bew125

در تعریفی دیگر فرهنگ سازمانی به نظامی از معانی مشترک اطلاق می‌شود که اعضای یک سازمان بدان‌ها باور دارند و این سازمان را از سازمان‌های دیگر متمایز می‌سازد. این نظام معانی مشترک، در وارسی دقیق‌تر، مجموعه‌ای از ویژگی‌های عمده‌ای است که سازمان برای آن‌ها ارزش قائل است. تحقیقات بیانگر آنند که در مجموع، هفت ویژگی اصلی جوهره فرهنگ یک سازمان را به نمایش می‌گذارند. (استیفن، رابینز، رفتار سازمانی، 424:1389)
فرهنگ سازمانی در دو سطح سازمان وجود دارد. در سطح بالایی پدیده‌های قابل رویت وجود دارند که شامل شیوه رفتار افراد، نوع لباس پوشیدن، نشانه‌ها و علائم، جشن‌ها و داستان‌هایی می‌گردد که اعضای سازمان آنها را رعایت می‌نمایند. این پدیده‌ها نشانه‌هایی هستند مبتنی بر ارزش‌های ژرفی که در اعماق افکار اعضای سازمان وجود دارند. ارزش‌های اصولی یا زیربنایی باورها و فرآیندهای اندیشیدن فرهنگ حقیقی را بوجود می‌آورند. ویژگی‌های فرهنگی به روش‌های گوناگون متجلی می‌گردند، ولی اصولاً دوره تکاملی می‌پیمایند و سرانجام به صورت مجموعه‌ای از فعالیت‌هایی در می‌آیند که در روابط اجتماعی رعایت می‌شوند. برای تفسیر فرهنگ می‌توان از این الگوها استفاده کرد. (ال. دفت ، 395:1385)
امروزه در سازمان‌ها حجم بسیار بالایی از اطلاعات و دانش وجود دارد به طوری که در حال حاضر مدیران توجه خاصی را به این مساله معطوف داشته‌اند. به گونه‌ای که با استفاده و مدیریت آن در سازمان‌ها می‌توانند به کارایی و سودمندی بالایی در سازمان خود دست یابند. مدیریت دانش یکی از این چالش‌ها به شمار می‌آید. شیلا گورال معتقد است: مدیریت دانش نیازمند اتخاذ دیدگاه کلی‌تری نسبت به اطلاعات است. در این رابطه، نه تنها تلفیقی از اطلاعات داخلی و خارجی بلکه طراحی هماهنگ، کنترل و تقویت رسمی و غیر رسمی اطلاعات مورد نظر است. علاوه بر آن، مدیریت دانش به توجهی مدبرانه به دانسته‌های با ارزش و دانشی که موجب پیشرفت سازمان‌های اجرایی می‌شود احتیاج دارد. (الکین، 1381)
شناخت مدیریت دانش به عنوان یک روح حاکم بر اعمال سازمانی، برای پیاده‌سازی آن ضروری است. در این شرح کوتاه سعی می‌کنیم، مدیریت دانش را نه لزوماً به صورت آکادمیک، بلکه بر اساس نشان دادن نتایج و راه‌کارهای ملموس آن بشناسیم.
مدیریت دانش نیز، چیزی نیست جز مدیریت این سرمایه از ابتدا تا انتهای دوره حیات آن به تعبیر واضح‌تر، مدیریت دانش، شامل خلق دانش، کسب دانش، ذخیره‌سازی دانش، انتشار و به اشتراک‌گذاری دانش و بالاخره به کارگیری دانش است. سازمان شما باید به خوبی بتواند دانش مورد نیاز خود را شناسایی کند، درصورت لزوم، آن‌را خلق کند، یا اینکه از منابع دانش خارج از سازمان کسب نماید. دانش خلق شده یا کسب شده، باید با نیازهای شما تطبیق داده شده و به تعبیری، آماده شود و به صورت مناسب، ذخیره شود تا در زمان و مکان و شرایط مورد نیاز، مورد استفاده قرارگیرد. در این بین، دانش نباید به صورت یک آب راکد، درجایی محبوس شود. دانش بایستی مانند یک چشمه جوشان در سازمان شما (در هر جایی که نیاز است و درهر زمان که نیاز است) جریان داشته باشد و همه کسانی را که تشنه آن هستند، سیراب کند. همان‌طور که آب راکد، ارزش چندانی ندارد و بعد از مدتی می‌گندد، دانشِ به اشتراک گذاشته نشده هم، ارزش چندانی ندارد و سرمنشا خیر و برکت زیادی نخواهد بود.
این فرآیندها، اثرات متقابلی بریکدیگر دارند. نکته قابل ذکر این است که دانش، ممکن است که تاریخ مصرفش گذشته باشد. در چنین حالتی، لازم است که ا ین دانش را فراموش کرد تا دست و پاگیر نباشد.
سازمانی که به خوبی این پنج فرآیند(خلق، کسب، ذخیره سازی، به اشتراک گذاری و استفاده) را مدیریت می‌کند، سازمانی دانشی یا دانش محور است. در چنین سازمانی، ارزش کارکنان سازمان دیگر به قدرت بدنی یا حتی نظم و انضباط کاری نیست، بلکه به توانایی آنها در انجام فعالیت‌های دانشی است. به این نوع کارکنان، عنوان کلی دانشور یا دانشکار، اطلاق می‌شود. (شرکت مشاوران توسعه آینده، 1385)
مدیریت دانش برای آن که قابل استفاده باشد نیازمند هماهنگی با فرهنگ سازمانی موجود میباشد زیرا در هر سازمانی فرهنگ منحصر به فرد آن سازمان وجود دارد که به افراد شیوه فهم و معنا بخشیدن به رویدادها را نشان می‌دهد. بنابراین از فرهنگ سازمانی می‌توان به عنوان یک اهرم قدرتمند برای تقویت رفتار سازمانی استفاده نمود. فرهنگ سازمانی ضعیف مانع از آن میشود که افراد در تلاش برای نگاهداشت پایگاه قدرت شخصی و کارایی خویش دانستههای خود را تسهیم کرده و منتشرسازند(کالسه،2000). همچنین فرهنگ سازمانی قوی موجب ایفای نقش موثرتر کارکنان در یک سیستم تعاملات سازنده به منظور تبادل دانش و دست‌یابی سریع تر به اهداف سازمان می‌شود. (بزری، مهدی ، ولوی، محمدرضا، 1385)
تشریح و بیان مسالهتشریح مسالهبازسازی و اعتلای فرهنگ سازمانی در جهت حمایت برانگیزاننده و توان‌ساز از نیروهای دانشی در زمینه تولید، اشتراک گذاری، کاربردی نمودن، و ذخیره سازی دانش جدید و مورد نیاز سازمان در قلب رویکردها و رویه‌های مدیریت دانش جای دارد. شدت این تحول باید به گونه‌ای باشد که تمام اشخاص خود را به نحوی از انحاء در قبال جمع‌آوری، انتقال، و تولید دانش مسئول بدانند. از این رو در تضمین جریان بهینه دانش وجود یک فرهنگ پشتیبان و متناسب عامل مهمی است. (بالتازارد و کوک،2004)
با وجود این‌که اغلب مدیران اجرایی ارشد معتقدند مدیریت دانش برای موفقیت سازمان امری حیاتی است با این حال بسیاری از سازمان‌ها برای توسعه محیط تبادل دانش هیج اقدامی نمی‌کنند. یکی از دلایل مهم آن، فرهنگ سازمانی است مدیریت دانش نیازمند ذهنیتی است که سازمان در آن بایستی توان خطرپذیری و تحمل شکست را داشته باشد به عبارت دیگر سازمان‌ها باید از نظر فرهنگی آمادگی پذیرش آن را داشته باشند. (بروکز و دیگران، ترجمه: حسین معارف وند،1387)
یکی از مشکلاتی که انجام این تحقیق را مورد تاکید قرار می‌دهد این است که در بخش‌هایی از سازمان گمرک فرودگاه بین المللی امام خمینی (ره) همانند خیلی از سازمان‌های دیگر، کارکنان دانش را یک عامل قدرت افزا می‌دانند و از انتقال و تسهیم آن امتناع می‌ورزند و سالانه حجم زیادی از تجربیات و دانش با بازنشستگی کارکنان از سازمان خارج می‌گردد. در حالی‌که این مساله و خیلی از مسایل مشابه با آن در حوزه مدیریت دانش از طریق فرهنگ‌سازی و ارتقاء فرهنگ سازمانی به خصوص فرهنگ سازمانی مبتنی بر باورهای اسلامی تا حدودی قابل حل می‌باشد.
در این تحقیق با توجه به اهمیت فرهنگ سازمانی و نقش آن در مدیریت دانش در صدد بررسی رابطه بین عوامل فرهنگ سازمانی با مدیریت دانش در سازمان گمرک فرودگاه بین المللی امام خمینی(ره) می‌باشیم و این تحقیق در پی پاسخ‌گویی به این سوال می‌باشد که: آیا بین عوامل فرهنگ سازمانی با مدیریت دانش در گمرک فرودگاه بین المللی امام خمینی(ره) رابطه وجود دارد؟
بیان مسالهارتقا فرهنگ سازمانی در گمرک فرودگاه امام خمینی (ره) چگونه و به چه میزان در مدیریت دانش این سازمان تأثیر گذار است؟
اهمیت و ضرورت انجام تحقیق
در بیان اهمیت و ضرورت این تحقیق می‌توان به فرمایشات گهربار رسول اکرم (ص) اشاره کرد که می‌فرمایند:
در کار دانش یار همدیگر باشید و دانش خود را از یکدیگر پوشیده مدارید، که خیانت در علم بدتر از خیانت در مال است.
خدا شادمان سازد آن آدمی را که آنچه را از من می‌شنود ضبط کند و برساند آن را به کسانی که نشنیده‌اند.
همچنین می‌توان به یکی از رهنمودهای ارزشمند مقام معظم رهبری در این رابطه اشاره کرد:
"بدون حرکت در جاده دانش به نقطه مطلوب نخواهیم رسید" (تیرماه 1384) .
در صورت عدم انجام این تحقیق ممکن است در پیاده‌سازی و استقرار مدیریت دانش در گمرک فرودگاه امام خمینی (ره) به موضوع فرهنگ سازمانی اهمیت کافی داده نشود و بدون آماده‌سازی بستر فرهنگی به نتیجه مطلوبی در مدیریت دانش نرسیم. با انجام این تحقیق وزن و تاثیر هر یک از عوامل فرهنگ سازمانی در مدیریت دانش گمرک فرودگاه امام خمینی (ره) تعیین می‌گردد که این نتیجه موجب اهمیت و کار بیشتر روی عوامل موثرتر می‌شود. به عنوان مثال ممکن است در صورت عدم توجه به فرهنگ سازمانی و تاثیر آن بر مدیریت دانش سالیانه حجم وسیعی از اطلاعات، تجربیات و دانش که بسیار گران‌بها و پرهزینه می‌باشند از سازمان خارج شود و دانش موجود هم به دلیل عدم توجه به مسایل فرهنگی کاربردی نشود.
اهداف تحقیقاصلی : تعیین تاثیر بین عوامل فرهنگ سازمانی و مدیریت دانش در گمرک فرودگاه امام خمینی (ره) .فرعی :
1- تعیین تاثیر بین رقابت پذیری و مدیریت دانش در گمرک فرودگاه امام خمینی(ره) .
2- تعیین تاثیر بین مسئولیت اجتماعی و مدیریت دانش در گمرک فرودگاه امام خمینی(ره).
3- تعیین تاثیر بین حمایت‌گری و مدیریت دانش در گمرک فرودگاه امام خمینی(ره).
4- تعیین تاثیر بین نوآوری و مدیریت دانش در گمرک فرودگاه امام خمینی(ره).
5- تعیین تاثیر بین تاکید بر پاداش و مدیریت دانش در گمرک فرودگاه امام خمینی(ره) .
6- تعیین تاثیر بین جهت‌گیری عملکرد و مدیریت دانش در گمرک فرودگاه امام خمینی(ره)
7- تعیین تاثیر بین ثبات و مدیریت دانش در گمرک فرودگاه امام خمینی(ره) .
8- تعیین تاثیر بین معنویت و باورهای دینی با مدیریت دانش در گمرک فرودگاه امام خمینی (ره).
فرضیه های تحقیقاصلی: عوامل فرهنگ سازمانی بر مدیریت دانش دراداره کل گمرک فرودگاه امام خمینی(ره) تاثیر دارد.
فرعی :
1- رقابت‌پذیری بر مدیریت دانش در اداره کل گمرک فرودگاه امام خمینی(ره) تاثیر دارد.
2- مسئولیت اجتماعی بر مدیریت دانش در اداره کل گمرک فرودگاه امام خمینی(ره) تاثیر دارد.
3- حمایت‌گری بر مدیریت دانش در اداره کل گمرک فرودگاه امام خمینی(ره) تاثیر دارد.
4- نوآوری برمدیریت دانش در اداره کل گمرک فرودگاه امام خمینی(ره) تاثیر دارد.
5- تاکید بر پاداش بر مدیریت دانش در اداره کل گمرک فرودگاه امام خمینی(ره) تاثیر دارد.
6- جهت گیری عملکرد بر مدیریت دانش در اداره کل گمرک فرودگاه امام خمینی(ره) تاثیر دارد.
7- ثبات بر مدیریت دانش در اداره کل گمرک فرودگاه امام خمینی(ره) تاثیر دارد.
8- معنویت و باورهای دینی بر مدیریت دانش در اداره کل گمرک فرودگاه امام خمینی(ره) تاثیر دارد.
متغیرهای تحقیقمتغیر مستقل : فرهنگ سازمانی
تعریف صوری: فرهنگ سازمانی، سیستمی از استنباط مشترک است که اعضا، نسبت به یک سازمان دارند و همین ویژگی موجب تفکیک دو سازمان از یکدیگر می‌شود. (رابینز ، ترجمه الوانی ،1389)
تعریف عملیاتی: فرهنگ سازمانی متغیری است مستقل، کمی و چند ارزشی که محقق به منظور اندازه‌گیری آن شاخص‌های رقابت‌پذیری، مسئولیت اجتماعی، حمایت‌گری، نوآوری، تأکید بر پاداش، جهت‌گیری عملکرد و ثبات را بر اساس طیف پنج گزینه‌ای لیکرت ارزیابی و در نهایت فرضیه تحقیق را مورد آزمون قرار خواهد داد.
متغیر وابسته : مدیریت دانشتعریف صوری: ایجاد فرآیندهای لازم برای شناسایی و جذب داده، اطلاعات و دانش‌های مورد نیاز یک سازمان از محیط درونی و بیرونی و استفاده از آن ها در تصمیم‌ها و اقدامات سازمان و کارکنان آن. (کارل ویگ ،2000)
تعریف عملیاتی: مدیریت دانش متغیری است وابسته، کمی و چند ارزشی که محقق به منظور اندازه‌گیری آن شاخص‌های ایجاد، جذب، سازماندهی، ذخیره، انتشار و کاربرد دانش را بر اساس طیف پنج گزینه‌ای لیکرت ارزیابی و در نهایت فرضیه تحقیق را مورد آزمون قرار خواهد داد.
مدل اولیه تحقیقچارچوب و مدل اولیه رابطه بین عوامل فرهنگ سازمانی(ساروس و دیگران، 2002) و فرایندهای مدیریت دانش (لاوسون، 2003) در بخش زیر آمده است.

شکل STYLEREF 1 s ‏1 SEQ شکل * ARABIC s 1 1 مدل فرهنگ سازمانی ساروس و مدیریت دانش لاوسونخلاصه فصل اولدر این فصل پس از مقدمه‌ای کوتاه درباره فرهنگ سازمانی و مدیریت دانش به بیان مسئله، توضیح اهمیت و ضرورت آن، اهداف، فرضیه‌ها و متغیرهای پژوهش پرداخته شد. در انتهای فصل نیز مدل مفهومی اولیه پژوهش ارایه گردید.

