:

بی شک با توجه به گسترش فراگیر تکنولوژی و رویکرد متنوع در استفاده از شبکه های کامپیوتری، بحث امنیت اطلاعات و تشخیص بموقع و درست حملات و نفوذها در آن از اهمیت روزافزونی برخوردار است.

1-1- تقسیم بندی سیستم های تشخیص نفوذ

عموماً تکنیکهای تشخیص به لحاظ ماهیت به دو گروه تقسیم می شوند: تشخیص سوء استفاده و تشخیص رفتار غیرعادی.

در روشهای مبتنی برتشخیص سوء استفاده، حملات در صورتی قابل شناسایی اند که بتوان اثرات آنها را با تحلیل رفتارهای ترافیک شبکه مشخص نمود. به عبارت دیگر، براساس مجموعه ای از الگوهای نفوذ و نیز تطابق رفتار مشاهده شده با یکی از مدل ها، امکان تشخیص نفوذ فراهم می گردد. اشکال عمده ی این روش در تشخیص حملات ناشناخته ای است که تاکنون الگویی برای آنها وجود نداشته و بنابراین با این سیستم قابل شناسایی نمی باشند. برای جبران این محدودیت، روش دیگری براساس تشخیص رفتارهای غیرعادی مطرح شد. در این رویکرد که برای نخستین بار در پژوهش دنینگ [1] مطرح شد، اساس سیستم تشخیص نفوذ مبتنی بر رفتارعادی سیستم بنا گذارده می شود. در نتیجه اکثر تکنیکهای تشخیص رفتار غیرعادی، همواره در تلاش برای ایجاد پروفایل های عملکرد نرمال با محاسبه و ارزیابی معیارهای گوناگون بوده اند. براین اساس یک حمله زمانی تشخیص داده می شود که رفتار سیستم در آن لحظه، از این پروفایل نرمال تخطی کند.

 

 

 

بنا بر پژوهش اکسلسون[2]، نخستین سیستم های تشخیص رفتار غیر عادی مبنایی خودآموز داشتند. به این معنا که خودشان رفتار نرمال سیستم را تبیین می کردند. اگرچه تکنیکهای یادگیری ماشین نتایج خوبی دربرداشتند اما هنوز با محدودیت های قابل ملاحظه ای برای تشخیص حملات جدید مواجه بودند. بدین سبب تکنیکهای پردازش سیگنال به عنوان جایگزینی کارآمدتر برای روش های پیشین مطرح شدند.

از سوی دیگر، سیستم های تشخیص نفوذ را از نظر منبع مورد بررسی میتوان در دو گروه دسته بندی نمود[3]: تشخیص نفوذ براساس مدل میزبان و تشخیص نفوذ براساس ترافیک شبکه.

در روش مبتنی بر میزبان، مبنای تحلیل عملکرد بر روی یک سیستم منفرد است و معمولاً این روش براساس فعالیت های کاربر سیستم مثل فراخوانی های سیستمی می باشد. اما در تشخیص نفوذ براساس ترافیک شبکه، کل ساختار و یا هریک از میزبان ها می تواند به عنوان دامنه ی پیاده سازی تکنیکها مدنظر قرار گیرد.

1-2- تعریف پروژه

در این پژوهش، هر دو روش تشخیص سوء استفاده و تشخیص رفتار غیرعادی را در قالب دو راهکار مختلف مورد بررسی قرار می گیرد. در این راستا، از دو نوع داده، شامل مجموعه های DARPA1999 و KDD1999 استفاده شده است مجموعه داده DARPA1999 شامل پنج هفته ترافیک یک شبکه شبیه سازی شده، درقالب فایل های TCPDUMP می باشد که هفته اول و سوم، ترافیک نرمال و هفته دوم، چهارم و پنجم، حملات را نیز دربرمی گیرد. بعلاوه، بررسی ها نشان می دهد در بسیاری از پژوهش های پیشین، سیستم های تشخیص نفوذ از داده های جریان شبکه (مثل net flow، sflow و ipfix) استفاده می کنند. اما در این پژوهش، طی یک پروسه پیش پردازش، از فایل های TCPDUMP، گزارش جریان گرفته شده و براساس برخی ویژگی های این گزارشات، سیستم تشخیص فرموله سازی می گردد.

بعلاوه، پیش از این در مجموعه داده های تشخیص نفوذ 1999 KDD CUP [4]، لی و همکاران، داده های نفوذ[1] را در قالب سه دسته از ویژگی ها مشخصه سازی کرده اند: ویژگی های اولیه[2]، ویژگی های محتوا[3] و ویژگی های ترافیک[4] [5] آنها سپس ارتباطات شبکه را با استفاده از 41 ویژگی، توصیف کردند. البته این رویکرد، حملات را تا حد ممکن پوشش می دهد. ولی بررسی بسته های شبکه با حجم بالایی از ویژگی ها، تشخیص نفوذهای آنلاین را تقریباً غیرممکن می سازد. درواقع، هدف انتخاب ویژگی ها، دستیابی به توصیف کامل همه ی فعالیت های مخرب شبکه نیست. بلکه مقصود آن، تبیین تعداد محدودی از نشانه هایی است که با آن می توان یک تشخیص موثر و کارا انجام داد.

راهکاری که براساس داده های DARPA1999 ارائه می شود، روشی مبتنی بر اعمال آنالیز ویولت بر برخی ویژگی های حاصل از یک پروسه پیش پردازش روی داده هاست. براساس این ضرایب ویولت، رفتار ترافیک نرمال و رفتار حملات شناسایی می شود. در ادامه، تشخیص دو حمله ی satan و smurf در این مجموعه داده را براساس این رویکرد بررسی می کنیم.

بعلاوه کارایی شبکه های عصبی به عنوان یکی از موفقیت آمیزترین ابزارهای تشخیص نفوذ در سالهای اخیر، مورد ارزیابی قرار خواهد گرفت. پیاده سازی این طرح براساس مجموعه داده KDD1999 انجام شده است. جهت بهبود کارایی این سیستم، با استفاده از PCA ، ابعاد بردار ورودی از 41 ویژگی به 7 ویژگی کاهش یافته است. نتایج بدست آمده، حاکی از بهبود قابل قبولی درافزایش نرخ تشخیص و کاهش اخطارهای نادرست می باشد.

1-3-هدف تحقیقدر این پژوهش، مبنای کار براساس کاربرد نسل جدید توابع ویولت و بطور اخص ویولت های نسل دوم می باشد که پیش از این در موارد مشابه بکار گرفته نشده است. بیش از آن، قصد داریم به این سوال اساسی پاسخ دهیم که “آیا با بهره گیری از توابع ویولت به نتایج مطلوب تری در تشخیص نفوذها و حملات شبکه دست خواهیم یافت؟”. امید است با مقایسه نتایج بدست آمده براساس کاربرد هریک از انواع توابع ویولت ذکر شده، گامی بسوی بهینه سازی روشهای پیشین برداریم.

