تحقیق/مقاله آماده بررسی داده کاوی در بانک اطلاعاتی با فرمت ورد(word)

اختصاصی از یارا فایل تحقیق/مقاله آماده بررسی داده کاوی در بانک اطلاعاتی با فرمت ورد(word) دانلود با لینک مستقیم و پرسرعت .

امروزه با گسترش سیستم های پایگاهی و حجم بالای داده ها ی ذخیره شده در این سیستم ها، نیاز به ابزاری است تا بتوان داده های ذخیره شده پردازش کرد و اطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد. با استفاده ار پرسش های ساده درSQL  و ابزارهای گوناگون گزارش گیری معمولی، می توان اطلاعاتی را در اختیار کاربران قرار داد تا بتوانند به نتیجه گیری در مورد داده ها و روابط منطقی میان آنها بپردازند اما وقتی که حجم داده ها بالا باشد، کاربران هر چقدرحرفه ای و با تجربه باشند نمی توانند الگوهای مفید را در میان حجم انبوه داده ها تشخیص دهند و یا اگر قادر به این کار هم با شند، هزینه عملیات از نظر نیروی انسانی و مالی بسیار بالا است. بنابراین میشود گفت که درحال حاضر یک تغییر الگو از مدل سازی و تحلیل های کلاسیک برپایه اصول اولیه به مدل های درحال پیشرفت و تحلیل های مربوط بطور مستقیم از داده ها وجود دارد. داده کاوی یکی از مهمترین این روشها است که به وسیله آن الگوهای مفید در داده ها با حداقل دخالت کاربران شناخته می شوند و اطلاعاتی را در اختیار کاربران و تحلیل گران قرار می دهند تا براساس آنها تصمیمات مهم و حیاتی در سازمانها اتخاذ شوند.

در متون آکادمیک تعاریف گوناگونی برای داده کاوی ارائه شده اند. در برخی از این تعاریف داده کاوی در حد ابزاری که کاربران را قادر به ارتباط مستقیم با حجم عظیم داده ها می سازد معرفی گردیده است و در برخی دیگر، تعاریف دقیقتر که درآنها به کاوش در داده ها توجه می شود موجود است.

کلمات کلیدی : معرفی دادهکاوی و دلایل پیدایش آن، تعاریف داده کاوی، جایگاه دادهکاوی در علوم کامپیوتر،طبقه بندی روش های داده کاوی ،  داده کاوی توصیفی یا توصیف کننده، داده کاوی پیشگویانه ، مراحل و اجزای یک فرآیند دادهکاوی ،  بیان مسئله و فرموله کردن فرضیه ، انتخاب و جمع آوری داده ها ،  تبدیل و پیش پردازش  داده ها،  برآورد مدل یا کاوش در داده ها ، تفسیر نتیجه یا تفسیر مدل و رسیدن به نتایج، آماده سازی داده ها، مدل استاندارد داده ها ،  دو وظیفه اصلی در آماده سازی داده ها ، تبدیل و تغییر وضعیت داده های خام، نرمال سازی،  مقیاس دهی اعشاری ،  نرمال سازی حداقل-حداکثر  ،نرمال سازی انحراف معیار ، یکنواخت سازی داده ها ،  تفاضل ها و نسبت ها ، مفهوم داده های از دست رفته و راه حل جبران داده های از دست رفته، مفهوم و روش های تشخیص داده های نامنطبق ، روش های آماری 2 تشخیص داده های نامنطیق برمبنای فاصله 3 ، روش ها و تکنیک های برمبنای انحراف ، کاهش داده ها، اعمال اصلی در فرایند کاهش داده ها ، یافته های حاصل از کاهش داده ها ،  کاهش زمان محاسبه ، افزایش یادگیری در دقت پیشگویانه/توصیفی ،  سادگی در ارائه مدل داده کاوی ، روش های نمونه گیری برای نمونه های بزرگ ، نمونه گیری سیستمی ، نمونه گیری تصادفی ،  نمونه گیری لایه ای ، نمونه گیری معکوس

پایان نامه بررسی ومطالعه ی کامل داده کاوی و داده کاوی با SQL SERVER 2005

اختصاصی از یارا فایل پایان نامه بررسی ومطالعه ی کامل داده کاوی و داده کاوی با SQL SERVER 2005 دانلود با لینک مستقیم و پرسرعت .

 مطالب این پست : پایان نامه بررسی ومطالعه ی کامل داده کاوی و داده کاوی با  SQL SERVER2005

پیاده سازی آن روی بانک اطلاعاتی

   با فرمت ورد  word  ( دانلود متن کامل پایان نامه  )

چکیده

بررسی ومطالعه ی کامل داده کاوی و داده کاوی با SQL SERVER2005

پیاده سازی آن روی بانک اطلاعاتی دانشگاه آزاد قوچان

   امروزه با گسترش سیستم های پایگاهی و حجم بالای داده ها ی ذخیره شده در این سیستم ها ، نیاز به ابزاری است تا بتوان داده های ذخیره شده را پردازش کرد و اطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد.