فصل دوم: ادبیات تحقیقمقدمهاجرای موفق مدیریت دانش در سازمان، مستلزم فراهم سازی بسترهای فکری، مهارتی و علمی خاصی است. نظریه پردازان، عوامل مختلفی را در زمینه موفقیت مدیریت دانش برشمردهاند که از جمله این عوامل میتوان به فرهنگ سازمانی(افراد، اعتماد، اشتراک)، ترویج فرهنگ پست الکترونیک، حمایت مدیران عالی، رهبری آگاه و تاثیر گذار، ترکیب کردن وظایف دانش با وظایف روزانه، زیرساخت‌های فنی، آموزش و یادگیری و غیره اشاره نمود. لیبوویتز و چن(2003) بر این باورند که "موفقیت مدیریت دانش تا 80 درصد مربوط به افراد و فرهنگ بوده و تنها 20 درصد آن بستگی به فناوری دارد و فرهنگ به اشتراک گذاری دانش نیز جزء کلیدی و مهم مقوله فرهنگ و افراد محسوب میگردد."
فرهنگ‌ سازمانی به عنوان یک حوزه پژوهشی به اواخر دهه 1970 و اوایل دهه 1980 و به حوزه‌های فرهنگ اداری، نمادگرائی سازمانی و داستان‌ها و افسانه‌های سازمانی بر‌می‌گردد. همچنین، این مفهوم با مفاهیم جدیدتری مثل «ایده‌های سازمانی غالب» و «تئوری‌های سازمانی بومی» (هل‌گرن و لواستد ،1997) یا «تئوری کسب و کار» (دراکر ،1994)، «جو سازمانی» (جورده ـ بلوم، 1998) و پارادایم‌های سازمانی (شلدون، 1980، لینکلن، 1985) مشابهت نزدیکی دارد. (Kekale,1999,2).
سابقه موضوع و تحقیقات انجام شده
موضوع : بررسی تاثیر فرهنگ سازمانی درمدیریت دانش سازمان آموزش و پرورش شهرستان سمنان
نویسندگان: علی اکبر امین بیدختی/ شاهرخ مکوند حسینی/ زهرا احسانی
تاریخ : خرداد 1390
منتشر شده در : نشریه راهبرد شماره 59
فرضیه‌ها: بین فرهنگ سازمانی و مدیریت دانش در سازمان آموزش و پرورش شهرستان سمنان رابطه مثبت و معنی داری وجود دارد و بین همه انواع فرهنگ سازمانی (قبیله، سلسله ‌مراتب، بازار، وضعیت ‌سالار) و مدیریت دانش در سازمان آموزش و پرورش شهرستان سمنان رابطه مثبت و معنی‌داری وجود دارد.
نتایج: آزمون فرضیه اصلی این پژوهش حاکی از آن است که بین فرهنگ سازمانی و مدیریت دانش رابطه مثبت و معنی‌داری وجود دارد. همچنین نتایج آزمون سایر فرضیات بیانگر آن است که بین همه انواع فرهنگ سازمانی(قبیله، سلسله‌مراتب، بازار، وضعیت‌سالار) و مدیریت دانش رابطه مثبت و معنی‌داری وجود دارد. به طور کلی طی نتایج تحلیل رگرسیون در گام اول مؤلفه فرهنگ سازمانی وضعیت‌سالار، وارد معادله رگرسیون شده است و 58 درصد از تغییرات مدیریت دانش را تبیین می‌کند. در گام دوم فرهنگ سازمانی قبیله به معادله اضافه شده است و به طور همزمان نزدیک به 60 درصد از تغییرات مدیریت دانش را تبیین می‌کنند. در نتیجه می‌توان گفت که فرهنگ سازمانی یکی از مهم‌ترین ابزارهای استقرار و اجرای موفقیت‌آمیز مدیریت دانش در سازمان‌ها محسوب می‌شود. تغییر در فرهنگ سازمانی به منظور استقرار مدیریت دانش در سازمان آموزش و پرورش باید به نحوی باشد که بیشتر، فرهنگ سازمانی وضعیت‌ سالار و فرهنگ سازمانی قبیله نسبت به سایر فرهنگ‌ها مورد توجه قرار گیرد.
موضوع : تاثیر بین مدیریت دانش و شاخص‌های فرهنگ سازمانی دنیسوننویسندگان : گودرزوند، مهرداد ؛ نجبایی، سید صدرا؛ هاشمی، سیده سعیدهتاریخ : مرداد 89
نشریه: اقتصاد کار و جامعه - شماره 122فرضیه‌ها : مدیریت دانش بر شاخص‌های فرهنگ سازمانی دنیسون تاثیر دارد.
نتایج : این تحقیق نشان می‌دهد که شناخت‌ این دو عامل (مدیریت دانش و فرهنگ سازمانی) به عنوان یک ضرورت مهم در اولویت فعالیت‌های مدیران سازمان قرار دارد و با تنظیم راهبرد سازمان‌ در حوزه دانش و فرهنگی و همچنین ایجاد یک فرهنگ سازمان قوی، بقای سازمان تضمین می‌شود و موجبات‌ عکس العمل مطلوب سازمانی در برابر تغییرات را فراهم می‌آورد.
موضوع : بررسی تاثیر بین مدیریت دانش و فرهنگ سازمانی در هیات علمی دانشگاه علوم پزشکی کرمان
تاریخ : پاییز 1389
نشریه : علوم مدیریت شماره 14فرضیه‌ها: بین مدیریت دانش و فرهنگ سازمانی در هیات علمی دانشگاه علوم پزشکی کرمان همبستگی مثبت وجود دارد
نتایج: این تحقیق که به روش پیمایشی انجام شده است نشان می دهد که بین مدیریت دانش و فرهنگ سازمانی در هیات علمی دانشگاه علوم پزشکی کرمان همبستگی مثبت وجود دارد. یافته‌های تحقیق نشان می‌دهد که رسالت سازمانی دارای بالاترین ضریب همبستگی و تولید دانش کمترین ضریب همبستگی را داشته‌اند.
موضوع : تاثیر فرهنگ سازمانی در مدیریت دانش شرکت‌های آب و فاضلاب و توزیع نیروی برق استان ایلام
نویسندگان : دکتر سید حیدر حسینی و دکتر عباس صمدی و رضا بوچانی
تاریخ : مهر 1390
انتشار : نشریه بازاریابی ایران
فرضیه‌ها: بین فرهنگ سازمانی و مدیریت دانش براساس مدل رابینز درشرکت‌های مورد مطالعه «در شرکت آب و فاضلاب و شرکت توزیع نیروی برق استان ایلام» رابطه وجود دارد.
نتایج : در نهایت پس از جمع‌آوری و تحلیل اطلاعات بدست آمده تصویر فرهنگ سازمان‌های مورد مطالعه بر اساس مدل رابینز ترسیم شد که گویای وضعیت فرهنگ این سازمان‌ها است. بر این اساس سازمان‌های مورد مطالعه در تمام ابعاد پنج‌گانه در حد بالاتر از متوسط قرارگرفته‌اند.
موضوع : فرهنگ سازمانی و تسهیم دانش: عوامل کلیدی موفقیت
نویسندگان: عادل اسماعیل العلوی، نایلا یوسف المرزوقی
تاریخ : سال 2007
فرضیه‌ها: عواملی مانند اعتماد، ارتباط میان کارکنان، سیستم‌های اطلاعات، سیستم‌های پاداش و ساختار سازمانی نقش مهمی در تعیین ارتباط میان کارکنان و از بین بردن موانع در تسهیم دانش دارند.
نتایج : نتایج تحقیق آنان حاکی از آن بود که اعتماد، ارتباطات، سیستم‌های اطلاعات، سیستم پاداش و ساختار سازمان دارای رابطه مثبتی با تسهیم دانش در سازمان‌ها می‌باشند.
موضوع : فرهنگ سازمانی برای سیستم‌های مدیریت دانش
نویسندگان: اندرو پی. سایگانگ و این مایو و مایک اسرایت
تاریخ : سال 2008
فرضیه‌ها: ابعاد فرهنگ سازمانی به عنوان عوامل موثر منجر به پذیرش یا عدم پذیرش سیستم‌های مدیریت دانش می‌شوند.
نتایج : نتایج این تحقیق نشان داد که دو بعد فرهنگ سازمانی اعم از فرآیند‌ محوری و سیستم ارتباط باز به عنوان عوامل موثری می‌باشند که منجر پذیرش یا عدم پذیرش سیستم‌های مدیریت دانش می‌شوند.
مفهوم فرهنگ
تعاریف زیادی در مورد فرهنگ وجود دارد که برخی از این تعاریف به تعریف کلی و عام این مفهوم و برخی دیگر به تعریف اختصاصی آن پرداخته‌اند و به جهت تعدد تعاریف، برخی از صاحب‌نظران به دسته‌بندی آن اقدام نموده‌اند که نمونه‌ای از این دسته‌بندی در جدول زیر ارائه می‌گردد (حقیقی، 1380، 515-514).
جدول STYLEREF 1 s ‏2 SEQ جدول * ARABIC s 1 1 دسته‌بندی تعاریف فرهنگنوع دسته‌بندی ارائه دهنده نوع تأکید تعریف
تاریخی ساترلند و وودوارد میراث اجتماعی «فرهنگ شامل هر آن چیزی است که بتواند از نسلی به نسلی دیگر رسانده ‌شود، یعنی همان میراث اجتماعی و کلیت جامعی که شامل دانش، دین، هنر، اخلاقیات، قانون، فنون ابزارسازی و کاربرد‌ آن‌ها و روش فرارساندن آن‌ها می‌شود.»
روانشناختی پانک جنبه‌های روانشناختی «فرهنگ، متشکل است از تصورات، نگرش‌ها، عادت‌های مشترک و کمابیش یکسان شده که در جهت نیازهای آدمی پرورانده شده است.»
ساختاری ویلی الگوسازی یا سازمان فرهنگ «فرهنگ، سیستمی است از الگوهای عادتی ـ پاسخگوئی که با یکدیگر همبسته‌ هستند.»
هنجاری ویسلر قاعده‌ یا
راه ‌و روش «آن شیوه زندگانی که یک اجتماع یا قبیله از آن پیروی می‌کنند، فرهنگ است، که شامل همه رویه‌های اجتماعی یکسان می‌باشد»
تشریحی تیلور عناصر تشکیل دهنده فرهنگ «فرهنگ یا تمدن کلیت درهم‌تافته‌ای است، شامل دانش، دین، هنر، قانون، اخلاقیات، آداب و رسوم و هرگونه توانائی و عادتهائی که آدمی همچون عضوی از جامعه به دست می‌آورد.»
(اقتباس از :حقیقی و دیگران، 1380، 515-514)
تعریف فرهنگ سازمانیاین که فرهنگ سازمانی چیست و چه ارتباطی با مفاهیم فرهنگ و مدیریت دارد، دیدگاه‌های مختلف و گاه متضادی وجود دارد (Denison,2000,3). ادگار شاین یکی از صاحب‌نظران برجسته پژوهش و نظریه‌پردازی در باب فرهنگ سازمانی در مقدمه کتاب مشهور خود «فرهنگ سازمانی و رهبری» می‌گوید: «فرهنگ سازمانی مفهومی است که به دشواری می‌توان آنرا تعریف کرد، به سختی می‌توان آن را تجزیه و تحلیل و اندازه‌گیری نمود و به سختی می‌توان آن را مدیریت کرد» (schien,1992,6).
همچنین برخی دیگر از صاحب‌نظران فرهنگ را یکی از عوامل مدیریتی می‌دانند که «بیش از سایر عوامل مورد غفلت قرار گرفته است … و شاید بخشی از این غفلت ناشی از دشوار بودن درک و پذیرش قدرت و نفوذ فرهنگ باشد. مدیری که در دریای تجارت بین‌المللی غوطه‌ور می‌شود تنها نباید مراقب امواج دریا باشد، بلکه باید بتواند عمق و قدرت این گرداب زیر ‌آبی (حضور پنهان فرهنگ) را برآورد کند. اگر در انجام این مهم موفق نشود، حیات شرکت یا مجموعه تحت مدیریت او به خطر خواهد افتاد (اشنایدر و بارسو، 1379،3).
فرهنگ سازمانی عبارت است از مجموعه اعتقادات جمعی ناخودآگاه و مفروضاتی است که ارزش‌ها، «دست ساخته‌های هنری» و فعالیت‌های سازمان‌ها به واسطه آنها هدایت می‌شوند. به این معنا که گروهی از افراد در این اعتقادات جمعی سهیم بوده و همچنین واکنش‌های آنان مبنی بر این که آیا رویکرد جدید و مصنوعات ناشی از آن خوب یا بد است و این موضوع که آیا بی‌درنگ مورد پذیرش قرار می‌گیرند یا موجب ترس و مقاومت می‌شوند را هدایت می‌نماید. مطابق نظر شاین «واژه فرهنگ می‌بایستی انحصاراً برای سطوح عمیق‌تری از عقاید و مفروضات بنیادی که اعضای سازمان در ایجاد آن سهیم هستند به کار رود، موضوعی که به صورت نیمه آگاه عمل می‌کند و به عنوان رسم رایجی از دید سازمان نسبت به خود و محیط اطرافش تعریف می‌شود (Schein,1986,84)
چنین رویکردی به فرهنگ سازمانی، ما را به جای توصیف صرف تفاوت‌های موجود در ارزش‌ها و مصنوعات ـ چنانکه در بعضی از راهنماهای پژوهشی صورت‌گرفته، به تلاش در جهت درک موضوعاتی از این قبیل که «چرا سازمان‌ها به انجام امور به شکل کنونی آن می‌پردازند و چرا رهبران دچار مشکلاتی هستند که با آنها دست به گریبانند»، رهنمون می‌سازد (Schein,1996,85). نقطه مقابل، این که در ارتباط با ماهیت مفروضات بنیادی پذیرفته شده، یافتن نمونه و تحلیل دقیق و عاری از اشتباه فرهنگ دشوار است. محقق بایستی قادر باشد فرهنگ را بر مبنای مشاهدات شخصی خود از مصنوعات، ارزش‌ها، مواد نوشتاری و گفتاری و تاریخ سازمان مورد تفسیر قرار دهد.
بسیاری از صاحب نظران در این مورد اتفاق نظر دارند که فرهنگ سازمانی در حقیقت، درک یا پنداشت کلی است که اعضای سازمان ازآن دارند. رابینز (1381) بر این باور است که: (مقصود از فرهنگ سازمانی سامانهای از استنباط مشترک است که اعضا نصب به یک سازمان دارند و همین ویژگی موجب تفکیک دو سازمان از یکدیگر میشود.)
فرهنگ سازمانی دارای شاخصهها و ویژگیهایی است که پرداختن به آن از حوصله این بحث خارج است لیکن بصورت خلاصه میتوان به هفت ویژگی اصلی تشکیل دهنده فرهنگ سازمانی از نگاه چتمن و کالول (1991) اشاره نمود:
خلاقیت و خطرپذیری : میزانی که افراد تشویق میشوند تا خلاق، نوآور و خطرپذیر گردند.
توجه به مسائل: میزانی که انتظار میرود کارکنان بتوانند مسائل را تجزیه و تحلیل نموده و به صورتی دقیق به امور نگاه کنند.
توجه به نتیجه: میزانی که مدیریت به نتایج یا رهآوردها توجه میکند نه به روشها و فرآیندهایی که باید برای دست‌یابی به این نتیجهها به کار رود.
توجه به افراد: میزانی که مدیریت به کارکنان اجازه میدهد در تصمیمگیریها مشارکت کنند و میزانی که مدیریت درباره اثرات نتیجه تصمیمگیری بر افراد توجه میکند.
تشکیل تیم: میزانی که مدیریت، کارها را به گونهای تنظیم میکند که به وسیله تیم(و نه افراد) انجام شود.
تحول: میزانی که افراد دارای روح انتقاد، تحول و یا حتی جسارت هستند.(نه افراد ساده اندیش و احتمالا بیتفاوت).
ثبات یا پایداری: میزانی که سازمان در فعالیت‌های خود به حفظ وضع موجود(و نه رشد) تاکید و توجه دارد.
پیاده سازی موفق فرآیند مدیریت دانش و دانشآفرینی در سازمان مستلزم فراهم نمودن بسترهای فکری و فرهنگی این امر میباشد .ترویج فرهنگ یگانگی و احساس تعلق افراد به سازمان و ایجاد حس اعتماد میان آنان و فراهم سازی محیطی توام با اشتراک، انتقال و تقابل دانش علاوه بر اینکه مقاومت در برابر تغییر در کارکنان را به حداقل میرساند، از سرمایه مشارکت و هم فکری آنان نیز سود میبرد. موفقیت پروژههای مدیریت دانش تا حدود زیادی بستگی به نوع همکاری و اشتراک دانش بین همه افراد داشته و همه افراد باید فعالانه در گردآوری و ایجاد مضمون پروژها شرکت داده شوند.
دانپورت و همکاران (1998) اظهار میدارد:
"اگر زمین فرهنگی پروژه مدیریت دانش، حاصلخیز نباشد، نه مقدار فناوری نه محتوای دانش نه داشتن یک مدیریت پروژه خوب، هیچکدام موفقیتی دربر نخواهد داشت".
به عقیده گاندی(2004) یکی از مهمترین تواناسازهای مدیریت دانش، فرهنگ باز سازمان است که مشوق تعامل افراد با یکدیگر و تبادل نظرات و تجربیات و نقطه نظرات است و به کارکنان اجازه میدهد که بدون ترس از بازخواست، صدایشان را به گوش دیگران برسانند. از دیدگاه وی، عدم وجود فرهنگ سازمانی که مشوق همکاری، اعتماد،اشتراک دانش،گوش دادن، یادگیری و خلاقیت باشد، میتواند مانع اصلی توسعه و بکارگیری یک پروژه موفقیت آمیز مدیریت دانش باشد.
یکی از مهمترین مولفههای فرهنگ سازمانی که دارای نقش اساسی در پیشبرد پروژههای دانشی در سازمان میباشد، فرهنگ تسهیم و به اشتراک گذاری دانش است. تقسیم و انتشار دانش در داخل سازمان، پیش شرط حیاتی برای ایجاد اطلاعات و تجاربی است که سازمان میتواند از آن استفاده کند در این امر استفاده از زبان واضح و روشن برای انتقال دانش، منظور نمودن پاداشهایی برای به اشتراک گذاری دانش، حمایت فرهنگ سازمانی از اشتراک و انتقال دانش و ... میتواند موثر باشد.
زمانی که در فرهنگ یک سازمان، دانش شخصی افراد، بهای زیادی داشته و افراد بطور غریزی قدرت دانش را احساس میکنند، اشتراک دانش با دیگران، در اصل،اشتراک قدرت است. در این صورت مدیریت دانش میتواند افراد را متقاعد سازد که دانش مورد نیاز را استفاده نموده و بادیگران به اشتراک بگذارند.
لازمه ایجاد فرهنگ دانش اشتراکی، توجیه و متقاعد نمودن افراد، ارائه آموزشهای لازم، پاداش دادن به اشتراک گذاری دانش و در پیش گرفتن سیاست سازمانی مشخص جهت جلوگیری از انباشت آن و نیز گوشزد نمودن منابع سرشاری است که از این رهگذر عاید سازمان و افراد میگردد.
لذا سوال اساسی در این بخش، این است که چگونه میتوان اشتراک گذاری دانش را تسهیل نمود.
ترویج فرهنگ تسهیم دانش در بسیاری از شرکت‌های معتبر به عنوان سنگ بنای اصلی و اولویت نخست آنان درآمده است و این سازمان‌ها اصولی را در این راستا تدوین نمودهاند.
از جمله یکی از اصول پنج‌گانه کمیسیون خدمات عمومی در اروپا این است که دانش، اطلاعات و داده باید به اشتراک گذاشته شود(لی بو ویتز و چن، 2003) در این اصل آمده است :
اشتراک‌گذاری دانش میبایست پاداش داده شود. ما باید محیطی ایجاد نماییم که مردم با کمال آزادی آنچه را میدانند، پراکنده نموده و دانش را از همکاران طلب نمایند.
انجام ارزیابی افراد باید به میزان همکاری شخص در تولید، ارزیابی و انتقال دانش مرتبط باشد.
دانش، در دسترس تمامی کارکنان خواهد بود به جز در مواردی که دلیلی بر پوشیده داشتن و حیطه‌بندی وجود داشته باشد.
دانش ما باید به اشتراک گذاشته شود تا پشتیبانی کننده همکاری با سایر بخش‌ها و سطوح دولتی باشد.
ما فرآیندهایی را پی ریزی کرده و ابزاری را به خدمت خواهیم گرفت که مارا قادر به ثبت و اشتراک‌گذاری دانش به منظور حمایت از همکاریهای متقابل‌مان نماید.
با توجه به نقش کلیدی فرهنگ اشاعه دانش در یک سازمان، پیشبینی ساز و کارهایی جهت تحقق این مهم، ضروریست. از دیدگاه محققانی نظیر لی بو ویتز(2000)، مهارتهای اشتراک گذاری دانش میباید شامل موارد زیر باشد:
توسعه موارد جدیدی از روابط همکار- همکار
میزان استفاده مجدد از دانش.
تعداد مفاهیم کلیدی که از تبدیل دانش ضمنی به دانش سریح بدست میآید.
تعداد ایدههای جدیدی که منجر به تولید محصول یا خدمت جدیدی میگردد.
بهترین شیوههایی که جهت ایجاد ارزش افزوده بکار گرفته میشود.
تعداد کارآموزانی که خود مربی بوده و میزان موفقیت آنان در میل به بلوغ سازمانی موثر بوده است.
بانک جهانی نیز شاخصهای یادگیری و اشتراک گذاری دانش خود را به شرح زیر برشمرده است (لی بو ویتز و کارول،2003) :
طرح ایدههای جدید و ادامه یادگیری
تسهیم دانش.
یادگیری از دیگران.
بکارگیری دانش در فعالیتهای روزانه.
مشارکت در زمینه یادگیری و اشتراک گذاری دانش.
با در نظر داشتن اهمیت کلیدی فرهنگ اشتراک گذاری دانش در سازمان، توجه به موانع تحقق چنین امری نیز درخور توجه است. ادل و گری سان (2001) اظهار می‌دارند که افراد غالبا به دلایل زیر از اشتراک دانش امتناع میورزند :
مشغله فراوان.
نمیخواهند با اشتراک دانش، مسئولیتهای اضافی برای خود درست کنند و در پروژههایی که در راستای تواناییها و علایق آنان نیست درگیر شوند.
احساس میکنند که اشتراک دانش مانع موفقیت شخصی آن‌هاست.
در بحث‌های ورودی احساس رعب دارند که از قافله جدا بمانند و فکر میکنند که چیزی برای همکاری ندارند.
به دانش دیگران و اینکه آنان نیز در دانش افراد سهیم خواهند شد اعتمادی ندارند.
اگر نظراتشان به سخره، یا نادیده گرفته شود و یا از نظراتشان انتقاد شود، احساس میکنند همکاریشان تنبیه و یا تهدیدی برای آن‌هاست.
با مدیران و تصمیم گیرندگانی کار میکنند که اطلاعات را از آنان مخفی میکنند لذا میتوان گفت در سازمانی که خواستار بهره‌گیری از مزایای مدیریت دانش است توجه ویژه به مولفههای فرهنگی سازمانی، به نحوی که اشتراک‌گذاری دانش را در میان کارکنان و سطوح مختلف سازمانی، تبلیغ و تسهیل نماید، ضرورتی اجتناب ناپذیر محسوب میگردد. (حسنوی، 1391 : 61)
ضرورت پرداختن به مقوله فرهنگ سازمانیدر پاسخ به این سوال که چرا به درک فرهنگ نیازمندیم دست کم چهار دلیل قابل ذکر است:
الف - تجزیه و تحلیل فرهنگ موجب نمایاندن پویائی خرده فرهنگ‌های درون سازمان می‌شود.
یکی از دلایل اصلی افزایش علاقمندی به فرهنگ، آن است که نه تنها این مفهوم با تحلیل سطوح سازمانی ارتباط پیدا کرده، بلکه همچنین هدفش درک هر آن چیزی است که هنگام کار با گروه‌های حرفه‌ای و خرده فرهنگ‌های مختلف با یکدیگر در درون سازمان اتفاق می‌افتد. برای مثال، این روزها، بیشتر شرکت‌ها تلاش می‌کنند فرایند طراحی، تولید و تحویل محصولات جدید را به مشتریان با سرعت بیشتری به انجام برسانند. آنها بیش از پیش دریافته‌اند که همکاری بخش‌های بازاریابی، مهندسی، تولید، توزیع و گروه‌های فروش نیازمند عزمی راسخ، مراقبت بیشتر و مشوق‌های مدیریتی کمتر است. برای دستیابی به هدف مورد نظر، به درک خرده‌فرهنگ‌های مرتبط با هر یک از این وظائف و طرح فرایندهای بین‌گروهی نیاز است، زیرا امکان برقراری ارتباط و تشریک مساعی میان آنها را حتی در مرزهای مستحکم خرده‌فرهنگی فراهم می‌سازد.
ب- تجزیه و تحلیل فرهنگ وقتی ضرورت پیدا می‌کند که بخواهیم چگونگی تأثیر و تأثر متقابل فناوری (تکنولوژی) و سازمان‌ را درک کنیم.
معمولا یک فناوری جدید بازتاب یک فرهنگ حرفه‌ای است که پیرامون یک هسته علمی یا ابزارها و مفاهیم مهندسی جدید بنا می‌شود. خرده فرهنگ حرفه‌ای، منعکس کننده این مفاهیم جدید است که اغلب بخشی از آن می‌تواند در درون و بخشی در بیرون از سازمان عینیت یابد. برای مثال، این روزها بحث‌های زیادی در باره تکنولوژی اطلاعات و تأثیر آن روی دگرگون‌ ساختن کار و سازمان مطرح است. برای درک این موضوع که IT چگونه وارد سازمان می‌شود و برخی از فعالیت‌های سازمانی را دستخوش تغییر می‌سازد، ناگزیریم که بدانیم در فرایند استقرار فناوری، خرده فرهنگ مجموعه حرفه‌ای IT با خرده‌ فرهنگ‌های وظائف مختلف داخل سازمان‌ و نیز تعامل آن دسته از خرده‌ فرهنگ‌هائی که موجب دگرگونی فناوری می‌شود با یکدیگر چه برخوردی اتفاق خواهد افتاد. تنها در صورتی موفق به درک بخشی از پدیده‌هائی خواهیم شد که به علت بدشانسی در رابطه با استقرار فناوری اطلاعات روی می‌دهد که از یک زاویه فرهنگی به آنها بنگریم.
ج - تجزیه و تحلیل فرهنگی برای مدیریت در پهنه مرزهای ملی و اخلاقی ضروری است.

