در رابطه ۳-۷، متغیرهای متغیرهای مستقل مدل بوده، Y متغیر وابسته و ضرایب رگرسیون جزئی و مقدار عرض از مبدأ می­باشند.

ارزیابی توسعه ICA

به‌منظور بررسی برازندگی و کیفیت ICA جدید در فرایند خوشه­بندی، الگوریتم ICAجدید در نرم­افزار متلب^[۱۵۱] پیاده­سازی شده و از معیار SSE^[152] در ۳ مجموعه داده آماده و مشهور IRIS، WINE و CMC استفاده خواهد شد. معیار SSE میزان پراکندگی داده ­ها در هر خوشه را مشخص کرده و از این طریق کیفیت الگوریتم­ها قابل مقایسه می­ شود. روش محاسبه SSE در رابطه ۳-۸ نشان داده شده است.

(۳-۸)

در رابطه ۳-۸، k تعداد خوشه ­ها، X یکی از عناصر موجود در خوشه و n تعداد ویژگی­های هر داده است. برای هر عنصر(X)، مجموع فاصله ویژگی­های آن داده نسبت به مرکز خوشه() نشان­دهنده اختلاف آن داده تا مرکز خوشه است. مجموع اختلاف تمامی داده ­ها از مراکز خوشه­های متناظر، معیار SSE را تشکیل می­دهد.

(( 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. ))

جمع­بندی

در این فصل، مدل تعیین ارزش مسافران طراحی و توسعه داده شد. مدل توسعه داده شده از ۳ بخش اصلی تـوسعه مدل RFM در تعیین ارزش مسـافران، خوشه­بندی مسافران و تعیین ارزش مورد انتظار مسافران تشکیل شـده است. در ادامه و در فصل بعد مدل ارائه شده بر روی داده ­های واقعی پیاده­سازی شده تا کیفیت آن مشخص گردد.

فصل ۴: نتایج و تفسیر آن‌ها

مقدمه

در فصل قبل، مدل تعیین ارزش مسافران بصورت تئوری و براساس مطالعات پیشین توسعه داده شد. در این فصل این مدل با بهره گرفتن از داده ­های موجود در دنیای واقعی مورد بررسی قرار خواهد گرفت تا کیفیت و اثربخشی آن تعیین شود. در ادامه این فصل، ابتدا در بخش اول، الگوریتم رقابت استعماری توسعه داده شده مورد بررسی و آزمایش قرار خواهد گرفت و در بخش دوم مدل تعیین ارزش مسافران ارزیابی خواهد شد.

ارزیابی توسعه ICA

همانگونه که در بخش ‏۳-۳-۲ بیان شد، برای ارزیابی الگوریتم توسعه داده شده رقابت استعماری، از معیار SSE بر روی ۳ مجموعه داده آماده و مشهور IRIS، WINE و CMC استفاده خواهد شد. از این­رو، الگوریتم توسعه داده شده با بهره گرفتن از نرم­افزار متلب و با بهره­ گیری از سیستمی با پردازنده ۵ هسته­ای و حافظه داخلی ۸ گیگابایت پیاده­سازی گردیده است. نتایج حاصل از این ارزیابی­ها در ادامه تشریح شده است.

مجموعه داده IRIS

این مجموعه داده حاوی ویژگی­های ۳ نوع متفاوت از گل زنبق است که در ۱۹۳۶ توسط فیشر^[۱۵۳] برای نشان دادن تکنیـک‌های خطی تفکیک پذیر معرفی گردید[۱۱۸]. این مجموعه شامل ۵۰ نمونه از سه نوع گل زنبق با نام‌های سیتوسا^[۱۵۴]، وریجینیکا^[۱۵۵] و ورسیکولار^[۱۵۶] می‌باشد. برای هریک از ۵۰ نمونه آورده شده، ۴ خصوصیت وجود دارد، پهنای گلبرگ، طول گلبرگ، پهنای کاسبرگ و طول کاسبرگ. نتایج حاصل از ۱۰۰ بار خوشه­بندی این مجموعه توسط الگوریتم­های مختلف تکاملی، در جدول۴- ۱ نشان داده شده است.
جدول۴- ۱ نتایج خوشه بندی مجموعه داده IRIS

الگوریتم تکاملی

تابع هزینه

حداقل

میانگین

حداکثر

انحراف معیار

ICA(new)

۹۶٫۵۲۵۵

۹۶٫۵۷۲۰۵

۹۷٫۵۱۴۱۳

۰٫۱۰۶۰۲

ICA

۹۶٫۶۹۹۷

۹۶٫۸۴۶۶

۹۷٫۰۰۵۹

۰٫۱۱۱۴