   داده کاوی یکی از مهمترین روش ها ی کشف دانش است که به وسیله آن الگوهای مفید در داده ها با حداقل دخالت کاربران شناخته می شوند و اطلاعاتی را در اختیار کاربران و تحلیل گران قرار می دهند تا براساس آنها تصمیمات مهم و حیاتی در سازمانها اتخاذ شوند.داده کاوی را تحلیل گران با اهداف گوناگونی از قبیل کلاس بندی, پیش بینی, خوشه بندی ,تخمین انجام می دهند. برای کلاس بندی, مدل هاو الگوریتم هایی مانند قاعده ی بیز, درخت تصمیم, شبکه ی عصبی, الگوریتم ژنتیک مطرح شده است.برای پیش بینی مدل رگرسیون خطی ومنطقی و برای خوشه بندی الگوریتم های سلسله مراتبی و تفکیکی, وبرای تخمین مدل های درخت تصمیم و شبکه ی عصبی مطرح می شود. در فصل دوم و سوم با الگوریتم ژنتیک که یکی از الگوریتم های داده کاوی و با شبکه ی عصبی که یکی از مدل های داده کاوی هستند آشنا می شویم .درفصل چهارم به محاسبات نرم و برخی از اجزای اصلی ان و نقش آنها در داده کاوی می پردازیم.

   در فصل پنجم با ابزارهای داده کاوی آشنا می شویم . برای داده کاوی ابزارهای متنوعی وجود دارد. می توان ابزارداده کاوی را با تطبیق آن ابزار با داده های مسئله و با توجه به محیط داده ای که می خواهید از آن استفاده کنید، و امکاناتی که آن ابزار دارد انتخاب کنید.وسپس به داده کاوی با SQLSERVER2005 می پردازیم .ودرفصل ششم به داده کاوی با SQL SERVER2005 روی بانک اطلاعاتی دانشگاه آزاد قوچان پرداختیم.

کلمات کلیدی ،کلاس بندی ، خوشه بندی ، پیش بینی ، تخمین

1-1–مقدمه

   امروزه با گسترش سیستم های پایگاهی و حجم بالای داده ها ی ذخیره شده در این سیستم ها ، نیاز به ابزاری است تا بتوان داده های ذخیره شده را پردازش کرد و اطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد .با استفاده از ابزارهای گوناگون گزارش گیری معمولی ، می توان اطلاعاتی را در اختیار کاربران قرار داد تا بتوانند به نتیجه گیری در مورد داده ها و روابط منطقی میان آنها بپردازند اما وقتی که حجم داده ها خیلی بالا باشد ، کاربران هر چند زبر دست و با تجربه باشند نمی توانند الگوهای مفید را در میان حجم انبوه داده ها تشخیص دهند و یا اگر قادر به این کار هم با شوند ، هزینه عملیات از نظر نیروی انسانی و مادی بسیار بالا است .از سوی دیگر کاربران معمولا فرضیه ای را مطرح می کنند و سپس بر اساس گزارشات مشاهده شده به اثبات یا رد فرضیه می پردازند ، در حالی که امروزه نیاز به روشهایی است که اصطلاحا به کشف دانش^[2] بپردازند یعنی با کمترین دخالت کاربر و به صورت خودکار الگوها و رابطه های منطقی را بیان نمایند .

   داده کاوی^[3] یکی از مهمترین این روش ها است که به وسیله آن الگوهای مفید در داده ها با حداقل دخالت کاربران شناخته می شوند و اطلاعاتی را در اختیار کاربران و تحلیل گران قرار می دهند تا براساس آنها تصمیمات مهم و حیاتی در سازمانها اتخاذ شوند .

 

1-2-عامل مسبب پیدایش داده کاوی

   اصلی ترین دلیلی که باعث شده داده کاوی کانون توجهات در صنعت اطلاعات قرار بگیرد، مساله در دسترس بودن حجم وسیعی از داده ها و نیاز شدید به اینکه از این داده ها, اطلاعات و دانش سودمند استخراج کنیم. اطلاعات و دانش بدست آمده در کاربردهای وسیعی مورد استفاده قرار می گیرد.

   داده کاوی را می توان حاصل سیر تکاملی طبیعی تکنولوژی اطلاعات دانست، که این سیر تکاملی ناشی از یک سیر تکاملی در صنعت پایگاه داده می باشد، نظیر عملیات جمع آوری داده ها وایجاد پایگاه داده، مدیریت داده و تحلیل و فهم داده ها.

   تکامل تکنولوژی پایگاه داده و استفاده فراوان آن در کاربردهای مختلف سبب جمع آوری حجم فراوانی داده شده است. این داده های فراوان باعث ایجاد نیاز برای ابزارهای قدرتمند برای تحلیل داده ها گشته، زیرا در حال حاضر به لحاظ داده ثروتمند هستیم ولی دچار کمبود اطلاعات می باشیم.

   ابزارهای داده کاوی داده ها را آنالیز می کنند و الگوهای داده ها را کشف می کنند که می توان از آن در کاربردهایی نظیر تعیین استراتژی برای کسب و کار، پایگاه دانش^[4] و تحقیقات علمی و پزشکی، استفاده کرد. شکاف موجود بین داده ها و اطلاعات سبب ایجاد نیاز برای ابزارهای داده کاوی شده است تا داده های بی ارزش را به دانشی ارزشمند تبدیل کنیم .