دانلود پایان نامه ارشد- مقاله تحقیق

 برای دانلود فایل کامل به سایت منبع مراجعه کنید  : homatez.com

یا برای دیدن قسمت های دیگر این موضوع در سایت ما کلمه کلیدی را وارد کنید :

 

همان گونه که مفهوم فرهنگ به درک پدیده‌ی خرده‌ فرهنگ‌ها در سازمان‌ها کمک نموده، به لحاظ ارتباطی که با تحلیل‌های ملی گسترده‌تر و ارتباطات اخلاقی درونی پیدا شده، بیشتر سازمان‌ها خود را ملزم می‌دانند که در قالب انعقاد قراردادهای مشترک، ائتلاف‌های راهبردی، ادغام و تملک شرکت‌ها، با ملل و فرهنگ‌های دیگر کار کنند. مدیران همواره به این صورت شناخته شده‌اند که ناگزیرند در گستره‌ مرزهایی چنین دشوار کار کنند و تنها در همین سالهای اخیر است که پژوهشگران و مشاورین به توسعه مفاهیم و دیدگاه‌هایی پرداختند که ما را به تجزیه و تحلیل و حل این مشکلات قادر می‌سازد.
مشکل جدی که در صحنه وسیع‌تر بین‌فرهنگی با آن روبرو هستیم این است که سوءتفاهم‌های فرهنگی معمولاً به صورتی غیرقابل بحث‌ مورد توجه قرار می‌گیرند. برای جلب توجه یک شخص به فرهنگ دیگر، به ناچار رفتارهائی را بروز می‌دهیم که ریسک رنجاندن آن شخص قابل درک نیست. بنابراین بیشتر از آن که به لحاظ فرهنگی متابعت و همرنگی نمائیم تحمل می‌‌کنیم.
د- بدون توجه به فرهنگ به عنوان نخستین منبع مقاومت در برابر تغییرات، یادگیری سازمانی، تحول، و تغییرات برنامه‌ریزی شده قابل درک نخواهد بود (Schein,1992,7-9).
الگوها، نوع‌ها یا سطوح مختلف فرهنگ سازمانیپژوهشگران به منظور مطالعه رابطه‌ی میان نوع فرهنگ و اثربخشی سازمانی تلاش زیادی کرده‌اند تا نوع‌ها (طبقه‌بندی‌های) مختلف فرهنگ سازمانی را شناسائی و اندازه‌گیری نمایند. این فعالیت به واسطه وجود این امکان که فرهنگ‌های اصلی (در مقابل خرده‌فرهنگ‌ها) از اثربخشی بیشتری برخوردارند تشدید شد. متاسفانه پژوهش‌های به عمل آمده نتوانست نوع‌شناسی جامعی از سبک‌های فرهنگی ارائه دهد که مورد پذیرش همگان قرار گیرد (Kiniki,2002,25&‌ Keritner).در این جا نمونه‌هایی از تلاش‌هائی که در جهت نوع‌شناسی فرهنگ سازمانی صورت گرفته ارائه می‌گردد (کاظمی، 1391).نوع‌‌شناسی کوئین و روهرباف ( 1983) و کوئین (1988)کوئین و روهرباف (1983) علاقمند بودند ارزش‌های مؤثر در اثربخشی سازمانی را از دید کارکنان تعیین نمایند. پژوهش آنها نشان داد که ارزش‌های مرتبط با اثربخشی سازمانی به چهار گروه، قابل دسته‌بندی است. در همین ارتباط کوئین (1988) به ارائه مدلی از فرهنگ سازمانی بر پایه دو بعد فرایندهای سازمانی (ارگانیک در مقابل مکانیک) و جهت‌گیری سازمانی (درونی در مقابل بیرونی) پرداخت که نتیجه آن چهار نوع فرهنگ سازمانی به شرح زیر می‌باشد:
1 . فرهنگ قبیله‌ای 2 . فرهنگ بازار 3 . فرهنگ ویژه‌سالاری 4 . فرهنگ سلسله‌مراتبی
جدول STYLEREF 1 s ‏2 SEQ جدول * ARABIC s 1 2 مدل فرهنگ سازمانی کوئین (1988)فرهنگ ویژه سالاری فرهنگ قبیله ای
فرهنگ بازار فرهنگ سلسله مراتبی
(اقتباس از توماس ال. پیکر و جان ام. هاوز 1995)
در مدل کوئین (نگاره2-2) ، وجه مشخصه ‌«فرهنگ قبیله‌ای» (ارگانیک، درونی) تأکید بر پیوستگی، کار گروهی و تعهد نسبت به سازمان است. در حالی که «فرهنگ بازار» (مکانیکی، بیرونی) با رقابت و دستیابی به هدف مشخص می‌گردد. تمرکز «فرهنگ ویژه‌ سالاری» (ارگانیک، بیرونی) بر خلاقیت، کارآفرینی و پویائی است و نهایتاً، وجه مشخصه‌ «فرهنگ سلسله مراتبی» (مکانیکی، درونی) دستورات، قوانین و مقررات، یکنواختی و کارائی است (Baker & Hawes,1995,2).
مدل شناختی (سطوح) فرهنگ سازمانی‌ـ ادگار شاین (1985)376872587630مصنوعات
00مصنوعات
فرایندها و ساختارهای سازمانی قابل مشاهده
487934019177000453390020320000(به لحاظ رمزگشایی دشوار)
114308191500
3786505162560ارزش‌های مورد قبول
00ارزش‌های مورد قبول
راهبردها، اهداف و فلسفه‌ها
(توجیهات مورد حمایت)
باورهای مسلم فرض شده،
-30480122555003797935358140مفروضات اساسی نهفته
00مفروضات اساسی نهفته
4533900895350048799756667500
ادراکات، افکار و احساسات ناخودآگاه
منبع نامحدود ارزش‌ها و عمل)
شاین همچنین در رویکردی جدیدتر (1996) نشان داد که چگونه می‌توان به صورت نمادین با یک نوع‌شناسی کلی از خرده فرهنگ‌ها در سازمان روبرو شد. وی مدعی است که در هر سازمانی اساساً سه خرده فرهنگ متفاوت وجود دارد؛ این خرده فرهنگ‌ها عبارتند از «اپراتورها»، «مهندسان» و «مدیران اجرائی». این امکان وجود دارد که این خرده فرهنگ‌ها، مفروضات بنیادی برخی از حوزه‌های بسیار محوری واقعیت را دستخوش تغییر نمایند. وی خاطر نشان می‌کند که «این گروه اپراتورها هستند که آماج برنامه‌های تغییر و تلاش‌های یادگیری سازمانی قرار می‌گیرند» و « از سازمانی به سازمانی دیگر درمی‌یابیم که هنوز نوآوری‌ها و عملیات اثربخش‌تر نیز نتوانسته اشاعه فرهنگ پیشرفت یا تداوم آن را موجب گردد». شاین چنین ادعا می‌کند که: «این خط فکری، ما را به این نتیجه می‌رساند که سازمان به عنوان یک واحد، هرگز به ایجاد یک سیستم یادگیری پایدار قادر نخواهد بود مگر آنکه تعارض ذاتی میان این سه خرده فرهنگ را برطرف نماید.» (Schein,1996,238).
تغییرات روزافزون فرهنگ، از طریق یادگیری امکان پذیر است؛ از آغاز کار تا حصول نتیجه به زمان زیادی نیاز است. معمولاً اعضای سازمان درصورتی با پذیرش یک رویکرد جدید بیشترین مخالفت را ابراز می‌کنند که با فرهنگ آن سازمان در تعارض باشد (Schein,1996,85). به نظر وی برخی از ترکیبات ارائه شده به نحو بسیار مطلوبی موفق و برخی دیگر نیازمند تفسیر مجدد مفروضه‌های زیربنائی فرهنگ می‌باشند (کاظمی، 1391).
نوع‌شناسی کوک و زومال ( 1993)از دید این دو دانشمند به طور کلی سه نوع فرهنگ سازمانی وجود دارد، این نوع‌ها عبارتند از: سازنده، منفعل ـ دفاعی و تهاجمی ـ دفاعی . «هر نوع با یکسری باورهای مرجعِ متفاوت مرتبط است. باورهای مرجع، معرف آن دسته از افکار و باورهای فرد است که در مورد چگونگی رویکردهای مورد انتظار اعضای یک گروه خاص یا سازمان نسبت به کارشان و تعامل با دیگران دارند. فرهنگ سازنده، فرهنگی است که در آن کارکنان ترغیب می‌شوند تا ضمن تعامل با دیگران، روی پروژه‌ها و وظائف محوله به گونه‌ای کار کنند که آنها را در برآوردن نیاز به رشد و توسعه یاری نماید. این تیپ از فرهنگ مؤید باورهای مرجعی است که با انگیزه‌های پیشرفت، خودشکوفائی، انسان‌گرائی تشویق، و تعلق و دلبستگی همخوانی دارد. در مقابل، فرهنگ منفعل ـ دفاعی از طریق یک باور مهم که کارکنان می‌بایستی به گونه‌ای با دیگران تعامل داشته باشند که امنیت شغلی آنها تهدید نشود، متمایز می‌گردد. این فرهنگ با باورهای مرجع: توافق، قرارداد، وابستگی و اجتناب همخوانی دارد. سرانجام، شرکت‌هائی با فرهنگ تهاجمی ـ دفاعی کارکنانشان را تشویق می‌کنند تا به شیوه مؤثری در جهت حفظ مقام و امنیت شغلی‌شان گام بردارند. این نوع از فرهنگ تا حد زیادی از طریق باورهای مرجعی که منعکس کننده مخالفت، قدرت، رقابت، و کمال‌گرائی است مشخص می‌گردد» (Kiniki,2002,25&‌ Keritner). اگرچه ممکن است در هر سازمانی یکی از نوع‌های فرهنگی به صورت غالب ظاهر شود ولی هنوز این امکان وجود دارد که باورهای مرجع و ویژگی‌های سایر گونه‌ها نیز آشکار شود. پژوهش‌ها حکایت از آن دارد که سازمان‌ها می‌توانند دارای خرده فرهنگ کارکردی، خرده فرهنگ سلسله‌مراتبی بر اساس سطح فرد در سازمان، خرده فرهنگ جغرافیائی، خرده فرهنگ شغلی مبتنی بر عنوان سازمانی یا پست فرد، خرده فرهنگ اجتماعی برآمده از فعالیت‌های اجتماعی از قبیل گروههای گلف و بولینگ و عضویت در یک باشگاه مطالعه، و فرهنگ‌های متقابل باشد. (Kiniki,2002,26&‌ Keritner).
نوع‌شناسی تائونو ککاله ( 1998)این محقق بر مبنای مفروضات اساسی پنجگانه ادگار شاین به ارائه یک نوع‌شناسی فرهنگی مبادرت نمود و نقش آن را در موفقیت یا عدم موفقیت استقرار مدیریت کیفیت جامع در تعدادی از شرکت فنلاندی مورد آزمون قرار داده است. نوع‌های فرهنگ سازمانی شناسائی شده توسط ککاله عبارتند از: «قانون‌گرا»، «رابطه‌گرا» و «رهبری نوآور» این ساختار (به تعبیر کسانن و دیگران، 1991 ؛ آیزن‌هارت ،1989) به صورت نموداری، در نگاره 2-5 نشان داده شده است. در این نمودار گزینه‌هایی که آشکارا به ادامه کار بر اساس انواع مفروضات مشابه می‌انجامند، به عنوان گزینه‌‌های اولیه و با پیکان مستقیم () و گزینه‌هائی که می‌توانند به هنگام مواجهه با یک فرهنگ جدید مورد توجه قرار گیرند، به عنوان گزینه‌‌های ثانویه، با پیکان خط چین ( ) نشان داده شده است.
جدول STYLEREF 1 s ‏2 SEQ جدول * ARABIC s 1 3 : نمودار ترسیمی تئوری همانندی/ ناهمانندی فرهنگ کار تائونو ککاله (1998)233362570485مفروضات‌بنیادی00مفروضات‌بنیادی5876925527050058674001460500 نوع‌های سازمانی
تیپ سازمانی
«قانون گرا»
(نوع 1) «رابطه‌ گرا»
(نوع 2) «رهبری نوآور»
(نوع 3) ماهیت کیفیتکیفیت مورد انتظار: مشخصات عددی، کنترل انحراف‌ها (هم دررفتار کارکنان و هم فرایندها و محصولات). کیفیت مورد انتظار یا رضایت مشتری: در برخی از فرایندها، فرایند تواناسازی کارکنان برای توقف و تصحیح فرایندها؛ در سایر موارد، تواناسازی کارکنان حتی برای رفع کمبودهای فرایند‌هایشان. کیفیت دور از انتظار: هر یک از مشتریان به دنبال نیازهای شخصی خود هستندکه جهت کامیابی مشتری از طریق خدمات مورد نظر آنها صورت می‌گیرد. ماهیت یادگیری کاربرد واکنش‌های یادگیری در حل مسائل و خطاها،
یادگیری مهارتهای فنی. کاریرد واکنش‌های یادگیری در حل مسائل و خطاها،
یادگیری مهارتهای فنی.
در برخی از فرایندها یادگیری مهارتهای متقابل و انسانی. اهمیت همکاری. یادگیری خلاق. زیرا نیازها را نمی‌توان پیش‌بینی نمود. کارکنان می‌بایستی مداوم یاد بگیرند حتی در زمینه‌های خارج از حیطه کاری خودشان. ماهیت واقعیت و حقیقت واقعیت تعیین پذیر تجربی واقعیت ساخت‌یافته اجتماعی واقعیت فردی ماهیت انسان و
روابط انسانی کارکنان بایستی در جهت حصول کیفیت مورد نظر کنترل شوند، هر انحرافی منفی تلقی می‌شود. کارکنان مجاز به انتخاب گزینه‌های مختلف هستنند؛ تصمیم‌گیری در زمینه طراحی فرایند وجود ندارد یا اندک است.
«خودکامگی» انسان اساساً به توسعه کارش علاقمند است، و بنابراین می‌تواند توانائی طراحی بعضی از فرایندها را کسب کند. برخی از تصمیم‌گیری‌ها را به گروههای کاری، شامل کارکنان با دانش‌های گوناگون تفویض نماید.
« دانائی» همه افراد مشتاق یادگیری و بکارگیری مهارت‌هایشان در طرح‌ریزی و مشارکت در تغییرات هستند؛ کارکنان علاقمند به شخص مشتری هستند. اغلب تصمیمات در تعامل میان کارمند ـ مشتری صورت می‌گیرد.
«تساوی اختیارات میان همکاران» پارادایم بنیادی:
ماهیت فعالیت‌های انسانی رفتاری؛
«مبتنی بر انجام» مشارکت انسان‌گرایانه؛
«مبتنی بر شدن» شناختی؛
« مبتنی بر بودن» 15544803175000 650938562547500مصنوعات سازمانی:
انواع مختلف ابزارهای کیفی تیپ A
مواردی‌که جنبه‌های کنترل محصول دارد نظیر کنترل اندازه‌گیری کار، نظام‌های کیفیت استاندارد، و روش‌های کنترل آماری را شامل می‌شود تیپ B
مواری که شامل یک رویکرد علمی به شغل شخص، روش‌های کار گروهی، روش‌های طراحی شده برای دستیابی به کیفیت در گستره سازمان، و بیشتر از همه معانی ویژه شغلی می‌گردد تیپ C
مواردی که به ویژگی‌های کیفی «نرم» مانند سبک مدیریت، مسئولیت تفویضی مشتری و خودمختاری کارکنان، کامیابی مشتری و ابزارهای خودارزیابی تأکید دارد. همانندی فرهنگی؛ استقرار ابزارهائی که نیاز به تغییرات فرهنگی ندارد یا نیاز به این تغییرات اندک است.
ناهمانندی فرهنگی؛ مقاومت در برابر فرهنگ مطلوب است، یا احتمالاً به برنامه‌های تغییر فرهنگی ویژه نیاز می‌باشد.
ابعاد فرهنگ سازمانی از دیدگاه گیرت هافستد« در اواخر دهه 60، گیرت هافستد مطالعات و تحقیقاتی با هدف اثبات نقش و تأثیر تفاوت‌های فرهنگی بر مدیریت انجام داد. این تحقیقات که بسیار مهم‌اند، سه دهه بعد پیگیری و دنبال شدند. هافستد برای انجام این تحقیق از 116000نفر از کارکنان شرکت آی.بی.ام در 40 کشور مختلف دنیا نظرسنجی کرد. در این نظرسنجی از پرسش‌شوندگان درخواست می‌شد که نظر خود را درباره بهترین شیوه مدیریت و محیط کاری بیان کنند. هافستد بر اساس یافته‌های این نظرسنجی چهار بعد «ارزشی» را مشخص ساخت که کشورها از حیث این ابعاد با یکدیگر تفاوت داشتند. این چهار بعد عبارت بودند از: فاصله قدرت، ابهام گریزی یا احتیاط، فردگرائی در مقابل جمع‌گرائی، و مردسالاری در مقابل زن‌سالاری» (اشنایدر و بارسو، 1379، 3).مدل ویژگی‌های فرهنگ سازمانی استیفن رابینزرابینز معتقد است ده ویژگی وجود دارد که «در مجموع معرف و نمایانگر عصاره فرهنگ سازمانی است» (رابینز،967،1374). این ویژگی‌ها عبارتند از :
خلاقیت فردی: میزان مسئولیت، آزادی عمل و استقلالی که افراد دارند.
ریسک‌پذیری: میزانی که افراد تشویق می‌شوند تا ابتکار عمل به خرج دهند، دست به کارهای مخاطره‌آمیز بزنند و بلند پروازی نمایند.
رهبری: میزانی که سازمان هدف‌ها و عملکردهائی را که انتظار می‌رود انجام شود، مشخص می‌نماید.
یکپارچگی: میزان یا درجه‌ای که واحدهای درون سازمان به روشی هماهنگ عمل می‌کنند.
حمایت مدیریت: میزان یا درجه‌ای که مدیران با زیردستان خود ارتباط برقرار می‌کنند، آنها را یاری می‌دهند یا از آنها حمایت می‌کنند.
کنترل: تعداد قوانین و مقررات و میزان سرپرستی مستقیم که مدیران بر رفتار افراد اعمال می‌کنند.
هویت: میزان یا درجه‌ای که افراد، کل سازمان (و نه گروه خاص یا رشته‌ای که فرد در آن تخصص دارد) را معرف خود می‌دانند.
سیستم پاداش: میزان یا درجه‌ای که شیوه تخصیص پاداش (یعنی افزایش حقوق و ارتقای مقام) بر اساس شاخص‌های عملکرد کارکنان قرار دارد و نه بر اساس سابقه خدمت، پارتی‌بازی و از این قبیل شاخص‌ها.
سازش با پدیده تعارض: میزان یا درجه‌ای که افراد تشویق می‌شوند با تعارض بسازند و پذیرای انتقادهای آشکار باشند.
الگوهای ارتباطی: میزان یا درجه‌ای که ارتباطات سازمانی به سلسله مراتب اختیارات رسمی محدود می‌شود
(رابینز،1374،968-967).
مدل پارسونزمدل AGIL پارسونز، روش ساده‌ای برای بیان و تشریح تفاوت‌های فرهنگی سازمان‌ها است. طبق این الگو هر سیستم اجتماعی باید چهار وظیفه را در جهت بقا و موفقیت انجام دهد که عبارتنداز:
تطبیق A: برای تطبیق یک سیستم اجتماعی باید از محیط خوب و چگونگی تغییرات آن آگاه باشد و خود را به طور مناسب با آن تعدیل و تنظیم کند.
رسیدن به هدف G: منظور توانایی در تحقق اهداف سیستم می باشد.
یکپارچگی I: به این معنی که تمام سیستم‌های اجتماعی نیاز دارند که اجزا آنها از گسیختگی و از هم پاشیدگی حفظ شود، قسمت های مختلف یک سیستم با یکدیگر در ارتباط باشد، وابستگی متقابل آنها درک و نیاز به هماهنگی آنها بر آورده شود.
مشروعیت L: تمام سیستم‌های اجتماعی به حق بقا نیاز دارند که محیط به آنها می‌دهد. سیستم اجتماعی هنگامی مشروع است که جامعه اعتقاد داشته باشد ادامه حیات آن سیستم ضروری است (گریفین، 1991).
جدول STYLEREF 1 s ‏2 SEQ جدول * ARABIC s 1 4 مدل AGIL پارسونز (گریفین، 1991، ص401)تحقق هدف:
توانایی در تحقق اهداف سیستم سازش:
توانایی سازش با اوضاع و احوال تلاش بر انگیز
مشروعیت:
برخورداری از حق بقا و پذیرفته شدن یکپارچگی:
توانایی یکپارچه نمودن بخشهای تابعه سیستم
مدل تقسیم ‌بندی فرهنگ سازمانی کوئین و مک گراث
گراث با استفاده از شش عامل یا ضابطه به تقسیم‌بندی چهار نوع فرهنگ سازمانی عقلایی، ایدئولوژیک، توافق و مشارکت و سلسله ‌مراتبی مبادرت ورزیده است. انواع فرهنگ سازمانی و عوامل مشخصه آن در نگاره زیر آمده است.
جدول STYLEREF 1 s ‏2 SEQ جدول * ARABIC s 1 5 تقسیم‌بندی کوئین و مک‌گراث از فرهنگ‌های سازمانی49117253429000انواع فرهنگ فرهنگ
عقلایی فرهنگ
ایدئولوژیک فرهنگ
توافق و مشارکت فرهنگ
سلسله مراتبی
ضوابط یا عوامل هدف سازمان تحقق اهداف سازمانی تحقق اهداف گسترده و رسالتهای سازمان بقای گروه اجرای فرامین و دستورها
معیار عملکرد بازدهی حمایت خارج از سازمان اتفاق و انسجام گروه کنترل و ثبات
مرجع اختیار رئیس رهبری فرمند عضویت در گروه قوانین و مقررات
منبع قدرت شایستگی ارزش‌ها منابع غیررسمی دانش فنی
نحوه تصمیم‌گیری عقلایی قضاوتی مشارکتی سلسله مراتبی
سبک رهبری هدایتی و رفتارمدار فردی و مخاطره‌پذیر حمایتی و دوستانه محافظه‌کارانه
شیوه پیروی و قبول براساس قرار و پیمان با سازمان تعهد به ارزش‌ها تعهد به گروه سرپرستی و کنترل
معیار ارزشیابی اعضاء بازدهی ملموس شدت ارزش‌ها کیفیت روابط ملاکهای رسمی
انگیزش توفیق رشد صمیمیت و همبستگی امنیت
مآخذ: (کوئین و مک‌گراث، 1374)
مدل ویژگی‌های فرهنگ سازمانی دانیل دنیسوندانیل دنیسون و انیل میشرا چهار ویژگی (صفت) برای فرهنگ سازمانی قائل شده‌اند. این ویژگی‌ها عبارتند از: درگیر شدن در کار، سازگاری، انطباق پذیری و رسالت یا ماموریت (Denison,1995,216).
دنیسون در تحقیقات اخیر خود هر یک از صفات چهارگانه فرهنگ سازمانی را با استفاده سه شاخص و هر شاخص را با کمک پنج پرسش (گویه پیمایشی) مورد اندازه‌گیری قرار داده است (Denison, 2000, 11).
جدول STYLEREF 1 s ‏2 SEQ جدول * ARABIC s 1 6 ویژگی‌های چهارگانه فرهنگ سازمانی دنیسونویژگی‌ها شاخص‌ها
درگیر شدن در کار تواناسازی، جهت‌گیری تیمی، توسعه ظرفیت‌ها (ظرفیت سازی)
سازگاری ارز‌ش‌های محوری، توافق، هماهنگی و یکپارچگی
قابلیت انطباق ایجاد تغییرات، تمرکز بر مشتری، یادگیری سازمانی
مأموریت مقاصد و جهت استراتژیک، اهداف و آرمانها، چشم‌انداز

