جستجوي پيشرفته | کتابخانه مجازی الفبا

فقر شهری، فقری است که شکلی شهری یافته است که آن را از انواع دیگر فقر در عرصه های مختلف جغرافیایی دیگر متمایز کرده است. این پایان نامه قصد آن دارد که برای اولین بار در ایران با نگاهی جغرافیایی به شناختی اولیه از این شکل شهری شده فقر و نظر خود فقرا درباره ماهیت آن دست یابد و با معرفی رویکردهای مختلف فقر شناسی در این حوزه، خود با رویکردی مدیریت محورانه به تحلیل علل ایجاد و تداوم فقر شهری در محله اسلام آباد ( یکی از محلات حاشیه ای شهر زنجان) بپردازد. نخست درباره ماهیت فقر شهری بحث گردیده است. انواع نظریات درباب ماهیت فقر، فقر و جغرافیا، فقر شهری، فقیر شهری، چگونگی سنجش و در نهایت راهکارهای رفع آن در این بخش مطرح شده است. برای شناخت شکل کالبدی فقر شهری محله مورد مطالعه، آمار اطلاعات موجود از جمله فایل های رقومی شده کاربری اراضی شهر به وسیله سیستم های اطلاعات جغرافیایی(GIS) پردازش شده است. برای شناخت بخش اقتصادی، اجتماعی و... فقر یا شناخت مفهوم فقیر شهری نیز از آمار و اطلاعات پرسشنامه ای استفاده شده است. برای آزمون فرضیات که با رویکردی مدیریتی در باب شناخت علل فقر مطرح شده است نیز، مدل ریاضی فرایند تحلیل سلسله مراتبی توماس ساعتی( AHP ) در کنار سایر اطلاعات و آمار و نقشه ها، بکار گرفته شده است.

روز به روز در کاربردهای بیشتری از قبیل مدل‌سازی ترافیک، شبکه‌های حسگر و دنبال کردن در کاربردهای نظامی، پردازش داده‌های برخط و غیره، شاهد تولید هر روزه حجم عظیمی از داده‌های جریان‌دارهستیم. کشف دانش بهینه از این جریان‌های داده، یک حوزه تحقیقاتی فعال در داده‌کاوی با کاربردهای متفاوت بوجود آورده است. برخلاف داده‌های ایستای موجود در پایگاه داده‌های سنتی، داده‌های جریان‌دار اغلب به صورت پیوسته با سرعت بالا و با حجم زیاد و همچنین با توزیع داده متغیر دریافت می‌شود. از طرفی مقادیر آنتولوژی‌ها و حاشیه‌نویسی‌هایمعنایی موجود بر روی داده‌ها نیز به طور پیوسته در حال افزایش می‌باشد. این نوع داده‌های پیچیده و ناهمگن چالش‌های جدیدی را در حوزه‌ تحقیقاتی داده‌کاوی بوجود آورده است. اصلی‌ترین چالش در این مسأله، نیاز فناوری‌های کاوش قوانین انجمنی به تراکنش‌ها می‌باشد، در حالی که در داده‌های معنایی تعریف دقیقی از تراکنش وجود ندارد. کارهای مشابهی که در این زمینه انجام گردیده‌اند، اغلب با کمک کاربر تراکنش‌ها را برای داده‌های معنایی تعریفکرده و سپس به کمک الگوریتم‌های داده‌کاوی سنتی اقدام به کاوش قوانین انجمنی از این تراکنش‌ها می‌نمایند و لازمه این کار تسلط کاربر به ساختار داده‌های معنایی و دامنه کاربرد مورد نظر می‌باشد. لذا روشی مورد نیاز است که انسجام معنایی را در تمام مراحل کار برقرار سازد و تعریفی کلی و یکپارچه برای تراکنش‌ها و سایر مفاهیم مرتبط ارائه دهد. بنابراین در اینتحقیق به ارائه روشی جهت رفع چالش‌های ذکر شده و امکان‌پذیر ساختن پردازش حجم وسیع داده‌های معنایی جریان‌دار موجود و کشف و ذخیره‌سازی قوانین انجمنی جدید در سطح معنایی بالاتر با استفاده از غنای معنایی مفاهیم موجود در آنتولوژی و بهره‌وری از دیگر فناوری‌های معنایی پرداخته شده است.