1

-3-داده کاوی و مفهوم اکتشاف دانش    (K.D.D)

   با حجم عظیم داده های ذخیره شده در فایلها، بانکهای اطلاعاتی و سایر بانک های داده ای، توسعه ی ابزارهایی برای تحلیل و شاید تفسیر چنین داده هایی و برای استخراج علوم شگفت انگیزی که می توانند در تصمیم گیری مفید باشند، امری بسیار مهم و ضروری است. داده کاوی با عنوان کشف دانش در پایگاه های داده (KDD) شناخته می‌شود. کشف علومی که قبلا ناشناخته بوده‌اند و اطلاعاتی که در بانکهای اطلاعاتی موجود بوده و ذاتا بالقوه و مفید هستند.

   با وجود آنکه داده کاوی و کشف دانش در پایگاه‌های داده مترادف همدیگر هستند، ولی در اصل، داده کاوی ذاتاً بخشی و تنها قسمتی جزئی از فرآیند کشف دانش است. فرآیند کشف دانش در بر گیرنده ی چندین مرحله می باشد که از اطلاعات خام، گونه هایی از علوم جدید را بدست می دهد. مراحل کشف دانش به قرار زیر است:

1- پاکسازی داده ها : در این فاز داده های اضافی و نامربوط از مجموعه داده ها حذف می شوند.(داده های ناکامل) [2]

2-یکپارچه سازی داده ها^[5] : چندین منبع داده ترکیب می شوند،

   3-انتخاب داده ها : انبار داده ها شامل انواع مختلف و گوناگونی از داده ها است که همه آنها در داده کاوی مورد نیاز نیستند . برای فرایند داده کاوی باید داده ها ی مورد نیاز انتخاب شوند . به عنوان مثال در یک پایگاه داده های مربوط به سیستم فروشگاهی ، اطلاعاتی در مورد خرید مشتریان ، خصوصیات آماری آنها ، تامین کنندگان ، خرید ، حسابداری و … وجود دارند . برای تعیین نحوه چیدن قفسه ها تنها به داده ها یی در مورد خرید مشتریان و خصوصیات آماری آنها نیاز است . حتی در مواردی نیاز به کاوش در تمام محتویات پایگاه نیست بلکه ممکن است به منظور کاهش هزینه عملیات ، نمونه هایی از عناصر انتخاب و کاوش شوند .

   4-تبدیل داده ها : هنگامی که داده های مورد نیاز انتخاب شدند و داده های مورد کاوش مشخص گردیدند، معمولا به تبدیلات خاصی روی داده ها نیاز است. نوع تبدیل به عملیات و تکنیک داده کاوی مورد استفاده بستگی دارد، تبدیلاتی ساده همچون تبدیل نوع داده ای به نوع دیگر تا تبدیلات پیچیده تر همچون تعریف صفات جدید با انجام عملیاتهای ریاضی و منطقی روی صفات موجود.

5-داده کاوی : بخش اصلی فرایند ، که در آن با استفاده از روش ها و تکنیک های خاص ، استخراج الگو های مفید ، دانش استخراج می شود.

6-زیابی الگو^[6] : مشخص کردن الگوهای صحیح و مورد نظر به وسیله معیارهای اندازه گیری.

7-زنمایی دانش : در این بخش به منظور ارائه دانش استخراج شده به کاربر ، از یک سری ابزارهای بصری سازی استفاده می گردد.

[1] Data Mining

[2] Knowledge Discovery

[3] Data Mining

[5] Data integration

[6] Pattern evaluation

متن کامل را می توانید دانلود کنید چون فقط تکه هایی از متن این پایان نامه در این صفحه درج شده است (به طور نمونه)

ولی در فایل دانلودی متن کامل پایان نامه

همراه با تمام ضمائم با فرمت ورد word که قابل ویرایش و کپی کردن می باشند

موجود است

پایان نامه در مقطع کارشناسی کامپیوتر: داده کاوی

اختصاصی از یارا فایل پایان نامه در مقطع کارشناسی کامپیوتر: داده کاوی دانلود با لینک مستقیم و پرسرعت .

دانلود متن کامل پایان نامه مقطع کارشناسی با فرمت ورد word

بسیاری از فروشگاهها پس از گذشت یک ربع قرن از آغاز فعالیت، هنوز مشتری وفادار خود را دارند. این وفاداری تصادفی نیست. اداره کنندگان این فروشگاهها به سلایق و نیازهای مشتریان خویش واقف شده اند و توان مالی خرید آنها را می شناسند. وقتی کسی از آنها راهنمایی بخواهد پاسخ آنها براساس دانش اندوخته شان در مورد ذائقه و بودجه آن مشتری و همچنین دانش شان در باره محصولات خودشان خواهد بود.

افرادی که به این فروشگاه رفت و آمد دارند در مورد کالاهای آن فروشگاه چیزهای زیادی می دانند. هر چند این دانش یکی از دلایل آنها برای ایجاد خرید از آنجاست و به همین دلیل به فروشگاه های دیگر نمی روند ولی داشتن اطلاعات خودمانی و صمیمانه در باره هر شخص آنها را مشتری دائمی آنجا می کند و به یک مغازه مشابه دیگر در آنطرف خیابان و روبروی همین فروشگاه نمی روند و برخوردار بودن این فروشگاه از اطلاعات خودمانی و صمیمانه در باره هر شخص آنها را مشتری دائمی آنجام می کند . یک مغازه مشابه دیگر می تواند در آنطرف خیابان و روبروی همین مغازه باز شود ولی ماهها و حتی سالها طول می کشد تا آنها به این سطح از دانش در باره مشتریانشان دست یابند.