شکل STYLEREF 1 s ‏2 SEQ شکل * ARABIC s 1 1 مدل اندازه‌گیری فرهنگ سازمانی دنیسون 2000همان‌طور که در مدل دنیسون دیده می‌شود این مدل دارای دو محور عمودی و افقی است که مدل را به چهار قسمت (ربع دایره ) تقسیم کرده‌اند. محور عمودی در برگیرنده میزان و نوع تمرکز فرهنگ سازمانی است. این محور از یک طرف به تمرکز داخلی و از طرف دیگر به تمرکز خارجی منتهی می شود. محور افقی نیز به میزان انعطاف سازمان اشاره دارد که از یک طرف به فرهنگ ایستا و از طرف دیگر به فرهنگ منعطف منتهی می‌شود. (Denison,2000)
هر یک از این ویژگی‌ها با سه شاخص اندازه گیری می شود:
الف- درگیر شدن در کار
سازمان‌های اثربخش افرادشان را توانمند می‌سازند ، سازمان را بر محور گروه‌های کاری تشکیل می‌دهند و قابلیت‌های منابع انسانی را در همه سطوح توسعه می‌دهند. اعضای سازمان به کارشان متعهد شده و خود را به عنوان پاره ای از پیکره سازمان احساس می‌کنند. افراد در همه سطوح احساس می‌کنند که در تصمیم‌گیری نقش دارند و این تصمیمات است که بر کارشان مؤثر است و کار آنها مستقیماً با اهداف سازمان پیوند دارد. درگیری زیاد در کار به معنای درگیر شدن ذهنی کامل با کار است» همانطور که یک مدیر اجرایی در یک شرکت کره ای اظهار داشته بر اساس آن فرد با جان و دل در شغل خود کار می کند و هرآنچه که در توان دارد در این راه به کار می گیرد.
ب - سازگاری (ثبات و یکپارچگی)
یکپارچگی عبارت است از ارزش ها و سیستم هایی که مبنای یک فرهنگ قوی را تشکیل می دهند. سازمان های یکپارچه به سبب برخورداری از یک فرهنگ با ثبات اعضاء، ریشه در مجموعه ای از ارزش های مرکزی دارد و پیروان آنان دارای مهارت بالایی برای دستیابی به توافق حتی بر سر مسائل پیچیده هستند و سازمان های یکپارچه، تدوین کننده یک گرایش و مجموعه ای از نظام های سازمانی هستند که یک سیستم درونی بر مبنای حمایت و رضایت طرفین را ایجاد می نمایند و دارای کارکنانی با سطح تعهد بالا، مجموعه ای از ارزش های بنیادین، شیوه ای مجزا برای انجام کار ومجموعه ای روشن از بایدها و نبایدها می باشند. یکپارچگی، فرهنگی قوی بر مبنای سیستمی مشترک از اعتقادات، ارزش‌ها و نشانه ها را به وجود می‌آورد که کاملاً توسط اعضای سازمان قابل فهم است و این سیستم‌های کنترل ضمنی و نامحسوس بر مبنای ارزش‌های درونی شده، می‌تواند وسیله‌ای مؤثر برای دست‌یابی به هماهنگی و انسجام نسبت به سیستم‌های کنترل بیرونی باشند که وابسته به قوانین و مقررات روشن هستند. قدرت این شیوه عملیاتی زمانی که اعضای سازمان با موقعیت های ناآشنا مواجه می شوند، محرز می گردد. یکپارچگی، افراد را قادر می سازد تا واکنش مناسبی را در شیوه‌ای قابل پیش‌بینی به یک محیط با تأکید بر اصولی بر مبنای ارزش‌ها از خود نشان دهند. تحقیقات نشان داده است که سازمان‌هایی که اغلب اثربخش هستند با ثبات و یکپارچه بوده و رفتارکارکنان از ارزش‌های بنیادین نشأت گرفته است . رهبران و پیروان در رسیدن به توافق مهارت یافته‌اند (حتی زمانی که دیدگاه متقابل دارند) وفعالیت‌های سازمانی به خوبی هماهنگ و پیوسته شده است. سازمان‌هایی با چنین ویژگی‌هایی ، دارای فرهنگ قوی و متمایزند و به طو ر کافی بررفتار کارکنان نفوذ دارند.
ج- انطباق پذیری
سازمان‌هایی که به خوبی یکپارچه هستند به سختی تغییر می یابند. لذا یکپارچگی درونی و انطباق پذیری بیرونی را می‌توان مزیت و برتری سازمان به حساب آورد. سازمان‌های سازگار به وسیله مشتریان هدایت می‌شوند، ریسک می‌کنند، از اشتباه خود پند می‌گیرند و ظرفیت و تجربه ایجاد تغییر را دارند .آنها به طور مستمر در حال بهبود توانایی سازمان به جهت ارزش قائل شدن برای مشتریان هستند.
د- رسالت
شاید بتوان گفت مهمترین ویژگی فرهنگ سازمانی رسالت و مأموریت آن است. سازمان‌هایی که نمی دانند کجا هستند ووضعیت موجودشان چیست؟ معمولاً به بیراهه می روند. سازمان‌های موفق درک روشنی از اهداف و جهت خود دارند، به طوری که اهداف سازمانی و اهداف استراتژیک را تعریف کرده و چشم انداز سازمان را ترسیم می‌کنند.
پردردسرترین سازمان‌ها، سازمان‌هایی هستند که مجبورند مأموریتشان را تغییر دهند . وقتی یک سازمان مجبور است رسالت خود را تغییر دهد تغییرات در استراتژی، ساختار، فرهنگ و رفتار الزامی است. در این وضعیت رهبر قوی چشم انداز سازمان را مشخص می کند و یک فرهنگ را خلق می‌کند که این چشم انداز را پشتیبانی می‌کند.
مدل ساروس و دیگران (مدل نظری پژوهش)در سال‌های گذشته محققان فرهنگ سازمانی را با مجموعه وسیعی از علایق تئوریکی، ابزارهای روش شناسی و تعاریف مفاهیم فرهنگ ارائه داده‌اند. در این دوره بحث درباره چگونگی اندازه‌گیری فرهنگ شدت یافته است(مارتین، 1992؛ آلوسون، 1993؛ به نقل از ساروس و دیگران، 2002). در حالی‌که بسیاری از تلاش‌ها برای اندازه‌گیری فرهنگ سازمانی با مشکل مواجه گردید (شاین، 1985؛ سیهل و مارتین، 1990؛ مارتین، 1992؛ آلوسون، 1993؛ به نقل از ساروس و دیگران، 2002) مجموعه وسیعی از تحقیقات با این پیش فرض که فرهنگ سازمانی شامل مشخصه‌های قابل سنجش یک سازمان است، شروع به کار‌‌کردند (ارایلی و چاتمن، 1996؛ روسو، 1990؛ به نقل از ساروس و دیگران، 2002). این مطالعات در جستجوی تفسیر‌کردن معانی متفاوت فرهنگ سازمانی یا شکل‌های فرهنگی متفاوت نبودند، اما بر نتایج تحقیقات برای تعیین کردن رفتار و فرآیندهای سازمانی تأکید داشتند (کاظمی، 1391).
ارایلی و چاتمن (1996) فرهنگ سازمانی را به عنوان "سیستمی از ارزش‌های مشترک و هنجارهایی که برای اعضای سازمان، رفتارها و نگرش‌های مناسبی را تعریف می‌کند"، قلمداد می‌کنند. آنها ابزار مشهوری تحت عنوان نیمرخ فرهنگ سازمانی را برای سنجش فرهنگ تدوین کردند.
نیمرخ فرهنگ سازمانی ابتدا توسط ارایلی(1991) تدوین گردید. چاتمن و کالدول (1991) آن را به عنوان یکی از سنجه‌های فرهنگ و همچنین ارزش‌ها، یکی از جنبه‌های فرهنگ در سطح سازمانی (آگل وکالدول، 1999)، و به عنوان یکی از ابزارهای دهگانه برتر فرهنگ در کاربرد امروزی شناسایی نمودند (جادج وکابل، 1997؛ هاوارد، 1998؛ آگل و کالدول، 1999؛ به نقل از ساروس و دیگران، 2002). بعلاوه، در بررسی 18 معیار فرهنگی منتشر شده بین سال‌های 1975 و 1992، اشکان سای، برادفوت و فالکوس (2000) گزارش کردند که نیمرخ فرهنگ سازمانی یکی از معدود ابزاری است که جزئیاتی را با توجه به اعتبار و پایایی ارائه نموده است.
نسخه اصلی نیمرخ فرهنگ سازمانی ارائه شده توسط ارایلی (1991) شامل 54 آیتم و تشکیل دهنده 8 عامل فرهنگی ذیل می باشد: نوآوری، توجه به جزئیات، نتیجه محوری، ستیزه جویی، حمایت گری، تأکید بر پاداش، تیم محوری و قاطعیت .
بعدها نیمرخ فرهنگ سازمانی توسط کابل و جادج (1997) و هاپر (2000) تعدیل گردید و در نهایت نسخه جدید آن توسط ساروس، گری و دنستن (2002) ارائه گردید. نسخه جدید ارائه شده توسط این پژوهشگران شامل 28 آیتم می باشد که تشکیل دهنده هفت عامل فرهنگی به شرح جدول 2-5 می باشد (کاظمی، 1391).
جدول 2-8: عوامل فرهنگ سازمانی و ویژگی‌های آنها (ساروس و دیگران، 2002)
عوامل فرهنگ سازمانی ویژگی‌ها
رقابت پذیری جهت گیری به سمت موفقیت
تأکید بر کیفیت کار
متمایز و متفاوت نمودن خود از سایرین
رقابتی بودن
مسئولیت اجتماعی دادن بازخورد به افراد
داشتن شهرت و اعتبار خوب
داشتن مسئولیت اجتماعی
داشتن فلسفه روشن و هدایتی
حمایت گری تیم گرایی
تسهیم آزادانه اطلاعات
فرد گرایی
همکاری و مشارکت افراد
نوآوری خلاق و نوآور بودن
پرشتاب و چابک بودن در بهره گیری از فرصت‌ها
ریسک پذیری
واگذاری مسئولیت به کارکنان
تأکید برپاداش عدالت و انصاف
فراهم آوردن فرصتهایی جهت رشد حرفه ای افراد