1-4- ساختار پایان نامه

 – فصل اول (معرفی و طرح مساله). نخستین بخش این پژوهش، به توصیف اجمالی موضوع پروژه و بررسی ابعاد مساله پرداخته است.

 – فصل دوم (انواع حملات کامپیوتری). به دلیل اهمیت آشنایی با عملکرد حملات در تشخیص رفتارهای غیر عادی ترافیک شبکه، در این فصل به بررسی انواع حملات کامپیوتری و اثرات آنها پرداخته می شود .

 فصل سوم (مطالعه موردی). در این فصل، توضیحاتی جامعی درباره ی دو مجموعه داده DARPA 1999 و KDD CUP 1999 ارائه می گردد.

– فصل چهارم (مبانی نظری). در این فصل، مبانی نظری شبکه های عصبی، آنالیز ویولت و سپس بطور اخص توابع ویولت نسل دوم مطرح شده و در ادامه، تکنیک آنالیز مولفه های اصلی به عنوان یک روش کاهش ویژگی ها در جهت بهبود عملکرد سیستم نشخیص نفوذ، معرفی و تشریح می شود.

– فصل پنجم (چهارچوب طرح پیشنهادی). در این فصل، ضمن بررسی روش های پیشین در ارائه سیستم های تشخیص نفوذ، آنها را با بکارگیری نسل جدید ویولت ها، مورد ارزیابی قرار گرفته و در ادامه، یک سیستم تشخیص نفوذ مبتنی بر شبکه عصبی و آنالیز مولفه های اصلی را معرفی می شود. بعلاوه در این فصل، مطالعات مشابه و دستاوردهای پیشین مورد بررسی قرار می گیرد. این پژوهش ها در دو بخش، شامل توصیف منظری از مطالعات انجام شده در حوزه ویولت ها و نیز کاربردهایی از شبکه های عصبی در سیستم های تشخیص نفوذ، ارائه می گردد.

– فصل ششم (ارزیابی تجربی و نتایج). این فصل، مربوط به ارزیابی تجربی و نتایج حاصل از روش ارائه شده می باشد که طی آن به نتیجه گیری و ارائه افق پیش رو برای پژوهش های آینده پرداخته می شود.

[1] Intrusion data

[2] Basic features

[3] Content features

[4] Traffic features

***ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل و با فرمت ورد موجود است***

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

 

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

 

موجود است

مجازی‌سازی یکی از تکنیک‌های پایه در معماری مراکز است که به خصوص در سالهای اخیر به طور چشمگیری در راه‌اندازی خدمات الکترونیک به‌ کار می‌رود. این فناوری با ایجاد ماشین‌های مجازی بر روی یک سخت‌افزار، امکان استفاده‏ی بهینه از سخت‌افزار و سهولت در نگهداری را فراهم نموده و راندمان و دسترس‌پذیری منابع را به طور قابل توجهی بالا می‌برد. با این وجود تمامی مزایای این فناوری، استفاده‏ی بهینه از امکانات آن امری ضروری در جهت حفظ کارایی سیستم خواهد بود.

2-1- اهداف تحقیق

جداسازی یکی از مهم‌‌ترین امتیازات فناوری مجازی­سازی به شمار می‌آید. یکی از مهم‌ترین جنبه‌های جداسازی، جداسازی کارایی[1] است، به این معنا که عملکرد ماشین‌‌های مجازی بر روی یک بستر فیزیکی مشترک، نباید بر روی کارایی دیگر ماشین­های مجازی در حال اجرا تاثیرگذار باشد و هر ماشین مجازی به طور کاملا مستقل از دیگر ماشین‌های در حال اجرا بر روی میزبان مشابه عمل نماید. مجازی‌سازی‌ امکان اجرای برنامه‌های متنوع در محیط‌های مجزا را از طریق ایجاد چندین ماشین مجازی بر روی بسترهای سخت‌افزاری ایجاد می‌کند. در مجازی‌سازی، اشتراک منابع بین ماشین­های مجازی از طریق ناظر ماشین مجازی انجام می­گیرد. اگرچه ناظرها قادر به تسهیم منابع و اختصاص هر یک از سهم­ها به ماشین­های مجازی هستند اما تحقیقات نشان می‌دهد که برنامه­های کاربردی که بر روی ماشین­های مجازی در حال اجرا هستند بر نحوه عملکرد برنامه­های کاربردی در حال اجرا بر روی ماشین­های همسایه تاثیر خواهند داشت. در واقع میزان تداخل[2]، وابسته به درجه رقابت همزمان برنامه­های در حال اجرا برای کسب منابع اشتراکی است. در عمل به دلیل مشترک بودن منابع فیزیکی، رفتار هر یک از ماشین‌های مجازی بر نحوه عملکرد دیگر ماشین­های مجازی در حال اجرا اثر خواهد گذاشت و تداخل انواع بارکاری[3] مربوط به برنامه­های کاربردی باعث ایجاد تغییرات قابل توجه در کارایی برنامه­های کاربردی می­شود. بنابراین اهدافی که این تحقیق دنبال می‌کند عبارتند از:

– بررسی وجود تداخل کارایی و تاثیر بارهای کاری متفاوت بر نحوه عملکرد ماشین‌های مجازی ترکیب شده بر روی میزبان مشترک

– ارایه مدلی از تداخل کارایی برای اندازه‌گیری تداخل

– ارایه الگوریتم زمانبندی ماشین­های مجازی بر روی ماشین فیزیکی مشابه با استفاده از مدل ارایه شده به منظور افزایش کارایی ماشین‌های مجازی.

 

 

 

1-3 توجیه ضرورت انجام طرح

در چند سال اخیر، فناوری مجازی­سازی به دلیل مزیت‌های فراوان آن مانند استفاده‏ی بهینه از منابع، دسترس­پذیری بالا و جداسازی محیط‌های اجرایی مورد توجه ویژه‌ای قرار گرفته است. با وجود این مزایا، این فناوری در بسیاری از موارد کارایی مناسبی را از نظر کارایی ترکیب و نحوه‏ی زمان‏بندی ماشین‌های مجازی فراهم نمی­کند. به این معنا که کارایی برنامه­های کاربردی در محیط‌های مجازی نسبت به کارایی برنامه‌کاربردی زمان اجرا بر روی یک ماشین فیزیکی راضی کننده نیست. ناظر ماشین مجازی، وظیفه‏ی تخصیص منابع فیزیکی به ماشین­های مجازی را بر عهده دارد. به دلیل مشترک بودن منابع فیزیکی و سربار ناشی از این اشتراک، رفتار هر یک از ماشین­های مجازی بر نحوه عملکرد دیگر ماشین­های مجازی در حال اجرا اثر خواهد گذاشت و تداخل انواع بارکاری مربوط به برنامه­های کاربردی باعث ایجاد تغییرات قابل توجه در زمان اجرای برنامه­های کاربردی می­شود. بنابراین به نظر می‌رسد با محبوب‌تر شدن فناوری مجازی‌سازی، مساله‏ی زمانبندی ماشین‌های مجازی متمرکز با در نظر گرفتن تداخل نوع بارکاری آنها امری ضروری است.