طبیعتاً تجارتهای کوچکی که مدیریت خوبی دارند می توانند به نحوه ایجاد رابطه با مشتریانشان پی ببرند. آنها با گذشت زمان در باره مشتریانشان به چیزهای بیشتر و بیشتری پی خواهند برد و از آن دانش برای خدمت بهتر به مشتریان استفاده خواهند نمود و نتیجه کار، مشتریان وفادار و خرسند و تجارتهای سودآور خواهد بود.

شرکتهای بزرگ با صدها هزار یا میلیونها نفر مشتری از مزیت برقراری روابط شخصی حقیقی با تک تک مشتریانشان بی بهره اند. این موسسات عظیم باید به وسایل دیگری برای برقراری رابطه با مشتریانشان تکیه نمایند. آنها باید یاد بگیرند که از آنچه که به وفور دارند یعنی داده هایی که از طریق تعامل با تک تک مشتریان به دست آمده است نهایت بهره را ببرند. این کتاب در مورد تکنیکهای تحلیلی بحث میکند که برای تبدیل داده های مشتریان به دانش در باره مشتریان استفاده میشود.

مدیریت روابط تحلیلی با مشتریان

شکی نیست که لازم است موسسات بزرگ نیز مانند تجارتهای خدمات مدار و کوچک از منافع برقراری روابط یک به یک با مشتریانشان بهره مند گردند. مدیریت روابط با مشتری موضوع گسترده ای است که در کتابها و کنفرانسهای زیادی در مورد آن بحث شده است. تمرکز این کتاب بر نقشی است که داده کاوی می تواند در بهبود مدیریت روابط با مشتری از طریق افزایش توان موسسات برای برقراری روابط با مشتریانشان ایفا کند.

در تمامی صنایع، شرکتهای آینده نگر به سمت این هدف حرکت می کنند که تمام مشتریان را به صورت فردی درک نمایند و از این شناخت برای تسهیل تجارتی استفاده نمایند که مشتری می خواهد با آنها انجام دهد به جای اینکه با رقبایشان همین تجارت را برقرار نماید. این موسسات یاد می گیرند که ارزش هر مشتری را در نظر بگیرند تا تشخیص دهند که کدام یک از مشتریان ارزش سرمایه گذاری و صرف تلاش مداوم را دارند و دور کدام یک را باید خط کشید. این تغییر نگرش و تمرکز بر مشتریان فردی بجای تمرکز بر بخشهای وسیع بازار نیازمند تغییر در کل شرکت است و مطمئناً به بخشهای بازاریابی، فروش و پشتیبانی مشتریان هم سرایت می نماید.

برای بیشتر شرکتها استقرار یک تجارت حول روابط با مشتریان تغییری بنیادین است. بانکها همواره به حفظ تعادل بین هزینه ای که به سرمایه گذاران در بانک می پردازند و سود حاصل از وامهای پرداختی به وام گیرندگان توجه می کنند. شرکتهای مخابرات بر نوع و چگونگی ارتباطات تلفنی مشتریان توجه دارند. شرکتای بیمه بر تعادل پرداخت خسارات بیمه گذاران و مدیریت سرمایه گذاریهای انجام یافته با پول حال از دریافت حق بیمه ها متمرکز شده اند. داده کاوی کمک می کند تا نهادی محصول مدار به نهادی مشتری مدار تبدیل شود. داده کاوی به تعبیری دقیق تر به مجموعه ای از ابزارها و تکنیکها اطلاق می شود و یکی از چند تکنولوژی لازم برای حمایت از شرکتی مشتری مدار می باشد. از منظری وسیعتر داده کاوی دیدگاهی است که مطابق آن اعمال تجاری باید براساس یادگیری باشند، دیدگاهی که در آن تصمیمات آگاهانه بهتر از تصمیمات بدون آگاهی هستند. داده کاوی ، موثر واقع شود باید سایر نیازمندیهای مدیریت ارتباط با مشتریان نیز برآورده شود. یک شرکت به منظور ایجاد رابطه ای یادگیرنده با مشتریان خود باید قادر باشد:

1. متوجه آنچه مشتریانش انجام می دهند باشد.
2. عملکرد شرکت و مشتریان شرکت در طول دورانهای مختلف را همیشه به یاد داشته باشد.
3. از آنچه به یاد می آورد درس بگیرد.
4. براساس آنجه یاد گرفته عمل کند تا مشتریانش سودآورتر باشند.

اگرچه تمرکز این کتاب بر گزینه سوم یعنی درس گرفتن از آنچه در گذشته رخ داده می باشد ولی باید گفت یادگیری در خلا اتفاق نمی افتد. باید سیستمهای پردازش تعاملات برای پی بردن به تعاملات مشتریان، انبار داده ها برای ذخیره اطلاعات در مورد رفتارهای گذشته مشتریان و یک استراتژی برای رابطه با مشتری وجود داشته باشد تا آن برنامه ها را به مرحله عمل در آورد.