—d1896

1-3. نمایشی از انواع مختلف تقویت کننده‌ها در کامپوزیت12
فصل دوم - آئروژلها و مروری بر خواص مغناطیسی
2-1. 1برهمکنش آب و ساختار آئروژل، الف) آئروژل آبگریز، ب) آئروژل آب‌دوست18
2-2. فازهای مغناطیسی، الف) پارامغناطیس، ب) فرومغناطیس، ج) پادفرومغناطیس، د) فری مغناطیس23
2-3. حلقه پسماند ماده فرو مغناطیس25
2-4. حلقه پسماند در مواد فرومغناطیس نرم و سخت26
فصل سوم - ساخت آئروژل و کاربردهای آن
3-1. طرح‌واره‌ای از روش‌های مختلف برای شیمی سنتز نانوکامپوزیت31
3-2. اصلاح شیمی سطح ژل34
3-3. چرخه فشار-دما در حین فرآیند خشک کردن فوق بحرانی36
3-4. شماتیکی از دستگاه خشک کن فوق بحرانی اتوکلاو36
فصل چهارم - سنتز و بررسی ویژگی‌های نانوکامپوزیت سیلیکا آئروژل/نانوذرات فریت کبالت
4-1. فازهای مجزا نمونه روی همزن52
4-2. نمونه‌های در قالب ریخته شده52
4-3. نمونه الکوژل53
4-4. نمونه آئروژل54
4-5. تصاویر FE-SEM نمونه‌ها الف) 10%، ب) 15%، ج) 20%.55
4-6. نمودار توزیع اندازه ذرات الف) 10%، ب) 15% و ج) 20%56
4-7 . پراش XRD نمونه‌های الف) 10%، ب) 15%و ج) 20% پیش از عملیات حرارتی58
4-8. پراش XRD نمونه‌های الف) 10%، ب) 15%و ج) 20% در دمای 600 درجهی سانتیگراد59
4-9. پراش XRD نمونه‌های الف) 10%، ب) 15%و ج) 20% در دمای 800 درجهی سانتیگراد60
4-10. آنالیز نمونه‌های الف)10%، ب) 15%و ج) 20% حرارت داده شده در دمای 600 درجه‌ی سانتی ‌گراد61
4-11. آنالیز نمونه‌های الف)10%، ب) 15%و ج) 20% حرارت داده شده در دمای 800 درجه‌ی سانتی ‌گراد62
4-12. طیف‌های جذبی FT-IR الف) 10%، ب) 15% و ج) 20%.65
4-13. تصویر TEM یکی از نمونه‌ها67
4-14. نمودارهای لانگمیر الف) 10%، ب) 15% و ج) 20%69
4-15. نمودارهای BET الف) 10%، ب) 15% و ج) 20%71
4-16. جذب و واجذب الف) 10%، ب) 15% و ج) 20%.72
4-17. حلقه پسماند نمونه‌ها قبل از عملیات حرارتی الف) 10%، ب) 15%، ج) 20%.74
4-18. حلقه پسماند نمونه‌ها بعد از عملیات حرارتی الف) 10%، ب) 15%، ج) 20%.75

فهرست جداول

دانلود پایان نامه ارشد- مقاله تحقیق

 برای دانلود فایل کامل به سایت منبع مراجعه کنید  : homatez.com

یا برای دیدن قسمت های دیگر این موضوع در سایت ما کلمه کلیدی را وارد کنید :

 

عنوان صفحه
فصل سوم - ساخت آئروژل و کاربردهای آن
3-1. کاربردهای مختلف آئروژل‌ها48
TOC o "1-3" h z u
فصل چهارم - سنتز و بررسی ویژگی‌های نانوکامپوزیت سیلیکا آئروژل/نانوذرات فریت کبالت
4-1. میزان گرم و لیتر مواد مورد نیاز51
4-2. نتایج حاصل از XRD63
لیست علایم و اختصارات
برونر، امت، تلر(Brunauer, Emmett, Teller) BET
پراش پرتو ایکس (X-Ray Diffraction) XRD
مغناطیسسنج نمونهی ارتعاشی (Vibrating Sample Magnetometer) VSM
میکروسکوپ الکترونی گسیل میدانی (Field Emission Scanning Electron Microscopy) FE-SEM
میکروسکوپ الکترونی عبوری (Transmission Electron Microscopy) TEM
آنگسترم (Angestrom) Å
اورستد (Oersted) Oe
نانومتر (Nanometer) nm
واحد مغناطیسی (Electromagnetic Units) emu
فصل اولمفاهیم اولیه1854668136024
مقدمهاز اواخر قرن بیستم دانشمندان تمرکز خود را بر فناوری نوینی معطوف کردند که به عقیده‌ی عده‌ای تحولی عظیم در زندگی بشر ایجاد می‌کند. این فناوری نوین که در رشته‌هایی همچون فیزیک، شیمی و مهندسی از اهمیت زیادی برخوردار است، نانوتکنولوژی نام دارد. می‌توان گفت که نانوفناوری رویکردی جدید در تمام علوم و رشته‌ها می‌باشد و این امکان را برای بشر به وجود آورده است تا با یک روش معین به مطالعه‌ی مواد در سطح اتمی و مولکولی و به سبک‌های مختلف به بازآرایی اتم‌ها و مولکول‌ها بپردازد.
در چند سال اخیر، چه در فیزیک تجربی و چه در فیزیک نظری، توجه قابل ملاحظه‌ای به مطالعه‌ی نانوساختارها با ابعاد کم شده است و از این ساختارها نه تنها برای درک مفاهیم پایه‌ای فیزیک بلکه برای طراحی تجهیزات و وسایلی در ابعاد نانومتر استفاده شدهاست. وقتی که ابعاد یک ماده از اندازه‌های بزرگ مانند متر و سانتیمتر به اندازه‌هایی در حدود یک دهم نانومتر یا کمتر کاهش می‌یابد، اثرات کوانتومی را می‌توان دید و این اثرات به مقدار زیاد خواص ماده را تحت الشعاع قرار می‌دهد. خواصی نظیر رنگ، استحکام، مقاومت، خوردگی یا ویژگی‌های نوری، مغناطیسی و الکتریکی ماده از جمله‌ی این خواص‌ می‌باشند [1].
1-1 شاخه‌های فناوری نانوتفاوت اصلی فناوری نانو با فناوری‌های دیگر در مقیاس مواد و ساختارهایی است که در این فناوری مورد استفاده قرار می‌گیرند. در حقیقت اگر بخواهیم تفاوت این فناوری را با فناوری‌های دیگر بیان نماییم، می‌توانیم وجود عناصر پایه را به عنوان یک معیار ذکر کنیم. اولین و مهمترین عنصر پایه نانو ذره است. نانوذره یک ذره‌ی میکروسکوپی است که حداقل طول یک بعد آن کمتر از ١٠٠ نانومتر است و میتوانند از مواد مختلفی تشکیل شوند، مانند نانوذرات فلزی، سرامیکی و نانوبلورها که زیر مجموعهای از نانوذرات هستند [ 3و 2]. دومین عنصر پایه نانوکپسول است که قطر آن در حد نانومتر می‌باشد. عنصر پایه‌ی بعدی نانولوله‌ها هستند که خواص الکتریکی مختلفی از خود نشان می‌دهند و شامل نانولوله‌های کربنی، نیترید بور و نانولوله‌های آلی می‌باشند [4].
1-2 روش‌های ساخت نانوساختارهاتولید و بهینهسازی مواد بسیار ریز، اساس بسیاری از تحقیقات و فناوری‌های امروزی است. دستورالعمل‌های مختلفی در خصوص تولید ذرات بسیار ریز در شرایط تعلیق وجود دارد ولی در خصوص انتشار و تشریح دقیق فرآیند رسوب‌گیری و روش‌های افزایش مقیاس این فرآیندها در مقیاس تجاری محدودیت وجود دارد. برای تولید این نوع مواد بسیار ریز از پدیده‌های فیزیکی یا شیمیایی یا به طور همزمان از هر دو استفاده می‌شود. برای تولید یک ذره با اندازه مشخص دو فرآیند اساسی وجود دارد، درهم شکستن) بالا به پایین) و دیگری ساخته شدن) پایین به بالا). معمولا روش‌های پائین به بالا ضایعاتی ندارند، هر چند الزاما این مسأله صادق نیست [6 و5]. مراحل مختلف تولید ذرات بسیار ریز عبارت است از، مرحله‌ی هسته‌زایی اولیه و مرحله‌ی هسته‌زایی و رشد خود به خودی. در ادامه به طور خلاصه روش‌های مختلف تولید نانوذرات را بیان می‌کنیم. به طور کلی روش‌های تولید نانوذرات عبارتند از:
 چگالش بخار
 سنتز شیمیایی
 فرآیندهای حالت جامد (خردایشی)
 استفاده از شاره‌ها فوق بحرانی به عنوان واسطه رشد نانوذرات فلزی
 استفاده از امواج ماکروویو و امواج مافوق صوت
 استفاده از باکتری‌هایی که میتوانند نانوذرات مغناطیسی و نقره‌ای تولید کنند
پس از تولید نانوذرات می‌توان با توجه به نوع کاربرد آن‌ها از روش‌های رایج زمینه‌ای مثل روکشدهی یا اصلاح شیمیایی نیز استفاده کرد [7].
1-3 کاربردهای نانوساختارهایکی از خواص نانوذرات نسبت سطح به حجم بالای این مواد است. با استفاده از این خاصیت می‌توان کاتالیزورهای قدرتمندی در ابعاد نانومتری تولید نمود. این نانوکاتالیزورها بازده واکنش‌های شیمیایی را به شدت افزایش داده و همچنین به میزان چشمگیری از تولید مواد زاید در واکنش‌ها جلوگیری خواهند نمود. به کارگیری نانو‌ذرات در تولید مواد دیگر استحکام آن‌ها را افزایش داده و یا وزن آن‌ها را کم می‌کند. همچنین مقاومت شیمیایی و حرارتی آن‌ها را بالا برده و واکنش آن‌ها در برابر نور وتشعشعات دیگر را تغییر می‌دهد.
با استفاده از نانوذرات نسبت استحکام به وزن مواد کامپوزیتی به شدت افزایش خواهد یافت. اخیرا در ساخت شیشه ضد آفتاب از نانوذرات اکسید روی استفاده شده است. استفاده از این ماده علاوه بر افزایش کارآیی این نوع شیشهها، عمر آن‌ها را نیز چندین برابر نمودهاست .از نانوذرات همچنین در ساخت انواع ساینده‌ها، رنگ‌ها، لایه‌های محافظتی جدید و بسیار مقاوم برای شیشه‌ها، عینک‌ها (ضدجوش و نشکن)، کاشی‌ها و در حفاظ‌های الکترومغناطیسی شیشه‌های اتومبیل و پنجره استفاده می‌شود. پوشش‌های ضد نوشته برای دیوارها و پوششهای سرامیکی برای افزایش استحکام سلول‌های خورشیدی نیز با استفاده از نانوذرات تولید شده‌اند.
وقتی اندازه ذرات به نانومتر می‌رسد یکی از ویژگی‌هایی که تحت تأثیر این کوچک شدن اندازه قرارمی‌گیرد تأثیرپذیری از نور و امواج الکترومغناطیسی است. با توجه به این موضوع اخیراً چسب‌هایی از نانوذرات تولید شده‌اند که کاربردهای مهمی در صنایع الکترونیکی دارند. نانولوله‌ها در موارد الکتریکی، مکانیکی و اپتیکی بسیار مورد توجه بوده‌اند. روش‌های تولید نانولوله‌ها نیز متفاوت می‌باشد، همانند تولید آن‌ها بر پایه محلول و فاز بخار یا روش رشد نانولوله‌ها در قالب که توسط مارتین مطرح شد. نانولایه‌ها در پوشش‌های حفاظتی با افزایش مقاومت در خوردگی و افزایش سختی در سطوح و فوتولیز و کاهش شیمیایی کاربرد دارند.
نانوذرات نیز به عنوان پیشماده یا اصلاح ساز در پدیده های فیزیکی و شیمیایی مورد توجه قرارگرفته‌اند. هاروتا و تامسون اثبات کردند که نانوذرات فعالیت کاتالیستی وسیعی دارند، مثل تبدیل مونواکسید کربن به دی اکسید کربن، هیدروژنه کردن استیرن به اتیل بنزن و هیدروژنه کردن ترکیبات اولفیتی در فشار بالا و فعالیت کاتالیستی نانوذرات مورد استفاده در حسگرها که مثل آنتن الکترونی بین الکترود و الکترولیت ارتباط برقرار می‌کنند [7].
1-4 مواد نانومتخلخلمواد نانو متخلخل دارای حفره‌هایی در ابعاد نانو هستند و حجم زیادی از ساختار آن‌ها را فضای خالی تشکیل می‌دهد. نسبت سطح به حجم (سطح ویژه) بسیار بالا، نفوذپذیری یا تراوایی زیاد، گزینشپذیری خوب و مقاومت گرمایی و صوتی از ویژگی‌های مهم آن‌ها می‌باشد. با توجه به ویژگی‎‌های ساختاری، این به عنوان تبادل‌گر یونی، جدا کننده، کاتالیزور، حس‌گر، غشا و مواد عایق استفاده می‌شود.
نسبت حجمی فضای خالی ماده‌ی متخلخل به حجم کل ماده‌ تخلخل نامیده میشود. به موادی که تخلخل آن‌ها بین 2/0 تا 95/0 باشد نیز مواد متخلخل می‌گویند. حفره‌ای که متصل به سطح آزاد ماده است حفره‌ی باز نام دارد که برای صاف کردن غشا، جداسازی و کاربردهای شیمیایی مثل کاتالیزور و کروماتوگرافی (جداسازی مواد با استفاده از رنگ آن‌ها) مناسب است. به حفره‌ای که دور از سطح آزاد ماده است حفره‌ی بسته می‌گویند که وجود آن‌ها تنها سبب افزایش مقاومت گرمایی و صوتی و کاهش وزن ماده شده و در کاربردهای شیمیایی سهمی ندارد. حفره‌ها دارای اشکال گوناگونی همچون کروی، استوانهای، شیاری، قیفی شکل و یا آرایش شش گوش هستند. همچنین تخلخل‌ها می‌توانند صاف یا خمیده یا همراه با چرخش و پیچش باشند [7].
بر اساس دستهبندی که توسط آیوپاک صورت گرفته است، ساختار محیط متخلخل با توجه به میانگین ابعاد حفره‌ها، مواد سازنده و نظم ساختار به سه گروه تقسیمبندی میشوند که در شکل 1-1 نشان داده شده است:
الف) دسته بندی بر اساس اندازهی حفره:
میکرومتخلخل: دارای حفرههایی با قطر کمتر از 2 نانومتر.
مزومتخلخل: دارای حفرههایی با قطر 2 تا 50 نانومتر.
right59626500ماکرومتخلخل: دارای حفرههایی با قطر بیش از 50 نانومتر.
center1720850شکل 1-1 انواع سیلیکا براساس اندازه حفره: الف) ماکرو متخلخل، ب) مزو متخلخل، ج) میکرو متخلخل [8].
0شکل 1-1 انواع سیلیکا براساس اندازه حفره: الف) ماکرو متخلخل، ب) مزو متخلخل، ج) میکرو متخلخل [8].

بر اساس شکل و موقعیت حفره‌ها نسبت به یکدیگر در داخل مواد متخلخل، حفره‌ها به چهار دسته تقسیم می‌شود: حفره‌های راه به راه، حفره‌های کور، حفره‌های بسته و حفره‌های متصل به هم که در شکل (2-1) به صورت شماتیک این حفره‌ها را نشان داده شده است.

شکل 1-2 نوع تخلخل‌ها بر اساس شکل و موقعیت [8].
بر اساس تعریف مصطلح نانوفناوری، دانشمندان شیمی در عمل نانو متخلخل را برای موادی که دارای حفرههایی با قطر کمتر از 100 نانومتر هستند به کار می‌برند که ابعاد رایجی برای مواد متخلخل در کاربردهای شیمیایی است.
ب) دستهبندی بر‌اساس مواد تشکیل دهنده:
مواد نانومتخلخل آلی
مواد نانومتخلخل معدنی
تقسیمبندی مواد نانومتخلخل آلی
1) مواد کربنی: کربن فعال، کربنی است که حفره‌های بسیار زیاد دارد و مهم‌ترین کربن از دسته مواد میکرومتخلخل است.
2) مواد بسپاری: مواد نانو متخلخل بسپاری به دلیل ساختار انعطاف‌پذیر خود، حفره‌های پایداری ندارند و تنها چند ترکیب محدود از این نوع وجود دارد [8].
تقسیم بندی مواد نانومتخلخل معدنی
1) مواد میکرومتخلخل
زئولیت‌ها: مهم‌ترین ترکیبات میکرومتخلخل بوده که دارای ساختار منظم بلوری و حفره‌دار با بار ذاتی منفی می‌باشند. در اکثر موارد ساختار زئولیتی از قطعات چهار وجهی با چهار اتم اکسیژن و یک اتم مرکزی مثل آلومینیوم، سیلیکون، گالیم یا فسفر تشکیل شده‌اند که با کاتیون‌ها خنثی می‌شوند [8].
چارچوب فلزی-آلی: از واحد‌های یونی فلزی یا خوشه‌ی معدنی و گروه‌های آلی به عنوان اتصالدهنده تشکیل شده است که اتصال آن‌ها به هم، حفره‌ای با شکلی معین مانند کره یا هشت وجهی به وجود می‌آورد. ویژگی بارز این ترکیبات، چگالی کم و سطح ویژه‌ی بالای آن‌هاست [9].
هیبرید‌های آلی-معدنی: از قطعاتی معدنی تشکیل شده‌اند که توسط واحد‌های آلی به هم متصل هستند [10].
2) مواد مزومتخلخل:
سیلیکا: ترکیبات MCM، معروف‌ترین سیلیکای مزومتخلخل هستند.
اکسید فلزات و سایر ترکیبات مزومتخلخل: اکسیدهای نانومتخلخل فلزات مثل تیتانیوم دی اکسید، روی اکسید، زیرکونیوم دی اکسید و آلومینا، فعالیتی بیشتر از حالت معمولی خود دارند. ترکیبات سولفید و نیترید هم میتوانند ساختار مزومتخلخل داشته باشند.
3) مواد ماکرومتخلخل:
بلور کلوییدی: از مجموعه کره‌هایی مانند سیلیکا ساخته می‌شود که فضای بین آن‌ها خالی است. در بلور کلوییدی معکوس کره‌ها توخالی و فضای بین آن‌ها پر است [10].
آئروژل‌ها مواد مزومتخلخل با سطح ویژه و حجم تخلخل بالا هستند که در فصل بعد به آن‌ها می‌پردازیم.
1-5 کامپوزیت‌هاکامپوزیت‌ها (مواد چند رسانهای یا کاهگل‌های عصر جدید) رده‌ای از مواد پیشرفته هستند که در آن‌ها از ترکیب مواد ساده به منظور ایجاد مواد جدیدی با خواص مکانیکی و فیزیکی برتر استفاده شده است. اجزای تشکیلدهنده ویژگی‌های خود را حفظ کرده، در یکدیگر حل نشده و با هم ترکیب نمی‌شوند.
استفاده از این مواد در طول تاریخ مرسوم بوده است. از اولین کامپوزیت‌ها یا چندسازه‌های ساخت بشر می‌توان به آجرهای گلی که در ساخت آن‌ها از کاه استفاده شده است اشاره کرد. هنگامی که این دو با هم مخلوط بشوند، در نهایت آجر پخته بهدست می‌آید که بسیار ماندگار‌تر و مقاوم‌تر از هر دو ماده اولیه، یعنی کاه و گل است. شاید هم اولین کامپوزیت‌ها را مصری‌ها ساخته باشند که در قایق‌هایشان به چوب بدنه قایق مقداری پارچه می‌آمیختند تا در اثر خیس شدن، آب توسط پارچه جذب شده و چوب باد نکند. قایق‌هایی که سرخپوستان با فیبر و بامبو می‌ساختند و تنورهایی که از گل، پودر شیشه و پشم ساخته می‌شدند از نخستین کامپوزیت‌ها هستند [11].
1-5-1 کامپوزیت یا مواد چندسازهچندسازه‌ها به موادی گفته می‌شود که از مخلوط دو یا چند عنصر با فازهای کاملا متمایز ساخته شده باشند. در مقیاس ماکروسکوپیک فازها غیر قابل تشخیص‌اند. اما در مقیاس‌های میکروسکوپیک فازها کاملا مجزا هستند و هر فاز خصوصیات عنصر خالص را نمایش می‌دهد. در چندسازه‌ها، نه تنها خواص هر یک از اجزاء باقی مانده بلکه در نتیجهی پیوستن آن‌ها به یکدیگر، خواص جدیدتر و بهتر بهدست می‌آید [11].
1-5-2 ویژگی‌های مواد کامپوزیتیمواد زیادی می‌توانند در دسته‌بندی مواد کامپوزیتی قرار بگیرند، در واقع موادی که در مقیاس میکروسکوپی قابل شناسایی بوده و دارای فازهای متفاوت و متمایز باشند در این دسته‌بندی قرار می‌گیرند. امروزه کامپوزیت‌ها به علت وزن کم و استحکام بالا در صنایع مختلف، به طور گستره‌ای مورد استفاده واقع می‌شوند. کامپوزیت‌ها با کاهش وزن و ویژگی‌های فیزیکی بسیار عالی، گزینه‌ای مناسب برای استفاده در تجهیزات ساختاری می‌باشند. علاوه بر ‌این، کامپوزیت‌ها جایگزین مناسب برای مواد سنتی در کاربردهای صنعتی، معماری، حمل و نقل و حتی در کاربردهای زیر بنایی می‌باشد [12].
یکی از ویژگی‌های بارز کامپوزیت‌ها، حضور فاز تقویـتکننده مجزا از فاز زمینه می‌باشد. ویژگی‌های اختصاصی این دو فاز، در ترکیب با یکدیگر، ویژگی‌های یکسانی را به کل کامپوزیت می‌بخشد. در یک دسته‌بندی ویژه، کامپوزیت‌ها همواره به دو فاز زمینه و تقویتکننده تقسیم می‌شوند. می‌توان گفت در واقع زمینه مانند چسبی است که تقویتکننده‌ها را به یکدیگر چسبانده و آن‌ها را از آثار محیطی حفظ می‌کند.
1-5-3 مواد زمینه کامپوزیتزمینه با محصور کردن فاز تقویت کننده، باعث افزایش توزیع بار بر روی کامپوزیت می‌گردد. در واقع زمینه، برای اتصال ذرات تقویتکننده، انتقال بارها به تقویتکننده، تهیه یک ساختار شبکه‌ای شکل از آن‌ها و حفظ تقویتکننده از آثار محیطی ناسازگار به کار گرفته می‌شود.
1-5-4 تقویتکننده‌هادسته‌ای از مواد معمولی که به عنوان فاز تقویت کننده به کار گرفته می‌شوند، عبارتند از شیشه‌ها، فلزات، پلیمرها و گرانیت. تقویتکننده‌ها در شکل‌های مختلفی از جمله فیبرهای پیوسته، فیبرهای کوتاه یا ویسکرها و ذرات تولید می‌شوند (شکل3-3). تقویت کننده‌ها باعث ایجاد ویژگی‌های مطلوبی از جمله استحکام و مدول بالا، وزن کم، مقاومت محیطی مناسب، کشیدگی خوب، هزینه کم، در دسترسپذیری مناسب و سادگی ساخت کامپوزیت می‌گردند [12].
1-5-5 نانو کامپوزیتنانو کامپوزیت‌ها مواد مرکبی هستند که ابعاد یکی از اجزای تشکیلدهنده آن‌ها در محدوده نانو‌متری باشد. نانوکامپوزیت‌ها هم، در دو فاز تشکیل می‌شود. در فاز اول، ساختار بلوری در ابعاد نانو ساخته می‌شود که زمینه کامپوزیت به شمار می‌رود. در فاز دوم هم ذراتی در مقیاس نانو به عنوان تقویت کننده برای بهبود ویژگی‌ها به فاز زمینه افزوده می‌شود. توزیع یکنواخت این فاز در ماده زمینه باعث می‌شود که فصل مشترک ماده تقویت کننده با ماده زمینه در واحد حجم، مساحت بالایی داشته باشد [13].