1-4 فرضیات مسأله

مسأله‏ی ارایه شده در این پایان‌نامه بر اساس مفروضات زیر است:

– تمامی برنامه‌های کاربردی در درون تعدادی ماشین مجازی اجرا خواهند شد.

– در هر ماشین مجازی تنها یک برنامه کاربردی اجرا می‌شود. این برنامه کاربردی هیچ دانشی از محیط مجازی زیرین خود ندارد.

– فناوری مجازی‌سازی استفاده شده در این پایان‌نامه KVM [16][4] بوده و تمامی ماشین‌های مجازی از نسخه لینوکس Ubuntu نگارش 11.4 استفاده می‌کنند.

– برنامه‌های کاربردی ارتباط مستقیم با کاربر ندارند. بنابراین ممکن است یک ماشین ‌مجازی توسط زمانبند برای مدتی متوقف گردد. این فرض در حل مسایل محاسباتی علمی کاملا معتبر است.

1-5 یافته‌ها و نتایج تحقیق

با وجود مزایای فراوان، این فناوری در بسیاری از موارد کارایی مناسبی را از نظر کارایی ترکیب و نحوه‏ی زمان‏بندی ماشین‌های مجازی فراهم نمی­کند. به این معنا که کارایی برنامه­های کاربردی در محیط‌های مجازی به دلیل مشترک بودن منابع فیزیکی و سربار ناشی از این اشتراک، نسبت به کارایی برنامه‌کاربردی زمان اجرا بر روی یک ماشین فیزیکی راضی کننده نیست. تداخل انواع بارکاری مربوط به برنامه‌های کاربردی باعث ایجاد تغییرات قابل توجه در زمان اجرای برنامه­های کاربردی می­شود. بنابراین به نظر می‌رسد با محبوب‌تر شدن فناوری مجازی‌سازی، مساله‏ی زمانبندی ماشین‌های مجازی متمرکز با در نظر گرفتن تداخل نوع بارکاری آنها امری ضروری است. در این تحقیق به منظور بررسی میزان تداخل عملکرد بین ماشین‌های مجازی با بارهای کاری از نوع شبکه و پردازشی در حال اجرا بر روی میزبان فیزیکی مشترک، آزمایش‌های تجربی متفاوتی انجام شده و بر اساس نتایج حاصل شده، مدل تداخل عملکرد به دست آمده است. عوامل مؤثر در مدل تداخل عملکرد عبارتند از بهره‌وری پردازنده، بهروه‌وری لینک ارتباطی و تعداد ماشین مجازی در حال اجرا. با توجه به مدل تداخل، موثرترین عامل در ایجاد تداخل تعداد ماشین مجازی است. در ادامه الگوریتم زمانبندی ماشین‌های مجازی با استفاده از مدل تداخل عملکرد به دست آمده ارایه شده است. الگوریتم پیشنهادی با الهام از الگوریتم کوله‌پشتی صفر و یک، مجموعه‌ای از ماشین‌های مجازی را که کمترین میزان تداخل عملکرد و حداکثر میزان بهره‌وری منابع را نسبت به دیگر مجموعه‌های موجود داراست را انتخاب کرده و مابقی ماشین‌‌ها را متوقف می‌نماید. این الگوریتم در دوره‌های زمانی اجرا شده و این کار تا زمانی که کار تمامی ماشین‌ها به اتمام برسد ادامه خواهد داشت. در انتها، عملکرد الگوریتم پیشنهادی ما با یکی از الگوریتم‌های رایج توازن بار مورد مقایسه قرار گرفته است. خوشبختانه عملکرد الگوریتم پیشنهادی ما از نظر زمان پاسخگویی در حدود 7 درصد بهتر عمل می‌کند.

 1-6 ساختار کلی پایان نامه

در این فصل شرح کامل مسأله، اهداف تحقیق، ضرورت اجرای طرح، فرضیات مسأله و یافته‌های تحقیق مطرح گردید. در فصل دوم ادبیات و پیشینه تحقیق را مورد بررسی قرار می دهیم. ابتدا شرحی کامل بر فناوری مجازی‌سازی و مزایا و معایب آن خواهیم داشت. سپس به فناوری پردازش ابری خواهیم پرداخت. در ادامه اشاره‌ای به تحقیقات مرتبط و کارهای انجام شده‏ی قبلی داشته و چالش‌های موجود را مورد بررسی قرار می‌دهیم.

در فصل سوم، به شرح کامل مسأله خواهیم پرداخت. ابتدا به تعریف پدیده تداخل عملکرد و دلایل بروز آن می‌پردازیم. سپس به شرح آزمایش‌های تجربی برای سنجش میزان تداخل پرداخته و در نهایت مدل تداخل عملکرد را تعریف می‌کنیم. در فصل چهارم ابتدا آمار توصیفی مربوط به داده‌های تحقیق را بیان می‌کنیم. سپس اعتبار داده‏‌ها و فاکتورهای تحقیق را مورد بررسی قرار داده و در پایان به ارزیابی فرضیات تحقیق می‌پردازیم. در این فصل نتایج به دست آمده از تحقیق را به طور مفصل شرح خواهیم داد. در فصل پنجم نتیجه‌گیری نهایی انجام می‌گیرد و پیشنهاداتی برای کارهای آینده مطرح می‌شود.

[1] Performance Isolation

[2] Interference

[3] Workload

[4] Kernel-based Virtual Machine

***ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل و با فرمت ورد موجود است***

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

 

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

 

موجود است

گسترش سریع و روز افزون اطلاعات ارائه شده بر روی شبکه جهانی اینترنت، کاربران را با مشکلات عدیده و قابل تاملی در خصوص انتخاب منابع و اطلاعات مورد نیاز ایشان مواجه نموده است و چه بسا که بدون راهنمایی و هدایت صحیح، کاربران در اخذ تصمیمات صحیح یا انتخاب کالا و خدمات مورد نیازشان دچار اشتباه شده که این امر تبعات عدیده­ای از جمله نارضایتی، سلب اطمینان کاربران و مشتریان سایتهای موجود بر روی اینترنت را به همراه خواهد داشت. از اینرو وجود ابزار و سیستمهایی برای کمک به کاربران در انتخاب اطلاعات مناسب و مورد نیاز ایشان کاملا ضروری به نظر می­رسد. در سالهای اخیر برای برآورده سازی این نیازها سیستمهای توصیه­گرمطرح و توسعه یافته­اند و الگوریتمها ، مقالات و متون علمی بسیار متنوع و مختلفی در این زمینه مطرح گردیده است .

در این میان، ایجاد و گسترش شبکه­های اجتماعی، شبکه­های اعتماد و وجود انواع روابط میان کاربران این شبکه­ها افق جدیدی را برروی محققان و توسعه دهندگان سیستمهای توصیه­گر گشوده است تا با بهره­گیری از علوم اجتماعی و علوم روان شناختی حاکم در این شبکه­ها و خصوصا وجود رابطه اعتماد میان کاربران بتوانند نسل جدیدی از سیستمهای توصیه­گر را تحت عنوان “سیستمهای توصیه­گر مبتنی بر اعتماد[1]”معرفی و عرضه نمایند. این سیستمها قادر هستند تا به درصد بیشتری از کاربران پاسخ مناسب را ارائه دهند و همچنین نتایج آنها از دقت بالاتری برخوردار می­باشد.