نقش سیستمهای پردازش تعاملات

یک تجارت کوچک با مشتریان خود روابطی را از طریق توجه به نیازهایشان، به یاد داشتن ترجیحاتشان و درس گرفتن از تعاملات گذشته برقرار می کند تا در آینده به آنها بهتر ارائه خدمات نماید. چگونه یک شرکت عظیم می تواند مشابه این کار را انجام دهد. وقتی این امکان هست که اغلب کارمندان آن شرکت هرگز به صورت شخصی با مشتریان رابطه نداشته باشند؟ حتی اگر تعامل با مشتری هم وجود داشته باشد ممکن است این روابط هر بار با فروشنده یا کارمند متفاوتی در مرکز تلفن برقرار شود. پس چگونه شرکت می تواند به این تعاملات توجه کند. آنها را به یاد آورد و از آنها درس بگیرد؟ چه چیزی می تواند جایگزین حس خلاق یک فروشنده شود که مشتریانش را با اسم و از روی چهره و صدا می شناسد و عادتها و ترجیحات آنها را به یاد می آورد؟ پاسخ این است که هیچ چیز نمی تواند جایگزین شود ولی این مسئله بدان معنی نیست که نمی توان سعی و تلاش کرد. از طریق به کارگیری هوشمندانه تکنولوژیهای اطلاعات حتی بزرگترین شرکتها هم می توانند به نتایج شگفت انگیزی برسند. در شرکتهای تجاری عظیم، اولین گام یعنی توجه به آنچه مشتری انجام می دهد از قبل و به صورت خودکار در آمده است. سیستمهای پردازش تعاملات همه جا هستند و ظاهراً داده هایی را در مورد همه چیز جمع آوری می کنند. نتایج ثبت شده توسط دستگاههای اتوماتیک سخن گو، سرورهای وب، اسکنرهای بارکد کالاهای فروش رفته وموارد مشابه ، تولید کننده داده های خام برای داده کاوی هستند.

متن کامل را می توانید دانلود نمائید

چون فقط تکه هایی از متن پایان نامه در این صفحه درج شده (به طور نمونه)

ولی در فایل دانلودی متن کامل پایان نامه

همراه با تمام ضمائم (پیوست ها) با فرمت ورد word که قابل ویرایش و کپی کردن می باشند

موجود است

تحقیق داده کاوی وخوشه بندی گردشگران خارجی در ایران

اختصاصی از یارا فایل تحقیق داده کاوی وخوشه بندی گردشگران خارجی در ایران دانلود با لینک مستقیم و پرسرعت .

فرمت فایل : WORD (قابل ویرایش)

تعداد صفحات:73

فهرست مطالب:

چکیده.....................................................................................................................................................................................یک
فصل اول: مقدمه...................................................................................................................................................................1
    مقدمه عمومی..................................................................................................................................................................2
    مقدمه حوزه پژوهشی مورد بحث................................................................................................................................3
    شرح موضوع پژوهش و منطق پشتوانه آن................................................................................................................3
    قلمرو پژوهش..................................................................................................................................................................4
    سازمندی گزارش............................................................................................................................................................5
فصل دوم: پیش زمینه و مرور ادبیات...............................................................................................................................6
    مفاهیم پایه و قاب کاری مفهومی...............................................................................................................................7
        تعریف داده کاوی.....................................................................................................................................................7
        کاربردهای داده کاوی..............................................................................................................................................13
        فرایند داده کاوی......................................................................................................................................................13
        آماده سازی داده ها..................................................................................................................................................15
            نرمال سازی........................................................................................................................................................17
            داده های مجهول..............................................................................................................................................18
        مدل فرایندی Crisp-DM.....................................................................................................................................19
        انواع داده ها در داده کاوی......................................................................................................................................22
            ساختار بانک اطلاعاتی رابطه ای......................................................................................................................22
            انبار داده.................................................................................................................................................................26
            OLAP چیست؟...................................................................................................................................................32
        تکنیک های داده کاوی.............................................................................................................................................44
            تکنولوژی های داده کاوی...................................................................................................................................45
            طبقه بندی.............................................................................................................................................................45
            وابستگی..................................................................................................................................................................47

            پیش بینی..............................................................................................................................................................47
            تحلیل خوشه ای...................................................................................................................................................48
                الگوریتم K-mediod ....................................................................................................................................51
                الگوریتم K-means........................................................................................................................................51
                شبکه SOM....................................................................................................................................................52
                الگوریتم BIRCH..........................................................................................................................................53
                الگوریتم CURE............................................................................................................................................58
            معتبرسازی مدل های خوشه بندی.................................................................................................................60
    مرور ادبیات.......................................................................................................................................................................63
    جمع بندی و نتیجه گیری.............................................................................................................................................66
فصل سوم: پژوهش مقدماتی...............................................................................................................................................67
    وضعیت فعلی پژوهش در حوزه مورد بحث................................................................................................................68
فصل چهارم: پژوهش پیشنهادی.........................................................................................................................................69
    محدودیت های انجام پژوهش........................................................................................................................................70
    پرسش های پژوهش.........................................................................................................................................................70
    اهداف پژوهش....................................................................................................................................................................70
    متدولوژی انجام پژوهش...................................................................................................................................................71
    نتایج و دستاوردهای مورد انتظار....................................................................................................................................71
    جمع بندی و نتیجه گیری...............................................................................................................................................72
مراجع.........................................................................................................................................................................................73