شکل 1-3 نمایشی از انواع مختلف تقویت کننده‌ها در کامپوزیت [12].
1-6 خلاصهدر این فصل به بیان بعضی مفاهیم اولیه پرداختهشد. خلاصه کوتاهی از فناوری نانو، نانوساختارها و روش‌های ساخت آن‌ها گفته شد. بعد از آن مواد متخلخل بررسی شد و در نهایت مختصری در مورد کامپوزیت‌ها، ویژگی‌ها و نانوکامپوزیت‌ها بیان شد.
فصل دومآئروژلها و مروری بر خواص مغناطیسی15418474142773
2-1 تاریخچهحوزهی پژوهشی آئروژل هر ساله به طور وسیعی افزایش می‌یابد به طوری که امروزه توجه بسیاری از دانشمندان جهان را به خود اختصاص دادهاست.
اولین بار ساموئل استفان کیستلر در سال 1931 با ایدهی جایگزینی فاز مایع با گاز در ژل همراه با انقباض کم، آئروژل را تولید کرد. در آن زمان سعی ایشان بر اثبات وجود شبکه‌های جامد در درون ساختار ژل بود. یک روش برای اثبات این نظریه، برداشتن فاز مایع از فاز مرطوب ژل بدون اینکه ساختار جامد از بین برود مطرح بود. برای این کار او با استفاده از یک اوتوکلاو، فاز مایع را از ژل خارجکرد که جامد باقی مانده چگالی بسیار پایینی داشت. او دما و فشار داخلی اوتوکلاو را به نقطه بحرانی مایع رساند تا بر کشش سطحی مایع غلبهکند و ساختار داخلی ژل را از فروپاشی برهاند. به این ترتیب او با موفقیت اولین آئروژل پایه سیلیکا را تولید کرد. ولی به دلیل سختی کار، برای حدود نیمقرن پژوهشی در این زمینه صورت نگرفت. اما از همان ابتدا برای دانشمندانی چون کیستلر، واضح بود که آئروژل ویژگی‌های برجسته‌ای مانند چگالی پایین و رسانایی گرمایی ناچیزی دارد [14].
در سال‌های اخیر، ساختن آئروژل به معنای رساندن الکل به فشار و دمای بخار شدنی و به طبع آن به‌دست‌آوردن نقطهی بحرانی است و باعث استخراج فوق بحرانی از ژل می‌شود. سپس، در سال 1970، دانشمند فرانسوی تایکنر و همکارانش برای بهبود فرآیند تولید دولت فرانسه، موفق شدند روش جدیدی به غیر از روش کیستلر برای تهیهی آئروژل کشف کنند و آن را روش سل-ژل نامیدند. در این روش آلکوکسی سیلان با سیلیکات سدیم، که به وسیله کیستلر استفاده می‌شد، جایگزین گردید. با ظهور روش ارائه شده به وسیله‌ی تایکنر پیشرفت‌های جدیدی در علم آئروژل و فناوری ساخت آن حاصل شد و پژوهش‌گران زیادی به مطالعه در این زمینه روی آوردند. به دلیل انجام مطالعات، تحقیقات و اقدامات صنعتی و نیمه صنعتی که در دهه 70 و 80 بر روی آئروژل‌ها صورت گرفت، این دوره را عصر رنسانس آئروژل نامیدند. [15].
این مواد جایگاه خود را به عنوان مواد جامدی با چگالی و رسانایی گرمایی پایین به‌دست آوردند. پایین‌ترین چگالی آئروژل تولید شده 1/0 میلیگرم بر سانتیمتر مکعب است، تا حدی که نمونه می‌تواند در هوا شناور بماند. گرچه برای ساخت جامد آئروژل مواد بسیاری می‌توانند استفاده شوند ولی آئروژل‌های 2SiO متداول‌ترند. البته می‌توان با واردکردن مواد مختلف در ساختار آئروژل در حین فرآیند ژل شدن، به بهبود ویژگی‌های نمونه‌های نتیجه شده کمک کرد [16].
آئروژل‌ها را می‌توان به عنوان یک ماده منحصر به فرد در زمینه فناوری سبز در نظر گرفت. هشدار جهانی، تهدید آیندهی محیط زیست توسط گاز‌های گلخانهای تولید شده بهدست بشر را تأیید می‌کند. آیندهی انرژی‌های قابل دسترس به خاطر کمشدن منابع نفتی و حتی افزایش تقاضا برای محصولات نفتی، در خطر است. آئروژل‌ها بارها و بارها به افزایش بازدهی برخی ماشین‌ها و سیستم‌ها و کمک به کاهش مصرف انرژی یاری رسانده‌اند. همچنین آئروژل‌ها می‌توانند آلاینده‌های آب را بیرون بکشند و با گرفتن ذرات مضر قبل از ورود به اکوسیستم، سبب تخریبنشدن محیط زیست شوند. دانشمندان دریافتند که این فناوری برای تجدید و حفاظت از انرژی به توسعهی بیشتری نیاز دارد [17].
2-2 شیمی سطح آئروژلسیلیکا آئروژل حاوی ذرات نانومتری هستند. این ترکیبات دارای نسبت سطح به حجم بالا و مساحت سطح ویژهی زیادی هستند. شیمی سطح داخلی در آئروژل‌ها نقش اساسی را در بروز رفتار‌های بی‌نظیر فیزیکی و شیمیایی آن‌ها، ایفا می‌کند. ماهیت سطح آئروژل‌ها تا حد زیادی به شرایط تهیهی آن‌ها بستگی دارد. انتخاب فرآیند مربوط به ترکیبات شیمیایی و ویژگی‌های مورد نظر مشخص برای نانوذرات وابسته است. دو روش پایه برای تولید نانوذرات استفاده می‌شود:
روش از بالا به پایین
اشاره به خردکردن مکانیکی مواد با استفاده از فرآیند آسیابکاری دارد. در این فرآیند مواد اولیه به بلوک‌های پایهی بیشتری شکسته می‌شوند.
روش پایین به بالا
اشاره به ساخت سیستم پیچیده به وسیله ترکیب اجزای سطح اتم دارد. در این فرآیند ساختارها به وسیله فرآیندهای شیمیایی ساخته می‌شوند.
روش پایین به بالا بر پایه ویژگی‌های فیزیکی و شیمیایی اتمی یا مولکولی خود تنظیم می‌شوند. این روش به دلیل ساختار پیچیده اتم یا مولکول، کنترل بهتر اندازه و شکل آن‌ها انتخاب شد. روش پایین به بالا شامل فرآیندهای آئروسل، واکنش‌های بارش و فرآیند سل-ژل است [18].
مرحله اول ساختن آئروژل تولید ژل خیس است که بهترین روش برای ساخت آن استفاده از پیشماده الکوکسید سیلیکون، مانند TEOS است. شیمی ساخت Si(OCH2CH3)TEOS است که با اضافه کردن آب، واکنش شیمیایی زیر صورت می‌گیرد [19] :
Si(OCH2CH3)4(liq)+2(H2O)(liq)→SiO2solid+4(HOCH2CH3)liq
اتم سلیکون به دلیل داشتن بار جزئی مثبت کاهشیافته (+) نسبت به دیگر انواع آئروژل بیشتر مورد مطالعه قرار گرفت. در Si(OEt)+ حدود 32/0 است. این بار مثبت جزئی کاهش یافته، روند ژل شدن پیشماده سیلیکا را آهسته می‌کند.
پیشمادهی الکوکسید M(OR) هستندکه اولین بار توسط امبلن برای سنتز سیلیکا آئروژل استفاده شد. در این ترکیب M نشان دهندهی گروه فلزی، OR گروه الکوکسید و R تعیینکنندهی گروه الکلی هستند. الکوکسیدها معمولا در محلول منبع الکلی خود موجود هستند و امکان خشک کردن این ژل‌ها را در چنین محلول‌هایی فراهم می‌کند [20].
اگر آئروژل از طریق خشک کردن به وسیله الکل تهیه گردد، گروه‌های آلکوکسی (OR) تشکیل دهنده سطح آن است و در این سطح آئروژل خاصیت آبگریزی پیدا می‌کند. اگر تهیه آئروژل از طریق فرآیند دی اکسید کربن باشد آنگاه سطح آئروژل را گروه‌های هیدروکسید (OH) فرا می‌گیرد و خاصیت آب‌دوست پیدا خواهدکرد و مستقیما می‌تواند رطوبت هوا را جذب نماید. البته با حرارت دادن می‌توان رطوبت جذب شده را از ساختار آئروژل حذف نمود. شکل 1-2 به خوبی خاصیت آب‌دوست و آبگریزی را در ساختار آئروژل‌های با گروه‌های عاملی مختلف نشان می‌دهد [21].

شکل 2-1 برهمکنش آب و ساختار آئروژل، الف) آئروژل آبگریز، ب) آئروژل آب‌دوست [18].
2-3 تئوری فیزیکیاتصال شبکه نانو مقیاس سیلیکای جامد آئروژل‌های پایه سیلیکا، ویژگی‌های منحصر به فردی را به آن‌ها می‌دهد. کسر یونی پیوند کووالانت قطبی برای اکسیدهای فلزی مختلف از رابطهی زیر نتیجه می‌شود:
Fionic=1-exp⁡(-0.25 XM-XO2)که XO و XM الکترون‌خواهی O و M را نشان می‌دهد. 2SiO مقدار Fionic 54/0 دارد که طیف مقدار زاویه Si-O-Si را گسترده کرده و شبکه تصادفی را می‌دهد. چهار اکسید دیگر زاویه یونی بزرگ‌تر و مقدار کوچک‌تر زاویه پیوند را سبب می‌شوند. به این معنی که پیوند تصادفی فقط روی ماکرومقیاس‌های بیشتر با ذرات کلوییدی بزرگ‌تر و متراکم‌تر اتفاق می‌افتد، در این صورت، ژل به جای شکلگرفتن شبکهی تصادفی اتصالات به صورت ذره تشکیل می‌شود [14]. شبکهی اتصالات سیلیکا برای وزن نسبی‌اش یک جامد محکم را ایجاد می‌کند.
2-4 خاصیت مغناطیسی مواد2-4-1 منشأ خاصیت مغناطیسی موادیکی از مهمترین ویژگی‌های مواد، خاصیت مغناطیسی آن‌هاست که از زمآن‌های نسبتا دور مورد توجه بوده و هم اکنون نیز در طیف وسیعی از کاربردهای صنعتی قرار گرفته است.
منشأ خاصیت مغناطیسی در جامدها، الکترون‌های متحرک می‌باشند. گرچه بعضی از هسته‌های اتمی دارای گشتاور دو قطبی مغناطیسی دائمی هستند ولی اثر آن‌ها چنان ضعیف است که نمی‌تواند آثار قابل ملاحظه‌ای داشته باشد؛ مگر در تحت شرایط خاص مانند اینکه نمونه در زیر دمای یک درجهی کلوین قرار گیرد یا وقتی که تحت میدان الکترومغناطیسی با بسامدی قرار گیرد که حرکت تقدیمی هسته را تشدید نماید. در بدو ظهور نظریات مغناطیس آزمایش‌های زیادی نشان داد که اندازه حرکت زاویهای کل یک الکترون و گشتاور مغناطیسی وابسته به آن بزرگ‎تر از مقداری است که به حرکت انتقالی آن نسبت داده می‌شد. بنابراین یک سهم اضافی که از خصوصیت ذاتی با یک درجه آزادی داخلی ناشی می‌شد، به الکترون نسبت داده شد و چون این خصوصیت دارای اثر مشابه چرخش الکترون حول محورش بود اسپین نامیده گردید [22].
2-4-2 فازهای مغناطیسیبه طورکلی مواد در میدان مغناطیسی خارجی رفتارهای متفاوتی از خود نشان می‌دهند و با توجه به جهت‌گیری مغناطش، به پنج گروه تقسیم می‌شوند که به بیان آن‌ها می‌پردازیم.
2-4-2-1 مواد دیامغناطیسدر این مواد الکترون‌ها به صورت جفت بوده و اتمها دارای گشتاور مغناطیسی دائمی نیستند و با قرارگرفتن در میدان مغناطیسی خارجی دارای گشتاور مغناطیسی القایی در خلاف جهت میدان خارجی می‌شوند و آن را تضعیف می‌کند. پذیرفتاری مغناطیسی χ چنین موادی منفی و خیلی کم است. خاصیت دیامغناطیس ظاهراً در تمام انواع مواد یافت می‌شود، اما اثر آن غالباً به وسیله‌ی آثار قویتر پارامغناطیس یا فرومغناطیس که می‌توانند با این خاصیت همراه باشند، مخفی می‌شود. خاصیت دیامغناطیسی خصوصاً در موادی بارز است که کلاً اتمها یا یونهایی با پوسته‌های بسته‌ی الکترونی تشکیل شده باشند، زیرا در این مواد تمام تأثیرات پارامغناطیسی حذف می‌شوند.
2-4-2-2 مواد پارامغناطیسمواد پارامغناطیس، موادی هستند که برخی از اتمها یا تمامی آن‌ها گشتاور دو قطبی دائمی دارند، به عبارت دیگر گشتاور دو قطبی در غیاب میدان مغناطیسی، غیرصفر است. این دو قطبیهای دائمی رفتاری مستقل از هم داشته که در نهایت جهت‌گیری تصادفی دارند و در میدان‌های کوچک رقابتی بین اثر هم‌خط‌سازی میدان و بی‌نظمی گرمایی وجود دارد، اما به طور متوسط تعداد گشتاورهای موازی با میدان بیشتر از گشتاورهای پادموازی با میدان است. پذیرفتاری در این مواد مثبت است و با افزایش دما، که در اثر آن بی‌نظمی گرمایی زیاد می‌شود، کاهش مییابد. منگنز، پلاتین، آلومینیوم، فلزخاکی قلیایی و قلیایی خاکی، اکسیژن و اکسید ازت از جمله مواد پارامغناطیس‌اند.
2-4-2-3 مواد فرومغناطیس
در برخی از مواد مغناطیسی، گشتاورهای مغناطیسی کوچک به طور خودبهخود با گشتاورهای مجاور خود هم‌خط می‌شوند. اینگونه مواد را فرومغناطیس می‌نامند. در عمل، همه‌ی حوزه‌های مغناطیسی در یک ماده‌ی مغناطیسی در یک راستا قرار ندارند، بلکه این مواد از حوزه‌های بسیار کوچکی با ابعاد خیلی کمتر از میلیمتر تشکیل شده‌اند، به طوری که گشتاورهای مغناطیسی هر حوزه با حوزه‌های مجاور آن تفاوت دارد.
ممکن است سمتگیری و اندازه‌ی حوزه‌های مغناطیسی در یک ماده‌ی فرو مغناطیس به گونه‌ای باشد که در کل اثر یکدیگر را خنثی کنند و ماده در مجموع فاقد مغناطش است. اعمال میدان مغناطیسی خارجی بر حوزه‌های مغناطیسی سبب می‌شود که گشتاورهای مغناطیسی هر حوزه تحت تأثیر میدان قرار گرفته و جهت آن‌ها در جهت میدان خارجی متمایل شود. علاوه بر این حوزههایی که با میدان همسویند، رشد میکنند، یعنی حجم آن‌ها زیاد می‌شود و در نتیجه، حوزه‌هایی که سمتگیری آن‌ها نسبت به میدان مناسب نیست کوچک می‌شوند، مرز بین این حوزه‌ها جابجا می‌شود و در نتیجه ماده در مجموع خاصیت مغناطیسی پیدا می‌کند . پذیرفتاری مغناطیسی این مواد مثبت است. آهن، کبالت، نیکل و چندین عنصر قلیایی خاکی جز فرومغناطیس‌ها می‌باشند [23].
مواد فرومغناطیس دارای چند مشخصه‌ی اصلی به صورت زیر می‌باشند:
الف) مغناطش خودبه‌خودی و مغناطش در حضور میدان
ب) حساسیت مغناطش به دما
ج) مغناطش اشباع
د) منحنی پسماند
2-4-2-4 مواد پادفرومغناطیس
در مواد پادفرومغناطیس گشتاورهای مغناطیسی مجاور به صورت موازی، برابر و غیرهم راستا جهتگیری
می‌کنند. این مواد در غیاب میدان مغناطیسی دارای گشتاور صفرند. کروم و اکسیدهای آن ، جز مواد پادفرومغناطیس می‌باشند. چنین موادی معمولاً در دماهای پایین پادفرومغناطیساند. با افزایش دما ساختار نواحی مغناطیسی شکسته شده و ماده پارامغناطیسی می‌شود. این رفتار در مواد فرومغناطیس نیز اتفاق می‌افتد به این ترتیب که در این مواد پذیرفتاری مغناطیسی مواد مغناطیسی با افزایش دما به تدریج کاهش می‌یابد تا زمانی که ماده پادفرومغناطیس شود .
پذیرفتاری مغناطیسی این مواد عدد مثبت بسیار کوچک و نزدیک به صفر است. به دمایی که در آن ماده از حالت پادفرومغناطیس به فرومغناطیس گذار می‌کند، دمای نیل می‌گویند.
χ= CT+TN
که C ثابت کوری و TN دمای نیل است.
2-4-2-5 مواد فریمغناطیس
فریمغناطیس شکل خاصی از پادفرومغناطیس است که در آن گشتاورهای مغناطیسی در جهت موازی و عکس یکدیگر قرار گرفته‌اند، اما با یکدیگر برابر نیستند و به صورت کامل یکدیگر را حذف نمی‌کنند. در مقیاس ماکروسکوپی، مواد فریمغناطیس همانند فرومغناطیس بوده و دارای مغناطش خودبه‌خودی در زیر دمای کوری بوده و دارای منحنی پسماند می‌باشند[23و24]. شکل 2-2 فازهای مغناطیسی را نشان می‌دهد.