با توجه به کثرت کاربران و افراد عضو شبکه­های مبتنی بر اعتماد و شبکه­های اجتماعی، همچنین تنوع رفتار و ویژگی­های ایشان، تنها یک شیوه یا یک مدل قادر به پاسخگویی و ارائه پیشنهادات دقیق و قابل قبول نمی­باشد که این امر باعث ظهور سیستمهای توصیه­گر ترکیبی[2]گردیده است. در این سیستمها سعی شده است تا با ترکیب انواع مختلفی از سیستمهای توصیه­گر بتوان سیستمی تولید نمود که

 

 دارای مزایای حداکثری و معایب حداقلی باشد.

در این پایان­نامه سعی شده است تا با تغییر، اصلاح، تلفیق و ترکیب تعدادی از روشها و الگوریتم­های مطرح و قابل قبول در سطح جهانی، مدلی ارائه گردد که نسبت به مدل­های پیشین دارای دقت و درصد پوشش بالاتری باشد و همچنین بتواند نقایص مدلهای پیشین خصوصا در رابطه با ارائه پیشنهاد به کاربران تازه وارد[3] را تا حد قابل قبولی مرتفع نماید.

1-2- سیستمهای توصیه ­گر

تعاریف متفاوتی برای سیستم‌های توصیه‌گر ارائه شده‌است. عده­ای از محققان سیستمهای توصیه­گر را زیرمجموعه‌ای از سیستمهای تصمیم­یار[4] می‌دانند و آنها را سیستم‌های اطلاعاتی[5] تعریف می‌کنند که توانایی تحلیل رفتارهای گذشته و ارائه توصیه‌هایی برای مسائل جاری را دارا می­باشند[1]. به زبان ساده‌تر در سیستم‌های توصیه‌گر تلاش بر این است تا با حدس زدن شیوه تفکر کاربر به کمک اطلاعاتی که از نحوه رفتار وی یا کاربران مشابه و نظرات آنها داریم مناسب‌ترین و نزدیک‌ترین کالا یا خدمت به سلیقه او را شناسایی و پیشنهاد کنیم. این سیستم‌ها در حقیقت سعی دارند فرایندی را که ما در زندگی روزمره خود بکار می‌بریم و طی آن تلاش می‌کنیم تا افرادی با سلایق نزدیک به خود را پیدا کرده و از آنها در مورد انتخاب‌هایمان نظر بخواهیم را شبیه سازی نمایند.

به صورت کلی­تر سیستمهای توصیه­گر زیر مجموعه­ای از سیستمهای پالایش اطلاعات[6]هستند که وظیفه آنها جستجو برای بیان پیش­بینی امتیاز(درجه)[7] یا بیان سلایق و ترجیحات[8] یک کاربر در خصوص یک موضوع[9] ( مانند موسیقی، کتاب یا فیلم) یا یک عنصر اجتماعی مانند افراد و گروهها می­باشد[2]–[4].

1-3- انواع سیستمهای توصیه ­گر از لحاظ عملکردی

سیستمهای توصیه­گر به لحاظ نحوه ارائه نتایج و پیشنهادات به کاربران خود، به شیوه های متفاوتی عمل می نمایند که در ذیل به پاره­ ای از آنها به صورت فهرست وار اشاره می­گردد:

– پیشنهاد لیستی متشکل از n کالا یا محصول برتر (معمولا n برابر 10 است )

– پیشنهادات فصلی و موردی مانند پیشنهاد یک هتل دارای تخفیف جهت تعطیلات

– بیان درصد علاقه­مندی سایر کاربران به یک محصول خاص، به عنوان مثال: “80 درصد کاربران از خرید این محصول راضی بوده اند “

– پیش بینی میزان امتیازی که یک کاربر به یک محصول خاص خواهد داد

در این تحقیق سعی در ایجاد مدلی است که بتواند نظر و امتیاز تخصیص داده شده توسط یک کاربر خاص به یک محصول یا آیتم خاص را پیش­بینی نماید.

1-4- مزایا و اهمیت یک سیستم توصیه ­گر کارآمد

طبق آمار رسمی ارائه شده توسط سایت فروش کتاب Amazon[10] ، 35 درصد از فروش این سایت به واسطه وجود سیستم توصیه­گر و ارائه پیشنهادات مناسب به علاقه­مندان کتاب می باشد[5] همچنین سایت اجاره فیلم Netflix برای بهبود 10 درصدی دقت سیستم توصیه­گر خود موسوم به Cinematch[11]جایزه ای بالغ بر یک میلیون دلار برای محققان در نظر گرفته است. هر دو مثال فوق نشان دهنده اهمیت سیستمهای توصیه­گر و نقش آنها در تجارت می­باشد. در ذیل تعدادی از دلایل اهمیت وجود یک سیستم توصیه­گر مناسب و کارآمد در یک سایت تجارت الکترونیک برشمرده می­گردد:

– راهنمایی کاربران و بازدید کنندگان در انتخاب کالا ، محصول یا خدمت مناسب

– تسریع در زمان انتخاب کالای مورد نظر مشتری مانند انتخاب یک فیلم مناسب در میان میلیونها فیلم موجود در سایت

– جمع­ آوری اطلاعات ارزشمند در خصوص سلایق و رفتار کاربران جهت برنامه­ ریزی­ های آتی

– جذب مشتریان و بازدید کنندگانی که برای اولین بار است از سایت بازدید می­کنند

– افزایش میزان رضایتمندی کاربران و طبیعتا افزایش سود سرمایه گذاران تجاری

– ایجاد احساس اطمینان در مشتری با ارائه آمار نظرات سایر کاربران

– بهبود معیارهای سنجش رتبه و درجه پورتال یا سایت

– توجه به جنبه­ های روان­شناختی کاربران

– افزایش آگاهی کاربر در زمینه مورد علاقه وی

[1] Trust-Based Recommendation Systems(TBRS)

[2] Hybrid Recommender System

[3] Cold Start Users

[4] Decision Support Systems(DSS)

[5] Information Systems(IS)

[6] Information Filtering Systems

[7] Ratings

[8] Preferences

[9] Item

[10]http://www.amazon.com

[11] http://www.netflixprize.com

***ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل و با فرمت ورد موجود است***

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

 

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

 

موجود است

1-1- خوشه بندی

به عنوان یکی از شاخه‌های وسیع و پرکاربرد هوش مصنوعی[1]، یادگیری ماشین[2] به تنظیم و اکتشاف شیوه‌ها و الگوریتم‌هایی می‌پردازد که بر اساس آن‌ها رایانه‌ها و سامانه‌های اطلاعاتی توانایی تعلم و یادگیری پیدا می‌کنند. طیف پژوهش‌هایی که در مورد یادگیری ماشینی صورت می‌گیرد گسترده ‌است. در سوی نظر‌ی آن پژوهش‌گران بر آن‌اند که روش‌های یادگیری تازه‌ای به وجود بیاورند و امکان‌پذیری و کیفیت یادگیری را برای روش‌هایشان مطالعه کنند و در سوی دیگر عده‌ای از پژوهش‌گران سعی می‌کنند روش‌های یادگیری ماشینی را بر مسائل تازه‌ای اعمال کنند. البته این طیف گسسته نیست و پژوهش‌های انجام‌شده دارای مؤلفه‌هایی از هر دو رو‌یكرد هستند. امروزه، داده‌كاوی[3] به عنوان یك ابزار قوی برای تولید اطلاعات و دانش از داده‌های خام، در یادگیری ماشین شناخته‌شده و همچنان با سرعت در حال رشد و تكامل است. به طور كلی می‌توان تکنیک‌های داده‌كاوی را به دو دسته بانظارت[4] و بدون نظارت[5] تقسیم كرد [29, 46].