نیاز به معنا بخشیدن به محتویات وب، به‌گونه‌ای که برای ماشین‌های مختلف قابل فهم باشد، ایده اصلی ظهور وب معنایی است. اما با طراحی آنتولوژی‌ها، توسط افراد و سازمان‌های مختلف در حوزه‌های گوناگون، سطحی از ناهمگونی اطلاعات به سیستم تحمیل شده است که با تطبیق صحیح آنتولوژی‌ها می‌توان این مشکل وب‏معنایی را نیز حل کرد. با وجود تحقیقات بسیاری که در سال‌های اخیر در زمینه‌ی تطبیق خودکار آنتولوژی‌ها انجام شده، چالش بزرگ تعامل میان آنتولوژی‌ها در شرایط گوناگون همچنان به قوت خود باقی است. این پایان‌نامه در پی یافتن روش‌هایی برای افزایش کارایی سیستم‌های موجود در شرایط مختلف است. این تحقیق متشکل از دو بخش است. در پژوهش اول با استفاده از روش ترکیبی یادگیری ماشین، آدابوست، سیستم‌های موفق تطبیق با یکدیگر ترکیب می‌شوند؛ بدین ترتیب تطبیق‌گرهای مختلف نقاط ضعف یکدیگر را پوشش می‌دهند. نتایج ناشی از پژوهش افزایش دقت و کارایی این روش را نسبت به بهترین تطبیق‌گرهای مجزا نشان می‌دهد. در پژوهش دوم از دامنه‌ی گسترده‌ی اطلاعاتی ویکی‌پدیا، به‏عنوان منبع زبانی، استفاده شده است. به این صورت که سیستم با افزایش دامنه‌ی اطلاعاتی هر تطبیق‌گر در حوزه‏های گوناگون، سعی در بهبود نتایج آن دارد. در این پژوهش نیز کارایی هر سیستم نسبت به قبل افزایش یافته است.

پروتئین‌ها‎ مولکول‌های زیستی پراهمیتی هستند که فعالیت‌های مختلفی را در بدن موجودات زنده انجام می‌دهند. آن‌ها معمولا برای انجام فعالیت‌های خود به یکدیگر متصل می‌شوند یا به اصطلاح با یکدیگر برهمکنش‏‎ دارند. یک شبکه‌ی برهمکنش پروتئین‎، در یک گونه‌ی خاص از جانداران پروتئین‌های آن گونه و برهمکنش بین آن‌ها را نشان می‌دهد.یک کمپلکس پروتئینی‎، اجتماعی از پروتئین‌ها است که باهم برهمکنش داشته و عمل زیستی خاصی را انجام می‌دهند. مسأله‌ی کشف این کمپلکس‌ها در شبکه‌های برهمکنش پروتئین، در دهه‌ی اخیر بسیار مورد توجه محققین بوده است. از سال ‎2002‎ تا کنون روش‌های بسیاری با رویکردهای گوناگون برای حل این مسأله ارائه شده است. معمولا در این روش‌ها شبکه‌های برهمکنش پروتئین با استفاده از گرا‏ف‎‎‎ مدل شده و زیرگراف‌های چگال‎ به عنوان کمپلکس‌های پروتئین در نظر گرفته می‌شوند. برهمین اساس تقریبا‏ً تمامی این روشها ‎‎‏مبتنی بر مفاهیم نظریه‌ی گراف می‌باشند.روش‌هایی که تنها با استفاده از مفاهیم نظریه‌ی گراف سعی در حل مسأله دارند به دلیل نادیده گرفتن جنبه‌های زیستی آن‏، معمولاً دقت بالایی ندارند. به همین دلیل در سال‌های اخیر محققیقن تلاش کرده‌اند تا با دخالت دادن برخی اطلاعات زیستی، الگوریتم‌های بهتری را ارائه دهند. با توجه به نوع مفاهیم زیستی به کار رفته، این روش‌ها به چهار گروه زیر دسته بندی می‌شوند:1.