  


چکیده

   صنعت گردشگری یکی از بخش های رو به رشد اقتصاد جهانی است که تأثیر بسیاری بر اقتصاد منطقه ای و ملی کشورها دارد. با توجه به تنوع محصولات و خدمات گردشگری، گردشگران و نیازهای آنها نیز تنوع زیادی دارد. مطالعه و شناسایی رفتار گروه های مختلف گردشگران و ترجیحات و علایق آنها مهم است. زیرا که با داشتن شناخت عمیق تر از گروه های مختلف گردشگران، بهتر می توان روی آنها هدف گذاری کرد و فعالیت های جذب و حفظ را صورت داد. شناخت بهتر گردشگران، مستلزم بهره گیری و تحلیل داده ها و اطلاعات بدست آمده از آنهاست. داده کاوی از جمله تکنیک های پیچیده در تحلیل مشتریان است که به کشف الگوها و قواعد و دانش مفید موجود در پایگاه های داده مشتریان می پردازد و از این طریق شناخت عمیق تری از مشتریان بدست می دهد.
   در صنعت گردشگری درک رفتار و خصوصیات گروه های مختلف گردشگران و شناخت عواملی که هر کدام از این گروه ها را تشویق به خرید یک محصول خاص گردشگری می کند، اهمیت زیادی دارد. با شناخت گروه های مختلف گردشگران و نیازها و خصوصیات هر گروه، می توان در طراحی محصول گردشگری، تعیین استراتژی های توسعه و قیمت گذاری برای هر گروه گردشگران، به مزیت رقابتی دست یافت. در این تحقیق به بخش بندی گردشگران بین المللی در ایران می پردازیم. با استفاده از اطلاعات و دانش بدست آمده از گردشگران خارجی و شناسایی بخش های مختلف آنها، می توان به مدیران و تصمیم گیران گردشگری در توسعه محصولات و خدمات مناسب گردشگری کمک کرد. همین طور می توان به راهکارهایی در جهت بازاریابی و جذب بیشتر گردشگران و در نتیجه رونق گردشگری در ایران دست یافت.

دانلود تحقیق روان کاوی به عنوان روشی برای درمان

اختصاصی از یارا فایل دانلود تحقیق روان کاوی به عنوان روشی برای درمان دانلود با لینک مستقیم و پرسرعت .

فرمت فایل : word(قابل ویرایش)

تعداد صفحات:40

چکیده:

روان‎کاوی به عنوان روشی برای درمان
«تنها معیاری که حقیقت را به وسیلة آن می‎توان ارزیابی کرد، نتایج عملی حاصل از آن است».
«مائوتسه تونگ »
افراد غیرحرفه‎ای روان‎کاوی را بیشتر به عنوان روشی برای درمان اختلالهای روانی، روان‎رنجوری و احتمالاً روان‎پریشی به شمار می‎آورند. مسلم است که فروید برای نخستین بار نظریه و روشهای روان‎کاوی را برای درمان بیماران روانی مطرح و ادعاهای بسیاری را در مورد این روشها بیان کرده است. نخستین ادعا این است که روان‎کاوی می‎تواند ناراحتی‎های بیماران روانی را درمان کند؛ و دومین ادعا این است که فقط روان‎کاوی می‎تواند این کار را انجام دهد. نظریة او دربارة روان‎رنجوریها و روان‎پریشی‎ها اساساً تأکید دارد که شکایتهایی که بیمار نزد روان‎پزشک یا روان‎شناس بیان می‎کند، صرفاً نشانه‎های برخی از بیماریهای بنیادی و عمیق‎تر هستند و تا این بیماریها درمان نشوند، امیدی برای بهبود بیمار وجود نخواهد داشت، و چنانچه تلاش کنیم تا این نشانه‎ها را رفع کنیم، دوباره عود خواهند کرد و یا نشانه‎های دیگر جانشین آنها خواهند شد؛ برای مثال، نشانة دیگری که در حد نشانة پیشین و یا حتی شدیدتر از آن است ظاهر می‎شود. پس رویگردانی فروید از آنچه وی آنها را «درمانهای سمپتوماتیک»  (یا نشانگر) می‎نامد، از این امر ریشه می‎گیرد و جانشینان جدید او نیز بر این عقیده اصرار می‏ورزند.
به باور فروید، «اختلالی» که در پس نشانه‎های ظاهری قرار دارد به سرکوبی افکار و احساسهایی مربوط می‎شود که با اخلاق و نگرش هشیار بیمار در تعارض هستند و نشانه‎های بیماری بیانگر این افکار و امیال سرکوفته و ناهشیارند. از دیدگاه فروید تنها راه درمان آن است که بیمار به بینش» برسد، و این کار به کمک تعبیر رؤیاها، لغزشهای اتفاقی در گفتار، فراموشیهای لحظه‎ای در حافظه و اعمال نامناسب امکان‎پذیر است. فروید عقیده داشت که همة‌ این پدیده‎ها به وسیلة‌ موضوع‎های سرکوب شده‎ای ایجاد می‎شوند که خاستگاه آنها قابل پیگیری است و به محض ‌«بینش» یافتن نسبت به آنها نشانه‎های بیماری ناپدید می‎شوند و بیمار درمان خواهد شد. البته معنای واژة «بینش» از دیدگاه فروید نه تنها شامل توافق شناختی با درمانگر است بلکه پذیرش هیجانی پیوند علت و معلولی را نیز دربرمی‎گیرد. فروید معتقد بود که ممکن است برخی از روشهای درمان برای مدتی بدون رسیدن به چنین بینشی، در ناپدید کردن بیماری موفق باشند، ولی بیماری باقی خواهد ماند.
 این الگو که از دیدگاه پزشکی نسبت به بیماریها گرفته شده، در نظر پزشکان بسیار گیرا است، زیرا همیشه به آنان گفته شده است که نباید تب را به طور مستقیم درمان کرد، چرا که تب تنها یک نشانه است. کاری که باید انجام شود آن است که بیماری ایجاد‎کنندة تب را درمان کنیم، زیرا وقتی خود بیماری از میان رفت، تب نیز قطع خواهد شد. البته در پزشکی عمومی نیز قایل شدن تمایز میان بیماری و نشانة بیماری همواره روشن نیست، برای مثال، آیا پای شکسته یک بیماری است یا نشانة آن است؟ فروید و پیروانش هیچ‎گاه دربارة‌ کاربردپذیری الگوی پزشکی برای اختلالهای روانی تردید به خود راه نداده‎اند ولی همان‎طور که خواهیم دید، دیدگاه آنان به طور قطع درست نیست و دیدگاه‎های دیگری در برابر آن مطرح شده‎اند.
در سالهای بعد، فروید نسبت به امکان کاربرد روان‎کاوی به عنوان روشی برای درمان آشکارا دچار بدبینی شد. او اندکی پیش از مرگ گفته است که باید از وی بیشتر به عنوان پیشگام روش نوین بررسی فعالیت ذهنی یاد شود تا یک درمانگر، و همان‎طور که خواهیم دید، تردیدهای بسیاری دربارة کارآیی روان‎کاوی به عنوان روشی برای درمان در عموم مردم ظاهر شده است. اما بسیاری از پیروان فروید، که با حرفة روان‎درمانگری امرارمعاش می‎کنند، از پذیرش این نتیجه‎گیری بدبینانة او خودداری می‎ورزند و هنوز هم ادعاهای زیادی دربارة ‌کارآیی روان‎کاوی به عنوان یک روش درمانی مطرح می‎کنند. روان‎کاوی انگشت‎شماری یافت می‎شوند که این روزها از کاربرد روان‎کاوی در مورد روان‎پریشی‎هایی مانند اسکیزوفرنیا  و اختلال منیک ‏‎- دپرسیو  (شیدایی ‎- افسردگی) دفاع کنند. در این‎باره همگان در عمل توافق دارند که روان‎کاوی حرفی برای گرفتن ندارد و بیشتر در ارتباط با اختلالهای روان‎رنجوری مانند حالتهای اضطرابی، هراسها، وسواسهای فکری ‎- عملی، هیستری و غیره است که بیشترین ادعاها را مطرح می‎کند. آشکار است که بیماران سالیان دراز را صرف درمان نخواهند کرد و حق‎الزحمه‎های گزاف نخواهند پرداخت، مگر این که متقاعد شوند روان‎کاوی بیماری آنان را بهبود خواهد بخشید و یا می‎تواند واقعاً آنان را درمان کند. روان‎کاوان همیشه این امیدها را به بازی گرفته و مهم جلوه داده‎اند، و هنوز مدعی موفقیت در درمان اختلالهای روان‎رنجوری هستند، و این ادعایی است که هیچ‎گاه به اثبات نرسیده است.