در روش بانظارت ما ورودی (داده یادگیری[6]) و خروجی (كلاس[7] داده) یك مجموعه داده را به الگوریتم هوشمند می‌دهیم تا آن الگوی[8] بین ورودی و خروجی را تشخیص دهد در این روش خروجی كار ما مدلی[9] است كه می‌تواند برای ورودی‌های جدید خروجی درست را پیش‌بینی[10] كند. روش‌های طبقه‌بندی[11] و قوانین انجمنی[12] از این جمله تكنیك‌ها می‌باشد. روش‌های با نظارت كاربرد فراوانی دارند اما مشكل عمده این روش‌ها این است كه همواره باید داده‌ای برای یادگیری وجود داشته باشد كه در آن به ازای ورودی مشخص خروجی درست آن مشخص شده باشد. حال آنكه اگر در زمینه‌ای خاص داده‌ای با این فرمت وجود نداشته باشد این روش‌ها قادر به حل این‌گونه مسائل نخواهند بود [29, 68]. در روش بدون نظارت برخلاف یادگیری بانظارت هدف ارتباط ورودی و خروجی نیست، بلکه تنها دسته‌بندی ورودی‌ها است. این نوع یادگیری بسیار مهم است چون خیلی از مسائل (همانند دنیای ربات‌ها) پر از ورودی‌هایی است که هیچ برچسبی[13] (كلاس) به آن‌ها اختصاص داده نشده است اما به وضوح جزئی از یک دسته هستند [46, 68]. خوشه‌بندی[14] شاخص‌ترین روش در داده‌كاوی جهت حل مسائل به صورت بدون ناظر است. ایده اصلی خوشه‌بندی اطلاعات، جدا کردن نمونه‌ها از یكدیگر و قرار دادن آن‌ها در گروه‌های شبیه به هم می‌باشد. به این معنی كه نمونه‌های شبیه به هم باید در یك گروه قرار بگیرند و با نمونه‌های گروه‌های دیگر حداكثر متفاوت را دارا باشند [20, 26]. دلایل اصلی برای اهمیت خوشه‌بندی عبارت‌اند از:

اول، جمع‌آوری و برچسب‌گذاری یك مجموعه بزرگ از الگوهای نمونه می‌تواند بسیار پركاربرد و باارزش باشد.

دوم، می‌توانیم از روش‌های خوشه‌بندی برای پیدا کردن و استخراج ویژگی‌ها[15] و الگوهای جدید استفاده كنیم. این كار می‌تواند كمك به سزایی در كشف دانش ضمنی[16] داده‌ها انجام دهد.

سوم، با خوشه‌بندی می‌توانیم یك دید و بینشی از طبیعت و ساختار داده به دست آوریم كه این می‌تواند برای ما باارزش باشد.

چهارم، خوشه‌بندی می‌تواند منجر به كشف زیر رده‌های[17] مجزا یا شباهت‌های بین الگوها ممكن شود كه به طور چشمگیری در روش طراحی طبقه‌بندی قابل استفاده باشد.

1-2. خوشه‌بندی تركیبی

هر یك از الگوریتم‌های خوشه‌بندی، با توجه به اینكه بر روی جنبه‌های متفاوتی از داده‌ها تاكید می‌کند، داده‌ها را به صورت‌های متفاوتی خوشه‌بندی می‌نماید. به همین دلیل، نیازمند روش‌هایی هستیم كه بتواند با استفاده از تركیب این الگوریتم‌ها و گرفتن نقاط قوت هر یك، نتایج بهینه‌تری را تولید كند. در واقع هدف اصلی خوشه‌بندی تركیبی[18] جستجوی بهترین خوشه‌ها با استفاده از تركیب نتایج الگوریتم‌های دیگر است [1, 8, 9, 54, 56]. به روشی از خوشه‌بندی ترکیبی که زیرمجموعه‌ی منتخب از نتایج اولیه برای ترکیب و ساخت نتایج نهایی استفاده می‌شود خوشه‌بندی ترکیبی مبتنی بر انتخاب[19] زیرمجموعه نتایج اولیه می‌گویند. در این روش‌ها بر اساس معیاری توافقی مجموعه‌ای از مطلوب‌ترین نتایج اولیه را انتخاب كرده و فقط توسط آن‌ها نتیجه نهایی را ایجاد می‌کنیم [21]. معیارهای مختلفی جهت انتخاب مطلوب‌ترین روش پیشنهاد شده است كه معیار اطلاعات متقابل نرمال شده[20]، روش ماكزیموم[21] و [22]APMM برخی از آن‌ها می‌باشند [8, 9, 21, 67]. دو مرحله مهم در خوشه‌بندی ترکیبی عبارت‌اند از:

اول، الگوریتم‌های ابتدایی خوشه‌بندی که خوشه‌بندی اولیه را انجام می‌دهد.

دوم، جمع‌بندی نتایج این الگوریتم‌های اولیه (پایه) برای به دست آوردن نتیجه نهایی.

1-3. خرد جمعی

نظریه خرد جمعی[23] كه اولین بار توسط سورویکی[24] در سال 2004 در كتابی با همان عنوان منتشر شد، استنباطی از مسائل

 

 مطرح‌شده توسط گالتون[25] و کندورست[26] می‌باشد، و نشان می‌دهد که قضاوت‌های جمعی و دموکراتیک از اعتبار بیشتری نسبت به آنچه که ما انتظار داشتیم برخوردار است، ما تأثیرات این ایده را در حل مسائل سیاسی، اجتماعی در طی سال‌های اخیر شاهد هستیم. در ادبیات خرد جمعی هر جامعه‌ای را خردمند نمی‌گویند. از دیدگاه سورویكی خردمند بودن جامعه در شرایط چهارگانه پراكندگی[27]، استقلال[28]، عدم تمركز[29] و روش ترکیب مناسب[30] است [55].