شکل 2-2 فازهای مغناطیسی، الف) پارامغناطیس، ب) فرومغناطیس، ج) پادفرومغناطیس، د) فری مغناطیس [24].
دو خاصیت مهم و کلیدی مواد مغناطیسی دمای کوری و هیستروسیس مغناطیسی است. جفت شدگی ‏تبادلی و بنابراین انرژی تبادلی هیسنبرگ مستقیماً با دمای کوری ‏‎(Tc)‎‏ مواد فرو و فریمغناطیس در ‏ارتباط است. در کمتر از دمای ‏Tc، ممان مغناطیسی همان جهت بلوروگرافی ویژه‌ی محور صفر این ‏مواد است. این محور در ‏نتیجه‌ی جفت‌شدگی این اسپین الکترون و ممنتوم زاویهای اوربیتال الکترون ایجاد می‌شود.
‏از آنجایی که مواد فرومغناطیسی مواد جالبی بر حسب کاربردهایشان هستند، خواص آن‌ها باید به ‏طور کمی اندازه‌گیری شود و حلقهی پسماند خواص مغناطیسی جالبی را در این مواد آشکار ‏می‌کند. یک حلقه‌ی پسماند را می‌توان با قراردادن نمونه در یک مغناطیس‌سنج و پاسخ ماده ‏‎(M,)‎‏ ‏به میدان مغناطیسی اعمالی ‏‎(H)‎‏ اندازه‌گیری کرد. چندین کمیت ممکن است از روی حلقه‌ی پسماند ‏به‌دست آید. ‏
اشباع مغناطیسی ‏‎(Ms)‎‏ یا اشباع مغناطیسی ویژه (‏s‏) مواردی‌اند که مقدار مغناطیسشدگی را وقتی ‏که همه دوقطبی‌ها در جهت میدان مغناطیسی اعمالی مرتب شده‌اند نشان می‌دهد.‏
مغناطیس باقیمانده ‏‎(Mr)‎‏ مغناطیسشدگی نمونه در میدان مغناطیسی صفر است و نیروی ‏بازدارندگی ‏‎(Hc)‎، نیرویی از میدان مغناطیسی است که برای تغییر مغناطیسشدگی باقیمانده نیاز است. ‏تغییر بایاس میدان ‏‎(HE)‎، مقدار جابجایی از مرکز حلقهی پسماند را نشان می‌دهد.‏
2-4-5 حلقه پسماندوقتی به یک ماده مغناطیسی، میدان مغناطیسی اعمال شود، مغناطش محیط سریع افزایش می‌یابد، با افزایش مقدار میدان اعمالی، شتاب افزایش و مغناطش کاهش می‌یابد، این کاهش شتاب ادامه می‌یابد تا مغناطش به مقدار اشباع خود Ms برسد [25].
تغییرات مغناطش مواد مغناطیسی در هنگام کاهش میدان، از رفتار قبلی خود تبعیت نمی‌کند، بلکه به خاطر ناهمسانگردی مغناطیسی در محیط، مقداری انرژی را در خود ذخیره می‌کنند. بنابراین وقتی میدان اعمالی در محیط صفر شود، مغناطش در ماده صفر نشده و دارای مقدار خاصی است که به آن مغناطش پسماند Mr گفته می‌شود. با کاهش بیشتر میدان به سمت مقادیر منفی، خاصیت مغناطیسی القا شده به تدریج کاهش می‌یابد و با رسیدن شدت میدان به یک مقدار منفی خواص مغناطیسی ماده کاملا از بین می‌رود. این میدان مغناطیس‌زدا را با Hc نشان می‌دهند و به نیروی ضد پسماند یا وادارندگی مغناطیسی معروف است. پسماند یا نیروی وادارنده عبارتست از میدان معکوسی که برای کاهش مغناطش به صفر نیاز است. با کاهش بیشتر شدت میدان، القای مغناطیسی منفی می‌شود و در نهایت به مقادیر اشباع منفی خود می‌تواند برسد. افزایش مجدد شدت میدان به سمت مقادیر مثبت، حلقه پسماند را مطابق شکل 2-3 کامل می‌کند. مغناطیس‌های دائمی غالبا در ربع دوم حلقه پسماند خود، مورد استفاده قرار می‌گیرند [26].

شکل 23 حلقه پسماند ماده فرو مغناطیس [26].
مواد مغناطیسی از نظر رفتار آن‌ها در میدان مغناطیس دو گروه تقسیم می‌شوند:
الف) مواد مغناطیس نرم
مواد مغناطیسی نرم با اعمال میدان مغناطیسی کوچک به راحتی مغناطیده می‌شود و با قطع میدان سریعاً گشتاور مغناطیسی خود را از دست می‌دهند. به عبارتی این مواد دارای نیروی وادارندگی پایین، اشباع مغناطیسی بالا و گشتاور پسماند پایین هستند.
مواد مغناطیس نرم در جاهایی که به تغییر سریع گشتاور مغناطیسی با اعمال میدان مغناطیسی کوچک نیاز است مانند موتورها، حسگرها، القاگرها و فیلترهای صوتی مورد استفاده قرار می‌گیرد.
ب) مواد مغناطیس سخت
مواد مغناطیس سخت موادی‌اند که به راحتی مواد مغناطیس نرم، مغناطیده نمی‌شوند و به میدان مغناطیسی اعمالی بزرگ‌تری جهت مغناطیده کردن آن‌ها نیاز است. این مواد گشتاور مغناطیسی را تا مدت‌ها پس از قطع میدان حفظ می‌کنند. همچنین دارای اشباع مغناطیسی، گشتاور پسماند و نیروی وادارندگی بالایی هستند. ساخت یا پخت این مواد در میدان مغناطیسی، ناهمسانگردی مغناطیسی را در این مواد افزایش می‌دهد که حرکت دیواره حوزه‌ها را سخت‌تر می‌کند و نیروی وادارندگی را افزایش می‌دهد. این امر می‌تواند تولید مادهی سخت مغناطیسی بهتری را تضمین کند. کاربرد این مواد در آهن‌رباهای دائمی و حافظه‌های مغناطیسی است [26].

شکل 24 حلقه پسماند در مواد فرومغناطیس نرم و سخت[26].
2-5 فریتفریت به آن دسته از مواد مغناطیسی اطلاق می‌شود که جزء اصلی تشکیل دهندهی آن‌ها اکسید آهن است و دارای خاصیت فریمغناطیس می باشند (آرایشی از فرومغناطیس) و پارامترهای مغناطیسی مطلوبی نظیر ضریب نفوذپذیری مغناطیسی بالا از جمله اصلی‌ترین خصیصه‌های آن‌ها به شمار می‌رود. بدین جهت کاربردهای بسیار وسیعی را در زمینه صنایع برق، الکترونیک، مخابرات، کامپیوتر و… به خود اختصاص داده‌اند.
یکی از انواع فریت‌ها نوع اسپینلی آن است، فریت‌های اسپینلی با فرمول عمومی 2-o2+A3+B که در آن 2+A و 3+B به ترتیب کاتیون‌های دو و سه ظرفیتی می‌یاشند.
فریت‌ها دارای خاصیت فریمغناطیس می‌باشند نظم مغناطیسی موجود در فریمغناطیس‌ها ناشی از برهم‌کنش‌های دو قطبی‌های مغناطیسی نیست بلکه ناشی از برهم‌کنش تبادلی است در برهمکنش تبادلی هم‌پوشانی اوربیتال‌های اتمی مد نظر می‌باشد در فریت‌ها برهم‌کنش تبادلی ناشی از هم‌پوشانی الکترون‌های اوربیتال d3 یون‌های A و B و الکترون‌های اوربیتالP 2 یون‌‎های اکسیژن است. و قدرت این بر‌هم‌کنش تبادلی است که خاصیت مغناطیسی نمونه را رقم می‌زند.
2-6 خلاصهدر این فصل به شیمی آئروژل و دو روش بالا به پایین و پایین به بالای تولید نانوذرات اشاره شد. سپس خاصیت مغناطیسی مواد و فاز‌های مغناطیسی ممکن برای مواد مغناطیسی بررسی شد. پس از آن توضیح کوتاهی در مورد حلقهی پسماند و موارد قابل اندازه‌گیری از آن گفته شد و در نهایت مختصری از مواد فریتی بیان گردید.
فصل سومساخت آئروژل و کاربردهای آن19509215088990
مقدمهسیلیکا آئروژل‌ها به دلیل ویژگی‌های منحصر به فرد، هم در علم و هم در تکنولوژی توجه زیادی را به خود اختصاص داده‌اند. آئروژل‌ها از پیشماده مولکولی با روش‌های مختلف و تکنیک‌های خشک کردن متفاوت برای جایگزینی منافذ مایع با گاز همراه با حفظ شبکهی جامد، تهیه می‌شوند. [27]
علی‌رغم تمامی تلاش‌های قابل توجهی که در این زمینه صورت گرفته است، چالش‌های اصلی تحت کنترل عوامل یکنواختی(همگنی)، بارگذاری، اندازه و توزیع نانوذرات در شبکه‌ی میزبان آلی باقی ماندهاست، در عوض این شبکه‌ی میزبان به طور مستقیم ویژگی‌های الکتریکی، نوری، مغناطیسی و کاتالیزوری مواد نانوکامپوزیت را حفظ می‌کند.
3-1 سنتز آئروژل با فرآیند سل-ژلتفاوت در ویژگی‌های شیمیایی پیش‌ماده‌ها برای فاز نانو (معمولاً نمک فلزی) و برای ماتریس آلی (عموماً الکوکسید‌ها) موضوع مهمی هستند، چرا که پارامترهای فرآیند سل-ژل بر روی هیدرولیز و چگالش هر کدام از این پیشماده‌ها تأثیر متفاوتی دارد [28]. هر چند این موضوع مساله‌ی مهمی در طراحی هر نانوکامپوزیت سل-ژل است اما در رابطه با آئروژل‌ها حیاتی‌تر می‌باشد، زیرا نیازمند جایگزین شدن حلال موجود در ژل (معمولاً اتانول یا متانول در الکوژل و آب در آکوژل) با تغییر حلال و در نهایت حذف کردن به وسیلهی استخراج حلال فوق بحرانی است. مرحله خشک کردن فوق بحرانی، بسته به این که الکل یا کربن دی اکسید به صورت فوق بحرانی تخلیه شود (به ترتیب نیازمند حرارتی در حدود 350 و 40 درجهی سانتیگراد است). این مرحله مسائل دیگری درباره حلالیت پیشماده‌ها و پایداری حرارتی در شرایط خشک کردن فوق بحرانی را مطرح می‌کند [29]. استراتژی‌های مختلف اتخاذ شده برای سنتر نانوکامپوزیت‌های آئروژل، بسته به اینکه فاز نانو (یا پیش‌مادهی آن) در حین یا بعد از فرآیند سل-ژل اضافه شود، دو رویکرد کلی دارند.
روش اول شامل هیدرولیز و ژل شدن نانوذرات و ماتریس پیشماده و ژل شدن ماتریس پیش‌ماده به همراه شکل‌گیری نانوذرات است. مزیت این روش تولید موادی با بارگذاری نانوذرات قابل کنترل است. از طرفی، چندین اشکال در مورد آن مطرح است. برای بهدست آوردن ژل دارای چند ترکیب همگن شرایط سنتز باید به صورت دقیق انتخاب شود و پیشماده‌های نانوذرات و همچنین عوامل پوشش دهی موردنیاز در شکل‌گیری نانوذرات کلوئیدی ممکن است بر سنتز سل-ژل ماتریس تأثیر بگذارد.
روش دوم شامل روش‌های مبتنی بر اضافه کردن فاز نانو بعد از فرآیند سل-ژل است و باید ساختار متخلخل و مورفولوژی ماتریس را حفظ کند. این روش‌ها شامل تلقیح فاز نانو با اشباع، ته‌نشینی و روش رسوبگذاری بخار شیمیایی می‌باشد. طرح‌واره روش‌های مختلف برای شیمی سنتز نانوکامپوزیت آئروژل در شکل 3-1 نشان داده شده است.
هرچند این روشها نیز دارای دو اشکال عمده هستند: یکی همگنی ضعیف ترکیب نانوکامپوزیت تولیدشده، دیگری ترد و شکننده بودن آئروژل‌ها. اتصال فلز در یک ماتریس با گروه‌های هماهنگ اصلاح شده است و غوطه‌ور کردن الکوژل و آکوژل در محلول قبل از خشک کردن فوق بحرانی، به ترتیب به عنوان راهحلهایی برای غلبه بر کاستی‌های گفته شده است. رسوب نانوذرات از فاز بخار، بر خلاف روش‌های تلقیح مرطوب، ماتریس متخلخل را تغییر نمیدهد و تضمین میکند که فاز مهمان در سراسر ماتریس توزیع خواهد شد [30].

شکل 3-1 طرح‌واره‌ای از روش‌های مختلف برای شیمی سنتز نانوکامپوزیت [33].
3-2 شکل‌گیری ژل خیسژل‌های سیلیکا به طور عمومی با هیدرولیز و واکنش چگالش پیشماده سیلیکا به‌دست می‌آیند. ماتریس سیلیکای نهایی متخلخل است و حفره‌های ژل با حلال جانبی هیدرولیز و واکنش پلیمریزه شدن پر شده است. اگر ترکیب محلول بهتواند از ژل خیس بدون سقوط قابل ملاحظه ساختار خارج شود، آئروژل شکل می‌گیرد [31].
روش سل-ژل شامل یک یا چند پیشماده سیلیکون است که متداول‌ترین آن‌ها TEOS و TMOS می‌باشند و داراری چهار گروه الکوکسید شناخته شده در آرایش چهار وجهی در اطراف اتم سیلیکون مرکزی است. واکنش هیدرولیز در چهار جهت اتفاق می‌افتد و منجر به پیوند Si-O-Si می‌شود و یک مادهی کپهای که ترکیبی از 2SiO را می‌دهد. اگر یکی از شاخه‌های الکوکسید اتم سیلیکون توسط گروه عاملی مختلفی که قادر نیست تحت واکنش چگالش قرار گیرد، جایگزین شود گروه عاملی با پیوند کووالانسی به اتم سیلیکون درون ماتریس ژل باقی خواهد ماند. الکوکسیدهای فلزی به راحتی با آب واکنش می‌دهد و بر حسب میزان آب و حضور کاتالیست، عمل هیدرولیز ممکن است کامل انجام شود.
ملکول‌های شکلگرفته آلی-فلزی به مرور زمان بزرگ می‌شوند و به صورت یک ساختار پیوسته در داخل مایع در می‌آیند. این ساختار پیوسته که حالت الاستیک دارد، ژل گفته می‌شود [32].
به طور کلی شکل‌گیری محلول پایدار الکوکسید یا پیشماده‌های فلزی حل شده مرحله اول فرآیند تهیه آئروژل است. این محلول همگن به‌دست آمده در مرحله دوم به علت وجود آب هیدرولیز شده و سل یکنواختی را ایجاد می‌کند. در مرحله سوم واکنش بسپارش ادامه پیدا می‌کند تا سل به ژل تبدیل شود. این مرحله، پیرسازی نیز گفته می‌شود. پس از آن مرحلهی نهایی که خشک کردن است باقی می‌ماند.
3-3 خشک کردن آلکوژلبعد از شکل‌گیری ژل توسط هیدرولیز و واکنش چگالش، شبکه Si-O-Si شکل می‌گیرد. بخش پیرسازی به تشدید شبکه ژل اشاره دارد؛ ممکن است چگالش بیشتر، تجزیه، و ته‌نشینی ذرات سل یا تبدیل فاز داخل فاز جامد یا مایع صورت گیرد. این نتایج در یک جامد متخلخل که حلال در آن گیر افتاده است اتفاق می‌افتد. فرآیند حذف حلال اصلی از ژل (که معمولاً آب و الکل است) را خشککردن می‌گویند. در طول فرآیند خشککردن، ترکخوردگی اتفاق می‌افتد به این دلیل که نیروی مویینگی در گذار مایع-گاز در داخل منافذ ریز وجود دارد. معادله لاپلاس در اینجا به کار می‌رود، هر چه شعاع مویینگی کوچک‌تر باشد، ارتفاع مایع بیشتر و فشار هیدروستاتیک بالاتر خواهد بود. هنگامی که انرژی سطح باعث بالا رفتن ستون مایع داخل مویرگ‌ها می‌شود، مقدار فشار سطحی داخل مویرگ قابل محاسبه است.
قطر حفره در ژل از مرتبهی نانومتر است، به طوری که مایع ژل فشار هیدروستاتیک بالایی را باید اعمال کند. هلال داخل حفره‌ها و نیروهای کشش سطحی سعی می‌کند تا ذرات را به عنوان مایع در حفره‌ها تبخیر کند. این نیروها می‌توانند به گونه‌ای عمل کنند که باعث سقوط حفره و ساختار شوند. بنابراین ژل‌ها با حفره‌های ریز زیاد تمایل به انقباض و ترک خوردن دارند [33]. سل ژلهایی که شیمی سطح آن‌ها اصلاح نشده (شکل3-2) و در شرایط محیط خشک شدند به علت این فروپاشی منافذ تا حدود یک هشتم حجم اولیهی خود کوچک میشوند؛ ماده حاصل زیروژل نامیده میشود. اگر این فرآیند خشککردن به آرامی رخ دهد، زیروژل یکپارچه سالم میتواند تولید شود. اما برای تولید یک آئروژل، باید از عبور از مرز فاز بخار-مایع اجتناب کرد.

