضافه شد. مخلوط مورد نظر به مدت ۲۰ دقیقه تحت گاز نیتروژن قرار گرفت تا اکسیژن حل شده در آن حذف گردد. فرایند پلیمریزاسیون به مدت ۱۸ ساعت در حمام روغن ˚C60 ادامه یافت. بعد از پلیمریزاسیون یک مونولیت پلیمری سخت بدست آمد که در درون یک هاون خرد و پودر شد. سپس استخراج سوکسله به مدت ۱۲ ساعت انجام شد تا مولکول هدف با نسبت حجمی ۱:۹ (V/V) متانول/استیک اسید حذف گردید. سپس پلیمر چندین بار با متانول مطلق شستشو داده شد. این پلیمر خشک شده قابل استفاده برای آزمایشات بعدی است.

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

شیوه سنتز NIP دقیقا مشابه شیوه سنتز MIP است، تنها با این تفاوت که مولکول هدف در فرایند تهیه NIP برداشته می شود. ساختار دو پلیمر سنتز شده از طریق اسپکتروسکوپی FT-IR مورد بررسی قرار گرفت و ساختارشان تایید شد.
همچنین آنالیز نانوذرات سیلیکا و تعیین مورفولوژی پلیمر قالب مولکولی بوسیله پرتو X (XRD) و دستگاه (SEM) مورد بررسی و تایید قرار گرفت.
۳-۵ بهینه سازی شرایط جذب ناخالصی بر روی پلیمر
۳-۵-۱ تعیین ماکزیمم طول موج جذب
یک محلول استاندارد ppm 200 از ۶_هیدروکسی _۲ ،۴ ،۵_ تری آمینو پریمیدین ساخته شد و جذب آن در دامنه طول موج ۸۰۰-۲۰۰ نانومتر اندازه گیری شد ماکزیمم جذب در ۲۳۹ نانومتر بود در نتیجه تمام سنجشهای بعدی در این طول موج اندازه گیری شدند.
۳-۵-۲ بررسی اثر زمان بر جذب ناخالصی توسط MIP
یک محلول استاندارد یا محلول ناخالصی ppm200 6_هیدروکسی _۲ ،۴ ،۵_ تری آمینو پریمیدین تهیه و در ۴ بشر ۸۰ میلی لیتر به هر یک ۱۵ میلی لیتر محلول ناخالصی و ۰٫۰۵ گرم MIP اضافه شد. هر کدام از مخلوط ها توسط همزن مغناطیسی به ترتیب به مدت ۵، ۱۰، ۲۰، ۳۰دقیقه همزده شد تا ناخالصی روی ذرات پلیمر قالب مولکولی جذب شود. سپس مقدار ناخالصی جذب نشده در محلول فیلتر شده و توسط دستگاه اسپکتروفتومتر اندازه گیری شد جدول(۳-۱). همچنین مقادیر ثابت توزیع (K_d) و ظرفیت جذب سطحی (Q) با بهره گرفتن از معادلات زیر قابل محاسبه هستند.
۱) K_d=
۲) Q=
که C_{i و} C_f به ترتیب نشان دهنده غلظت اولیه و نهایی ناخالصی در فاز آبی است (mg.ml^-1) ، W وزن پلیمر(g) و V حجم فاز آبی(ml) می باشند.
مقدار E (درصد استخراج) نیز از رابطه زیر محاسبه شد:
E=

زمان جذب(min)

غلظت نهایی(ppm)

درصداستخراج

۵

۹۵/۸۸۱

۵۲

۱۰

۳۲/۹۰۱

۸۳/۵

۲۰

۵۹/۸۷۳

۷۰/۰۶

۳۰

۶۳/۹۶۸

۶۸

جدول ۳- ۱ بررسی اثر زمان جذب پلیمر قالب مولکولی سنتز شده
۳-۵-۳ بررسی تأثیر pH نمونه بر جذب پلیمر
در این قسمت اثر pH روی جذب ناخالصی ppm 200 در گستره pH ، ۹-۴ مورد بررسی قرار گرفت. به این صورت که به ۷ بشر ۸۰ میلی لیتر به هر کدام ۱۵ میلی لیتر محلول ناخالصی منتقل شد و pH آنها با بهره گرفتن از هیدروکسید سدیم واسیدنیتریکM 01/0 تنظیم گردید. سپس به هر یک از محلول ها ۰۵/۰ گرم MIP اضافه شد و به مدت ۱۰ دقیقه در تماس قرار گرفته و به منظور تسهیل در جذب ناخالصی توسط همزن مغناطیسی به خوبی هم زده شد. سپس محلول ها فیلتر شد و میزان ناخالصی در محلول زیر صافی مستقیماً با دستگاه اسپکتروفتومتر مورد اندازه گیری قرار گرفت جدول(۳-۲).

pH

غلظت نهایی ppm))

درصداستخراج