1-4. خوشه‌بندی مبتنی بر انتخاب بر اساس نظریه خرد جمعی

هدف از این تحقیق استفاده از نظریه خرد جمعی برای انتخاب زیرمجموعه‌ی مناسب در خوشه‌بندی ترکیبی می‌باشد. تعاریف سورویکی از خرد جمعی مطابق با مسائل اجتماعی است و در تعاریف آن عناصر سازنده تصمیمات رأی افراد می‌باشد. در این تحقیق ابتدا مبتنی بر تعاریف پایه سورویکی از خرد جمعی و ادبیات مطرح در خوشه‌بندی ترکیبی، تعریف پایه‌ای از ادبیات خرد جمعی در خوشه‌بندی ترکیبی ارائه می‌دهیم و بر اساس آن الگوریتم پیشنهادی خود را در جهت پیاده‌سازی خوشه‌بندی ترکیبی ارائه می‌دهیم [55]. شرایط چهارگانه خوشه‌بندی خردمند که متناسب با تعاریف سورویکی باز تعریف شده است به شرح زیر می‌باشد:

پراکندگی نتایج اولیه، هر الگوریتم خوشه‌بندی پایه باید به طور جداگانه و بدون واسطه به داده‌های مسئله دسترسی داشته و آن را تحلیل و خوشه‌بندی کند حتی اگر نتایج آن غلط باشد.

استقلال الگوریتم، روش تحلیل هر یک از خوشه‌بندی‌های پایه نباید تحت تأثیر روش‌های سایر خوشه‌بندی‌های پایه تعیین شود، این تأثیر می‌تواند در سطح نوع الگوریتم (گروه) یا پارامترهای اساسی یک الگوریتم خاص (افراد) باشد.

عدم تمرکز، ارتباط بین بخش‌های مختلف خوشه‌بندی خرد جمعی باید به گونه‌ای باشد تا بر روی عملکرد خوشه‌بندی پایه تأثیری ایجاد نکند تا از این طریق هر خوشه‌بندی پایه شانس این را داشته باشد تا با شخصی سازی و بر اساس دانش محلی خود بهترین نتیجه ممکن را آشکار سازد.

مکانیزم ترکیب مناسب، باید مکانیزمی وجود داشته باشد که بتوان توسط آن نتایج اولیه الگوریتم‌های پایه را با یکدیگر ترکیب کرده و به یک نتیجه نهایی (نظر جمعی) رسید.

در این تحقیق دو روش برای ترکیب خوشه‌بندی ترکیبی و خرد جمعی پیشنهاد شده است. با استفاده از تعاریف بالا الگوریتم روش اول مطرح خواهد شد که در آن، جهت رسیدن به نتیجه نهایی از آستانه‌گیری استفاده می‌شود. در این روش الگوریتم‌های خوشه‌بندی اولیه غیر هم نام کاملاً مستقل فرض خواهند شد و برای ارزیابی استقلال الگوریتم‌های هم نام نیاز به آستانه‌گیری می‌باشد. در روش دوم، سعی شده است تا دو بخش از روش اول بهبود یابد. از این روی جهت مدل‌سازی الگوریتم‌ها و ارزیابی استقلال آن‌ها نسبت به هم یک روش مبتنی بر گراف شبه کد ارائه می‌شود و میزان استقلال به دست آمده در این روش به عنوان وزنی برای ارزیابی پراکندگی در تشکیل جواب نهایی مورد استفاده قرار می‌گیرد. جهت ارزیابی، روش‌های پیشنهادی با روش‌های پایه، روش‌ ترکیب کامل و چند روش معروف ترکیب مبتنی بر انتخاب مقایسه خواهد شد. از این روی از چهارده داده استاندارد و یا مصنوعی که عموماً از سایت UCI [76] جمع‌آوری شده‌اند استفاده شده است. در انتخاب این داده‌ها سعی شده، داده‌هایی با مقیاس‌ کوچک، متوسط و بزرگ انتخاب شوند تا کارایی روش بدون در نظر گرفتن مقیاس داده ارزیابی شود. همچنین جهت اطمینان از صحت نتایج تمامی آزمایش‌های تجربی گزارش‌شده حداقل ده بار تکرار شده است.

1-4-1- فرضیات تحقیق

این تحقیق بر اساس فرضیات زیر اقدام به ارائه روشی جدید در خوشه‌بندی ترکیبی مبتنی بر انتخاب بر اساس نظریه خرد جمعی می‌کند.

1) در این تحقیق تمامی آستانه‌گیری‌ها بر اساس میزان صحت نتایج نهایی و مدت زمان اجرای الگوریتم به صورت تجربی انتخاب می‌شوند.

2) در این تحقیق جهت ارزیابی عملکرد یک الگوریتم، نتایج اجرای آن را بر روی‌داده‌های استاندارد UCI در محیطی با شرایط و پارامترهای مشابه نسبت به سایر الگوریتم‌ها ارزیابی می‌کنیم که این داده‌ها الزاماً حجیم یا خیلی کوچک نیستند.

3) جهت اطمینان از صحت نتایج آزمایش‌ها ارائه‌شده در این تحقیق، حداقل اجرای هر الگوریتم بر روی هر داده ده بار تکرار شده و نتیجه‌ نهایی میانگین نتایج به دست آمده می‌باشد.

4) از آنجایی که روش مطرح‌شده در این تحقیق یک روش مکاشفه‌ای است سعی خواهد شد بیشتر با روش‌های مکاشفه‌ای مطرح در خوشه‌بندی ترکیبی مقایسه و نتایج آن مورد بررسی قرار گیرد.

در این فصل اهداف، مفاهیم و چالش‌های این تحقیق به صورت خلاصه ارائه شد. در ادامه این تحقیق، در فصل دوم، الگوریتم‌های خوشه‌بندی پایه و روش‌های خوشه‌بندی‌ تركیبی مورد بررسی قرار می‌گیرد. همچنین به روش‌های انتخاب خوشه[31] و یا افراز[32] در خوشه‌بندی ترکیبی مبتنی بر انتخاب خواهیم پرداخت. در فصل سوم، نظریه خرد جمعی و دو روش پیشنهادی خوشه‌بندی خردمند ارائه می‌شود. در فصل چهارم، به ارائه نتایج آزمایش‌های تجربی این تحقیق و ارزیابی آن‌ها می‌پردازیم و در فصل پنجم، به ارائه‌ی نتایج و کار‌های آتی خواهیم پرداخت.