چنین اتهامهایی جدی است و هدف این فصل و فصلی که در پی خواهد آمد، بحث مفصل دربارة‌ واقعیتها و توجیه و تأیید نتیجه‎گیریهای ما خواهد بود. ولی پیش از آغاز اجازه دهید تا به طور خلاصه بگوییم که چرا این موضوع تا بدین اندازه مهم تلقی می‎شود. این موضوع به دو دلیل اهمیت دارد:‌ نخست آن که اگر واقعاً درست باشد که روان‎کاوی نمی‎تواند به عنوان یک روش درمانی آنچه را که انتظار می‏رود برآورده نماید، پس به طور یقین علاقة عموم به آن به میزان چشمگیر کاسته خواهد شد. دولتها از تخصیص بودجه برای درمان با روش روان‎کاوی و تربیت روان‎کاوی خودداری خواهند کرد. توجه عمومی به روان‎کاوان به عنوان درمانگران موفق فروکش خواهد کرد و شاید دیدگاه‎های آنان در بسیاری از مسایل دیگر نیز با اشتیاق کمتری مورد پذیرش قرار گیرد، زیرا آشکار خواهد شد که روان‎کاوان حتی در نخستین وظیفة خود که همان درمان بیماران است، موفق نیستند. دیگر پیامد مهم این خواهد بود که ما به جستجوی روشهای بهتری برای درمان خواهیم پرداخت و دیگر مجبور نخواهیم بود تا به اصطلاح «درمان سمپتوماتیک» یا نشانگر را به سادگی فراموش کنیم، زیرا فروید نظریه‎ای را بیان کرده و مدعی است که این روشها مؤثر نیستند. این مطالب پیامدهای عملی مهمی دارند و با در نظر گرفتن تعداد بیماران مبتلا به اختلالهای روان‎رنجوری (تقریباً یک نفر از هر شش نفر در جامعه، از نشانه‎های روان‎رنجوری در رنج است و نیاز به درمان دارد)، میزان مصیبت و بدبختی بیمارانی را که به امید درمان شدن با کمک یک شیوة درمانی موفق نشسته‎اند،‌نباید کم ارزش جلوه دهیم. القای امیدهای پوچ دربارة موفقیت‎آمیز بودن چنین درمانی، دریافت پولهای کلان بابت درمان ناموفق و تلف کردن وقت بیمار که گاهی شامل ملاقاتهای هر روزه با روان‎کاو به مدت چهار سال و یا بیشتر می‎شود، نباید به سادگی مورد بی‎توجهی قرار گیرد.
از دیدگاه علمی، عدم موفقیت درمان به شیوة روان‎کاوی دارای پیامدهای نظری دیگری است که مهم تلقی می‎شوند. براساس این نظریه، درمان باید مؤثر واقع شود، و درمانی که موفق نباشد آشکارا نشانگر این است که نظریه معتبر نیست. این بحش اغلب از سوی روان‎کاوان رد می‎شود زیرا معتقدند که درمان تا اندازه‎ای مستقل از نظریه است و احتمال دارد حتی با وجود بی‎اثر بودن درمان، نظریه درست باشد. البته از نظر منطقی چنین امری امکان‎پذیر است و شایدت بنا به دلایلی که فروید از آنها بی‎اطلاق بود، نظریة او به واقع درست بوده ولی موجب عدم موفقیت درمان شده است. البته چنین احتمالی بسیار ضعیف است، به ویژه لاآن که چنین موانعی از سوی روان‎کاوان مطرح نشده و به نظر هم نمی‎رسد که پژوهشی برای آشکار کردن چنین موانعی از سوی آنان انجام شده باشد. به طور یقین فروید در آغاز کارش موفقیت عنوان شده برای شیوة درمان خود را نیرومندترین تأیید برای نظریة خویش تلقی کرده است. بنابراین، شکست روش درمانی می‎بایست توجه او را به خود اشتباه‎های احتمالی در نظریه‎اش جلب می‎‎کرد، ولی چنین نشد.
موفقیت روشهای درمان مخالف روان‎کاوی که در فصل بعد مورد بحث قرار می‎گیرند، جالب‎تر از شکست درمان به شیوة ‌فرویدی است. این روشهای مخالف، بر همان چزی تکیه دارند که فروید آن را به عنوان «درمان سمپتوماتیک» نفی کرده است. براساس نظریة او، این نوع درمانها یا باید ناموفق باشند و یا موفقیت کوتاه مدتی داشته باشند و با عود نشانة بیماری یا نوعی جانشینی نشانه‎ها روبه‎رو شوند. همان‎گونه که اشاره خواهیم کرد، این واقعیت که چنین پیامدهای وحشتناکی روی نمی‎دهند، خود ضربه‎ای مرگ‎آور بر کل نظریة فروید وارد می‎سازد. فروید بر پیش‎بینی خود مبنی بر این که براساس نظریه‎اش این پیامدها رخ خواهند داد، کاملاً مطمئن بود. ولی واقعیت آن است که این پیامدها ظاهر نمی‎شوند، پس آشکار می‎شود که نظریة ‌او نادرست است. این یکی از موارد نادری است که فروید براساس نظریة خود پیش‎بینی مشخصی کرده و به حق که این کار را چه نیکو انجام داده است. نظریة فروید بر رخداد پیامدهایی پافشاری می‎کند که او پیش‎بینی کرده است و آ‌شکار نشدن این پیامدها نظریه‎اش را متزلزل می‎سازد. البته بعضی مواقع با ایجاد تغییرات اندک در یک نظریه و یا با اشاره به عوامل ویژه‎ای که موجب نادرستی یک پیش‎بینی شده‎اند، شاید بتوان آن نظریه را از پیامدهای ناگوار پیش‎بینی نادرست نجات داد، ولی هواداران فروید چنین نکرده‎اند و به دشواری می‎توان تصور کرد که برای نجات آن چنین اقدامی صورت گیرد.
بنابراین، به نظر من بررسی پیامدهای روان‎درمانی به شیوة روان‎کاوی، در ارزیابی کارهای فروید از اهمیت بنیادی برخوردار است. البته این موضوع مطلق و قطعی نیست، زیرا ممکن است نظریه‎ای نادرست باشد ولی درمان مبتنی بر آن مؤثر واقع شود و یا برعکس. تا جایی که به مسایل نظری مربوط می‎شود، برای پرهیز از نتیجه‎گیری‎های زودرس و احتمالاً تأیید نشده، رعایت احتیاط الزامی است. بنابراین،‌از نظر عملی تردیدی وجود ندارد که اگر درمان مؤثر واقع نمی‎شود، نباید مردم را ترغیب کرد تا تحت درمان قرار گیرند، هزینه‎ای برای آن متحمل شوند و زمان قابل توجهی را روی تخت روان‎کاوی تلف کنند.