[1] Artificial Intelligent (AI)

[2] Machine Learning

[3] Data Mining

[4] Supervised

[5] Unsupervised

[6] Train Set

[7] Class

[8] Pattern

[9] Learning Model

[10] Predictive

[11] Classification

[12] Association rule mining

[13] Label

[14] Clustering

[15] Features

[16] Tacit knowledge

[17] Sub-Class

[18] Cluster Ensemble

[19] Cluster Ensemble Selection

[20] Normalized Mutual Information

[21] Maximum

[22] Alizadeh-Parvin-Moshki-Minaei

[23] The wisdom of crowds

[24] Surowiecki

[25] Francis Galton (1822-1911)

[26] Condorcet

[27] Diversity

[28] Independency

[29] Decentralization

[30] Aggregation Mechanism

[31] Cluster

[32] Partition

***ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل و با فرمت ورد موجود است***

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

 

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

 

موجود است

هر مجموعه، سازمان و ارگان برای حفظ موجودیت و پیشبرد اهداف خود در فضای رقابتی امروز، نیازمند انطباق با شرایط موجود و بنابراین ناگزیر از ایجاد تغییرات مداوم در خود است. این تغییرات باعث می‌شود تا سازمان یا مجموعه به طور مداوم پیچیده‌تر شود. در این جا است که نقش فن آوری اطلاعات پررنگ‌تر می‌شود زیرا بدون استفاده از آن هزینه و زمان بسیار زیادی مورد نیاز خواهد بود که صرف آن غیرممکن می‌نماید و در صورت ممکن بودن نیز، مشکلات بسیاری در راستای انجام کارها و دستیابی به اهداف سازمان ایجاد می‌کند. رشد روزافزون تغییرات در سازمان‌ها از یک سو و نیاز شدید به بهره‌گیری از فناوری اطلاعات و ارتباطات در آن‌ها از سوی دیگر، ایجاب می‌کند که تا حد ممکن این دو (اعمال تغییرات در سازمان و تغییر متناسب با آن‌ها در عملکرد و ساختارهای فناوری اطلاعات و زیرساخت‌های سخت‌افزاری، نرم‌افزاری و اطلاعاتی سازمان) با هم هماهنگ باشند. این امر به معنای آن است که بتوانیم در انتقال تغییرات از فرایندها، داده‌ها و سایر موارد سازمان به برنامه‌ها و سایر مقولات مربوط به IT انعطاف ایجاد کنیم. یکی از مهم‌ترین رویکردهایی که این هدف را دنبال می‌کند، رویکرد معماری سرویس‌گرا است.

برای معماری سرویس‌گرا تعاریف مختلفی بیان‌شده است از جمله:

– چارچوبی برای یکپارچه‌سازی فرآیندهای حرفه و پشتیبانی آن‌ها توسط فناوری اطلاعات با کمک مؤلفه‌های استاندارد و امن تحت عنوان سرویس که قابلیت استفاده مجدد و اتصال به یکدیگر جهت پوشش تغییرات حرفه را دارا می‌باشند.

– معماری سرویس‌گرا شامل سیاست‌ها، تجارب و چارچوب‌هایی است که کارکردهای سیستمی را قادر می‌سازد به صورت مجموعه‌ای از سرویس‌های توزیع‌شده در اندازه‌های مورد نظر سازمان تعریف شوند.

– چارچوبی وسیع و استاندارد که سرویس‌ها در آن ساخته، مستقر و مدیریت می‌شوند و هدفش افزایش چابکی زیرساخت‌های فناوری اطلاعات در جهت واکنش سریع به تغییرات در نیازهای کسب و کار می‌باشد.

– روشی برای طراحی و پیاده‌سازی نرم‌افزارهای گسترده سازمانی به وسیله ارتباط بین سرویس‌هایی که دارای خواص اتصال سست و قابل

 

 استفاده مجدد هستند.

– سبکی از معماری است که از اتصال سست سرویس‌ها جهت انعطاف‌پذیری و تعامل پذیری حرفه و به صورت مستقل از فناوری پشتیبانی می‌کند و از ترکیب مجموعه سرویس‌های مبتنی بر حرفه تشکیل شده که این سرویس‌ها انعطاف‌پذیری و پیکربندی پویا را برای فرآیندها محقق می‌کنند.

انگیزه اصلی و مهم‌ترین دستاورد از ایجاد معماری سرویس گرا، نیاز به افزایش انعطاف‌پذیری و سرعت و چابکی فناوری اطلاعات در قبال نیاز به تغییر در سازمان و به تبع آن تغییر در ساختار IT سازمان است. در سازمانی که بتواند به اهداف فوق برسد، فرایندها و سرویس‌ها کاملاً انعطاف‌پذیر بوده و می‌توانند بر اساس نیاز متخصصان کسب و کار و بدون نیاز به پرسنل فنی به سرعت ایجاد و پیکربندی شوند. این تصویر از سازمان چابک با نیازهای رو به رشد محیط‌های متغیر کاری و با توجه به محدودیت‌های زیرساخت‌های فنی و سازمانی وفق دارد.

با وجود آن که نیاز به تغییرات سریع و مداوم بسیار زیاد است، اما ممکن است برای این تغییرات موانع فنی و سازمانی ایجاد شود زیرا ممکن است ایجاد زیرساخت‌های مورد نیاز بسیار زمان‌گیرتر از آن باشد که نیاز فعلی را برآورده کند و یا به منابع بیشتری نیاز داشته و هزینه‌های سنگینی را بر سازمان تحمیل کند و بنابراین برای رسیدن به هدف انعطاف و سرعت، لازم است زیرساخت‌های فنی و کاری را طوری با بهره‌گیری از یک معماری مناسب مثل معماری سرویس­گرا بسازیم که حداکثر انعطاف ممکن را تضمین کند و رسیدن به هدف را ممکن سازد. از مزایای بهره‌گیری از سرویس‌گرایی در سطح سازمان به طور کلی می‌توان به موارد زیر اشاره کرد 1- چابکی-2 صرفه‌جویی در هزینه‌ها 3-قابلیت استفاده مجدد-4 استقلال از تکنولوژی-5 زیرساخت‌های کاری مؤثر-6 فرایند مؤثرتر توسعه نرم‌افزار-7 احتمال موفقیت بیشتر در ایجاد تغییرات-8 امکان گرفتن بازخوردهای مناسب و اطلاعات مورد نیاز در سطوح مختلف از ذی‌نفعان 9- کاهش قابل توجه ریسک 10- یکپارچگی آسان با شرکاء داخلی و خارجی 11- اتصال بین کسب و کار و فناوری اطلاعات.

شاید بتوان گفت که بیشتر مواردی که در بالا به آن‌ها اشاره شد ناشی از تجزیه صحیح و مناسب مسائل مهم و مورد توجه در سازمان است زیرا این امر موجب می‌شود پروژه‌های IT کوچک‌تری تعریف شوند و بنابراین ریسک آن‌ها کم شده و احتمال موفقیت آن‌ها بسیار بالاتر می‌رود. از سوی دیگر استقلال این بخش‌های کوچک‌تر از یکدیگر از ویژگی‌های مهم تعریف سرویس‌ها است که در صورت تشخیص صحیح، موجب افزایش انعطاف و سرعت در تغییرات در سازمان و ایجاد قابلیت استفاده مجدد بالا و نیز صرفه‌جویی در هزینه‌ها از طریق استفاده از منابع موجود و قابل استفاده می‌باشد. از طرفی هدف معماری سازمانی شناخت جنبه‌های مختلف سازمان در سطوح مختلف مانند سطح حرفه، سطح طراحی مفهومی، سطح طراحی منطقی و فیزیکی و … است؛ بنابراین با تدوین معماری سازمانی می‌توان سازمان را در وجوه مختلف اهمیت آن مورد بازشناسی قرار داد. اگر بتوان معماری سازمانی را به طور سرویس‌گرا تعیین و تدوین کرد، می‌توان با بهره‌گیری از مزایای سرویس‌گرایی به اهداف معماری سازمانی رسید.

از آن جا که هر گونه تصمیم‌گیری و سیاست‌گذاری در جهت رشد و توسعه سازمان در استفاده از معماری‌های گوناگون از جمله معماری سرویس‌گرا، مستلزم آگاهی از سطح آمادگی فعلی سازمان‌ها می‌باشد، اینجاست که فعالیت‌های ارزیابی نقشی مهم برای تصمیم‌گیرندگان ایفا می‌کنند، در نتیجه نیازمند یک مدل ارزیابی برای آگاهی از میزان آمادگی در سازمان‌ها در حرکت به سمت پیاده‌سازی معماری سرویس‌گرا می‌باشیم؛ از طرفی معمولاً تصمیمات سازمانی در محیطی غیرقطعی، مبهم و فازی، با معیارهایی ناواضح و مبهم، اطلاعات ناکافی و …اتخاذ می‌شود، اگر عدم اطمینان (فازی بودن) در تصمیم‌گیری‌های انسان در نظر گرفته نشود، نتایج می‌تواند گمراه کننده باشد. بر خلاف روش‌های پارامتری مرسوم، منطق فازی از نیاز به مدل‌سازی ریاضی محض و فروض توزیعی مربوطه اجتناب می‌کند در نتیجه در بسیاری از تحلیل‌های تجربی در زمینه‌های سازمانی از نظریه مجموعه‌های فازی و مدل‌های منطق فازی در راستای ارتقا، بهبود نتایج، دقت ارزیابی و کارائی فرایندهای ارزیابی استفاده می‌شود. منطق فازی توصیفات زبان طبیعی سیاست‌های تصمیم‌گیری را به الگوریتمی که از یک مدل ریاضی استفاده می‌کند، ترجمه می‌نماید. این‌چنین مدلی شامل فازی‌سازی، استدلال و فازی‌زدایی است.

در این تحقیق برای هر یک از حوزه‌های ارزیابی آمادگی سازمان، ارزیابی کمی و کیفی مورد نیاز در پذیرش معماری سرویس‌گرا بیان می‌شود. شاخص‌ها به شکلی تعریف می‌شوند که کل سازمان مورد بررسی را تحت پوشش قرار داده و وضعیتی شفاف و روشن از معماری سرویس‌گرا و زیرحوزه‌های آن را مشخص می‌نماید و با تکیه بر عوامل کلیدی موفقیت در پیاده‌سازی معماری سرویس‌گرا و استفاده از اصول و راه‌کارهای منطق فازی، مدلی به منظور ارزیابی آمادگی سازمان در پذیرش معماری سرویس گرا ارائه شود.

1-2- توجیه ضرورت انجام طرح

هر پروژه‌ای قبل از اجرا باید از منظرهای مختلف از جمله مالی، زمانی، نیروی انسانی، فنی و … مورد ارزیابی قرار گیرد. هدف از تحقیق ارائه شده کسب اطمینان از قابلیت‌های سازمانی برای رسیدن به نتایج دلخواه می‌باشد تا بتوان نسبت به انجام پروژه یا عدم انجام آن تصمیم‌گیری کرد؛ بنابراین درک صحیح از میزان آمادگی، برای جهت‌گیری درست تلاش‌ها و تدوین استراتژی‌های متناسب بسیار حائز اهمیت بوده و به عنوان یک عامل کلیدی موفقیت برای پیاده‌سازی این سیستم ها مطرح می‌باشد، در این راستا ضروری است که سازمان‌ها نیز قبل از هر اقدام برای پیاده‌سازی سیستم‌های سرویس‌گرا و معماری آن، به ارزیابی و امکان‌سنجی پیاده‌سازی این سیستم بپردازند تا در صورت تصمیم در پیاده‌سازی پروژه مورد نظر، اجرای آن مطابق واقعیت‌ها و محدودیت‌های سازمان صورت گیرد و حتی‌الامکان به نتایج مورد نظر نزدیک باشد. بر این اساس در پروژه حاضر، پس از و بررسی مبانی نظری مرتبط، مؤلفه‌ها و شاخص‌های تعیین میزان آمادگی سازمان اعم از کیفی و کمی برای پیاده‌سازی معماری سرویس‌گرا، استخراج و سپس مورد ارزیابی و تحلیل قرار خواهد گرفت. برآورد میزان آمادگی برای پیاده‌سازی سیستم‌های سرویس‌گرا در هر سازمان متفاوت است لذا، انتخاب ابعاد و شاخص‌های مناسب جهت ارزیابی آمادگی، بایستی با در نظر گرفتن ملاحظاتی خاص برای هر سازمان انجام شود.

1-3- سؤال تحقیق (هدف از اجرا)

به منظور جلوگیری از صرف زمان و هزینه فراوان در سازمان‌های ایرانی به منظور پیاده‌سازی معماری سرویس‌گرا که بر اثر توجه بیش از حد به یک عامل و عدم توجه کامل به سایر عوامل سازمانی ممکن است نهایتاً منجر به شکست پروژه پیاده‌سازی و بعضاً ورشکستگی سازمان شود، لازم است ابزار و روش‌هایی در اختیار مدیران و کارشناسان قرار گیرد تا قبل از به اجرا در آمدن آن، با دقت میزان آمادگی سازمان را مورد ارزیابی قرار دهند تا نتیجه‌بخش بودن و مثمر ثمر بودن آن را بررسی کنند. باید دقت داشت اجرای یک معماری نامناسب، نه تنها کمکی به تأمین اهداف سازمانی ننموده بلکه خود موجب خلل در فرآیندهای کسب و کار می‌شود. با به‌کارگیری فعالانه ارزیابی، سازمان‌ها می‌توانند نقاط قوت برنامه معماری سازمانی خود را تقویت نموده و نیز حیطه‌های نیازمند بهبود را شناسایی و برنامه‌های خود را مطابق آن‌ها تنظیم کنند، در نتیجه تاثیر مثبت معماری سازمانی در تصمیم گیری‌ها برای سرمایه گذاری در فناوری اطلاعات بیشتر خواهد شد. هدف عمده این تحقیق ارائه مدلی کلی با استفاده از منطق فازی به منظور معرفی عواملی است که از طریق آن می‌توان میزان آمادگی یک سازمان را برای پیاده‌سازی معماری سرویس گرا ارزیابی نمود.

سؤالات مطروحه در این تحقیق به شرح زیر می‌باشند:

چه شاخص‌ها و معیارهایی بر آمادگی سازمان‌ها جهت پیاده‌سازی معماری سرویس‌گرا موثر است؟ هر یک از شاخص‌های موثر بر آمادگی سازمان به چه میزان دارای اهمیت هستند؟ آمادگی سازمان جهت پیاده‌سازی معماری مورد نظر به چه میزان است؟

[1] – Service Oriented Architecture)SOA)

***ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل و با فرمت ورد موجود است***

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

 

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

 

موجود است