شکل 3-2 اصلاح شیمی سطح ژل [34].
روشهای کنونی برای پرهیز از فروپاشی منافذ درساخت آئروژل را میتوان در سه تکنیک کلی دستهبندی کرد. هرکدام از این تکنیکها طراحی شدهاند تا نیروهای مویینگی ناشی از اثرات کشش سطحی را کاسته و یا حذف نمایند. این تکنیکها الف) خشک کردن در شرایط محیط پس از اصلاح سطح، ب) خشک کردن انجمادی و ج) خشک کردن فوق بحرانی است [34]. توضیح کلی درباره هرکدام از این تکنیکها در ادامه آمده است.
3-3-1 فرآیند‌های خشککردن در شرایط محیطاین تکنیکهای خشک کردن طراحی شدهاند تا ژل خیس را در فشار محیط خشک کنند. این روشها نیازمند فرآیندهای شیمیایی با تعویض طولانی مدت حلال برای کاهش نیروهای مویینگی وارد بر نانوساختار یا برای افزایش توانایی نانوساختار در تحمل این نیروهاست (یا با قویتر کردن ساختار و یا با منعطف‌تر ساختن آن). تغییر شیمی سطح ژل خیس بر پایه TEOS برای ارتقاع انقباض قابل برگشت با استفاده از تبادل حلال با هگزان به وسیله اصلاح سطح با فرآیند کاهش گروه سیلانولی با TMCS [35و36]. همچنین استفاده از پیری ژل در محلول الکل یا الکوکسید برای سفت شدن میکرو ساختار به منظور جلوگیری از فروپاشی منافذ است [37]. به علاوه ترکیبکردن شاخه‌های متقاطع سیلیکا آئروژل است که می‌تواند نیروهای مویینگی در حین خشک کردن تحت فشار محیط را تحمل نماید [38].
3-3-2 خشککردن انجمادیخشککردن انجمادی یک ژل خیس منجر به تولید کریوژل میشود. خشککردن انجمادی باعث تولید پودر آئروژل کدر می‌شود [39]. این تکنیک حلال اضافی را با تصعید حذف میکند. ژل خیس منجمد میشود و سپس حلال در فشار پایین تصعید میشود [40]. میکروبلور‌های منجمد که حین فرآیند خشککردن انجمادی شکل می‌گیرند منجر به آئروژل‌های ماکروحفره‌تری در مقایسه با روش استخراج فوق بحرانی میشوند [41].
3-3-3 خشک کردن فوق بحرانیروشهای استخراج فوق بحرانی از مرز بین مایع و بخار با بردن حلال به بالاتر از نقطه فوق بحرانی آن اجتناب می‌کند و سپس از ماتریس سل-ژل به عنوان یک مایع فوق بحرانی حذف می‌شود. در این حالت هیچ مرز مایع-بخاری وجود ندارد، بنابراین هیچ فشار مویینگی دیده نمی‌شود. شکل 3-3 چرخه فشار-دما در طول فرآیند فوق بحرانی را نشان می‌دهد. در عمل انواع متعددی از روشهای استخراج فوق بحرانی وجود دارد که شامل تکنیک‌هایی با دمای بالا، دمای پایین و سریع است.

شکل 3-3 چرخه فشار-دما در حین فرآیند خشک کردن فوق بحرانی [42].
تکنیک‌های استخراج فوق بحرانی الکل دمای بالا، ژل خیس را به حالت فوق بحرانی حلال (معمولاً متانول یا اتانول) در یک اتوکلاو و یا هر مخزن فشار دیگری می‌برد. این مستلزم فشارهای بالا حدود Mpa 8 و دماهای بالا حدود 260 درجهی سانتیگراد می‌باشد [42]. شکل 3-4 شماتیکی از دستگاه خشککن فوق بحرانی اتوکلاو را نشان می‌دهد.

شکل 3-4 شماتیکی از دستگاه خشک کن فوق بحرانی اتوکلاو [42].
تکنیکهای استخراج فوق بحرانی دمای پایین بر اساس استخراج 2CO است که دمای نقطه بحرانی پایین‌تری نسبت به مخلوط الکل باقیمانده در منافذ سل-ژل بعد از پلیمریزاسیون دارد. این روش به تبادل حلال به طور سری نیازمند است، ابتدا حلال غیرقطبی و سپس با کربن دیاکسید مایع پیش از استخراج فوق بحرانی که می‌تواند در نقطه فوق بحرانی 2CO اتفاق بیافتد [43]. مزایای این تکنیک دمای بحرانی پایین‌تر و حلال پایدارتر است؛ هرچند مراحل اضافه شده به فرآیند سبب طولانی‌تر شدن زمان آمادهسازی آئروژل می‌شود. از آنجائیکه فشار بحرانی مورد نیاز نسبت به روشهای فوق بحرانی دما بالا تغییری چندانی ندارد (فشار بحرانی 2CO مشابه متانول و اتانول است)، این فرآیند نیز نیاز به استفاده از مخازن فشار دارد. به علاوه روند انتشار تبادل حلال وابسته به اندازهی ژل است.
تکنیکهای استخراج فوق بحرانی سریع از یک قالب محدود استفاده می‌کند، چه در مخزن فشار و چه در یک فشار داغ هیدرولیک قرار بگیرند. این تکنیکها فرآیندهای تک مرحله‌ای پیش‌ماده به آئروژل هستند و آئروژل را در کمتر از 3 ساعت بهدست می‌آورند. در این روش پیشماده‌های شیمیایی مایع و کاتالیست در یک قالب دو قسمتی ریخته می‌شوند سپس به سرعت گرم می‌شوند [44]. در ابتدا فشار با بستن دو بخش قالب با هم یا با اعمال فشار هیدروستاتیکی خارجی به جای مخازن فشار بزرگ‌تر یا با ترکیبی از این دو تنظیم می‌شود. زمانیکه نقطه فوق بحرانی الکل فرارسید، اجازه داده میشود تا مایع فوق بحرانی خارج شود [45]. برای مثال گوتیه و همکارانش [46] در روند انجام این فرآیند از یک فشار داغ هیدرولیکی برای مهروموم کردن و گرم کردن قالب حاوی مخلوط پیشماده آئروژل استفاده کردند. مخلوط مایع از پیشماده‌های آئروژل در یک قالب فلزی ریخته شد و سپس در فشار داغ قرار گرفت. در طول اجرا، فشار داغ برای مهروموم کردن ترکیب به جای قالب استفاده شد و یک نیروی باز دارندهی فشاری را فراهم کرد. سپس قالب و مخلوط به بالای دما و فشار فوق بحرانی متانول برده شد. در مدت زمان این فرآیند گرم کردن، پیشمادههای آئروژل واکنش نشان داده و یک ژل خیس نانوساختاری متخلخل را تشکیل داد. زمانیکه به حالت بحرانی رسید، فشار کاهش داده شد و مایع فوق بحرانی رها شد.
3-3-4 مقایسه روش‌هاهر یک از روش‌های ساخت آئروژل شرح داده شده در بالا، نقاط قوت و محدودیت‌هایی دارند. مقایسه مستقیم تکنیک‌های مختلف خشک کردن به علت دستورالعمل‌های پیشماده متفاوت، شرایط ژل شدن مختلف، و زمان پیر سازی، به خوبی روش‌های استخراج متفاوت هستند. برای مثال خشککردن فوق بحرانی دما پایین نیاز به زمان پیرسازی کافی دارد، به طوری که ژل‌ها می‌توانند از ظرف اولیه برای استخراج و تبادل حلال خارج شوند.
در فرآیند خشککردن سریع، عموما زمان پیرسازی کوتاه است؛ گرچه، دمای بالا در این فرآیند اثر مشخصی را روی روند واکنش چگالش دارد.
مزیت اصلی تکنیک‌های خشک کردن در فشار محیط، عدم نیاز به تجهیزات فشار بالا می باشد که گران قیمت و به طور بالقوه خطرناک است؛ اگرچه به مراحل پردازش چندگانه با تبادل حلال نیاز دارند. تا به حال مطالعات اندکی در رابطه با استفاده از روش‌های خشککردن انجمادی شده است. این تکنیک‌ها نیاز به تجهیزات خاصی برای رسیدن به دمای پایین لازم برای تصعید حلال و منجر شدن به پودر آئروژل، دارند.
محدودیت اصلی تکنیکهای فوق بحرانی دما بالا، رسیدن به دماهای بالای مورد نیاز برای دست یافتن به نقطه بحرانی حلال الکل و نیز ملاحظات ایمنی در بکار بردن مخزن فشار در این شرایط است.
روش استخراج دما پایین به طور گسترده در تولید آئروژل‌های یکپارچه کوچک تا بسیار بزرگ استفاده شده است، اگرچه می‌تواند روزها تا هفته‌ها تولید آن طول بکشد و مراحل چندگانه تبادل حلال مورد نیاز، آن را تبدیل به فرآیندی پیچیده کند و اتلاف قابل ملاحظه‌ای از حلال و 2CO ایجاد می‌کند. تکنیک‌های خشککردن سریع ساده‌تر و سریع‌تر است. تمامی فرآیند، بر خلاف مراحل چندگانه و مقیاس‌های زمانی در ابعاد روزها و ماهها در سایر روش‌ها، در یک مرحله انجام شده و می‌تواند در چند ساعت تکمیل شود. همچنین این روش‌ها اتلاف کمتری را به وجود می‌آورند. یک ایراد روش‌های خشککردن سریع، نیاز به دما و فشار بالاست [47].
3-4 مروری بر کارهای انجام شدهاگرچه میدانیم که این گزارش‌های جامعی از مقالات مرتبط با نانوکامپوزیت‌های آئروژل نیست، اما تأکید بر این مطلب است که چگونه ترکیب نانوذرات ممکن است احتمال استفاده از آئروژل‌ها را به عنوان مواد جدید افزایش دهد و چگونه مسیر آماده سازی مورد اطمینان برای به‌دست آوردن نانوکامپوزیت‌های آئروژل برای کاربرد خاص را انتخاب نماییم.
پس از آنکه کیستلر در سال 1931 برای اولین بار بدون درهم شکستن ساختار ژل، فاز مایع را از آن جدا کرد، در سال 1938 به مطالعه روی رسانایی گرمایی آئروژل و در سال 1943 درباره سطح ویژه آن‌ها به مطالعه پرداخت [48]. بعد از آن حدود نیمقرن دانشمندان علاقه‌ای به آئروژل‌ها نشان ندادند تا در اویل 1980 آئروژل به عرصه پژوهش بازگشت.
در سال 1992تیلسون و هاربش از TEOS به عنوان پیشمادهی سیلیکا ژل استفاده کردند و از میکروسکوپ الکترونی روبشی برای مشخصه‌یابی آن‌ها استفاده نمودند [49] و سپس هر ساله تحقیقات زیادی روی آئروژل‌ها صورت می‌گیرد.
در سال 2001 کاساس و همکارانش نانوکامپوزیت مغناطیسی را با ورود ذرات اکسید آهن در سیلیکا آئروژل میزبان سنتز کردند. این سنتز که به روش سل-ژل و با خشککردن فوق بحرانی متانول انجام شد، دو نمک آهن استفاده شد: O2H9.(3ON)Fe و O2H2.(EDTA)FeNa. در این پژوهش ارتباط واضحی بین پیشماده، آب و تخلخل و سطح ویژه آئروژل حاصل وجود داشت. استفاده از ترکیب EDTA به عنوان پیش‌مادهی نانوذرات، قطر میانگین حفره‌ها را افزایش داد، گرچه قابلیت حل پایین نمک EDTA در محلول یک مانع بزرگ برای رسیدن به آهن در این روش بود. مساحت سطح ویژه‌ی نمونه‌های کاساس بین /g2m 200 و /g2m 619 بهدست آمد و برخی نمونه‌ها رفتار پارامغناطیس و برخی دیگر رفتار مغناطیس نرم از خود نشان دادند [50].
در سال 2002 واگنر و همکارانش ذرات سیلیکا با هستهی مغناطیسی را با روش ته‌نشینی به‌دست آوردند [51]. و چند سال بعد در سال 2006 ژانگ و همکارانش ذرات پوسته‌ای هسته‌دار را با روش سل-ژل تهیه کردند. این ذرات شامل هستهی مغناطیسی فریت کبالت و پوستهی سیلیکا بودند که از TEOS به عنوان پیشمادهی سیلیکا استفاده کردند. پس از آنکه ژل‌ها به‌دست آمدند، در 110 درجهی سانتیگراد برای 4 ساعت در خلاء خشک شدند زیرا اگر در هوا خشک شوند احتمال ته‌نشینی بلور‌های اکسید وجود داشت. سپس به مدت 2 ساعت در دماهای مختلف برای به‌دست آوردن نانو بلور پراکنده در ماتریس سیلیکا حرارت داده شد. برای نمونه‌ی آن‌ها شکل‌گیری فاز فریت کبالت در دمای 800 درجهی سانتیگرادکامل شد و خوشه‌های فریت کبالت به سمت نانو بلوری شدن پیش رفتند، زمانی که برهم‌کنش بین خوشه‌های فریت کبالت با ماتریس سیلیکا شکسته شد پیوندهای Si-O-Fe ناپدید شدند. بر طبق گزارش آن‌ها اشباع مغناطیسی نانوکامپوزیت‌ها با افزایش غلظت بیشتر فریت در ماتریس افزایش یافت تا مقدار بیشینه emu/g 98/66 برای نمونه با نسبت مولی 1:1 (wt% 80 فریت کبالت) به‌دست آمد [52].
سیلوا و همکارانش در سال 2007 کامپوزیت ذرات فریت کبالت پخش شده در ماتریس سیلیکا را به روش سل-ژل تهیه کردند. آن‌ها از TEOS به عنوان پیشماده سیلیکا و از نیترات به عنوان پیش‌ماده فریت استفاده کردند. پس از گذشت زمان پیرسازی، نمونه برای 12 ساعت در 110 درجهی سانتیگراد خشک شدند و ذرات فریت کبالت در ماتریس سیلیکا شکل گرفتند. پس از آن عملیات حرارتی برای 2 ساعت در دماهای 300، 500، 700 و 900 درجهی سانتیگراد انجام شد که باعث افزایش در اندازهی ذرات شد. رسوب ذرات خوشه‌ای فریت در دیواره‌های منافذ زیروژل با افزایش دما بیشتر شد و در دماهای بالاتر از 700 درجهی سانتیگراد بلورهای بزرگ‌تر کبالت داخل منافذ ماتریس شکل گرفتند و افزایش در مغناطش اشباع و پسماند مغناطیسی را باعث شدند [53].
در همان سال فرناندز و همکارانش نانو کامپوزیت سیلیکا آئروژل/ آهن اکسید را با فرآیند سل-ژل و تبخیر فوق بحرانی حلال سنتز کردند. آن‌ها نمونه‌ها با پیشماده‌های TEOS و TMOS را با تبخیر فوق بحرانی اتانول و متانول خشک کردند. ذرات مغناطیسی با اندازهی متوسط nm 6 با TEOS و متانول سنتز شدند در حالی که فری‌هیدرات‌ها از TMOS و اتانول به‌دست آمدند. بعضی نمونه‌های آن‌ها رفتار ابر پارامغناطیس از خود نشان دادند [54].
دو سال بعد ژنفا زی و همکارانش نانوذرات فریت کبالت را به روش هم‌نهشت شیمیایی و خشک شدن در هوا در دمای80 درجهی سانتیگراد تهیه کردند. اندازهی قطر نانوذرات سنتز شده nm 20 تا nm 30 بود و دمای کوری در فرآیند افزایش دما کمتر از فرآیند کاهش دما بود. مقدار اشباع مغناطیسی این ذرات emu/g 77/61 بهدست آمد که نسبت که مقدار کپه آن کوچک‌تر بود. در این پژوهش مقدار پایین نیروی وادارندگی به دو دلیل اتفاق می‌افتد: ذرات فریت ممکن است ساختار چند دامنه داشته باشند. شکل‌گیری چند دامنه‌ها و حرکت دیوارهای دامنه می‌تواند کاهش دامنه را نتیجه دهد. همچنین اگر اندازهی بحرانی ذرات [55] بهدست آمده بزرگ‌تر از قطر میانگین ذرات باشد، رفتار تک دامنه را از خود نشان می‌دهند. آن‌ها گزارش کردند که کاهش وادارندگی نمونه‌ها به رفتار وابسته به اندازهی ذرات بستگی دارد [56].
بلازینسکی و همکارانش در پژوهشی که در سال 2013 انجام دادند، سیلیکا آئروژل را با روش سل-ژل و فرآیند فوق بحرانی تهیه کردند. آن‌ها دریافتند که روش خشک کردن فوق بحرانی مؤثرترین روش برای بهدست آوردن بهترین ویژگی این محصولات است. بدین منظور آن‌ها دستگاه خشک کن فوق بحرانی را برای خود ساختند که فشار و دما به طور دستی تنظیم می‌شد و مرحله مهم در آمادهسازی سیلیکا آئروژل‌ها بود. به این ترتیب آن‌ها سیلیکا آئروژل‌های شفاف با مساحت سطح ویژه بالا به‌دست آوردند [57].
در گزارشی دیگر در سال 2014 ساجیا و همکارانش پودر آمورف فریت کبالت را به روش سل-ژل تهیه کردند و این روش را بهترین روش تهیه نانوذرات عنوان کردند. آن‌ها دریافتند که عملیات حرارتی برای تجزیه کامل مقدار مواد آلی و نیترات حاضر در پودر آمورف لازم است. در این فرآیند برای جلوگیری از ته‌نشینی یا رسوبگذاری این واکنش اسید سیتریک به آن اضافه کردند و سپس مراحل خشک کردن و عملیات حرارتی انجام شد. پارامترهای عملیات حرارتی، مرحله نهایی در آماده‌سازی نانوذرات فریت کبالت بودند که بررسی شدند. ساختار اسپینل در همهی نمونه‌های آن‌ها شکل گرفته بود و هنگامی که ذرات شروع به رشد کردند ناخالصی‌ها حذف شد. ویژگی مغناطیسی مرتبط با رفتار فریمغناطیس این نمونه‌ها مقدار emu/g 62 برای اشباع مغناطیسی را نشان می‌دهد [58].
در جدیدترین پژوهشی که دربارهی آمادهسازی و ارزیابی نانوکامپوزیت سیلیکا آئروژل/فریت در سال 2014 صورت گرفته است، کاتاگر و همکارانش نانوذرات فریت را به روش ته‌نشینی آماده کردند و سپس TMOS را به آن اضافه نمودند. برای این کار آن‌ها O2H6. 2NiCl، O2H6. 3FeCl و 2ZnCl را با اضافه کردن آب مقطر حل کردند. PH محلول در رفلاکس 110 درجهی سانتیگراد به مدت 24 ساعت 13 تنظیم شده بود. با حذف NaOH که برای PH اضافه شده بود، و شستن مکرر با آب مقطر و اتانول نانوذرات نتیجه شدند. بعد از بهدست آمدن نانوذرات به طور مستقیم به TMOS اضافه شدند و 3NH و آب دیونیزه به عنوان کاتالیست برای تهیه سل همگن اضافه گردیدند. برای مرحله پیر سازی قالب‌های حاوی سل را در اتانول به مدت 2 ساعت و دمای 50 درجهی سانتیگراد پیرسازی کردند و در نهایت ژل خیس را با خشک کردن فوق بحرانی کربن دی اکسید بهدست آوردند. تحقیقات آن‌ها نشان داد که زمان ژل شدن با افزایش نسبت مولی اتانول/TMOS افزایش یافت. همچنین به دلیل کشش سطحی اتانول، نمونه‌ها منقبض می‌شوند یا ترک می‌خورند. نانوکامپوزیت به‌دست آمده ساختار اسکلت شبکه‌ی سه بعدی را حفظ کرد. مساحت سطح ویژه با افزایش مقدار فریت از /g2m 700 تا /g2m 300 تغییر کرد. به علاوه ویژگی مغناطیسی فریت در ساختار نانو کامپوزیت تغییر نکرد [59].
3-5 برخی از کاربردهای آئروژل3-5-1 آئروژل‌ها به عنوان کامپوزیتهمانطور که پیشمادهی الکوکسید سیلیکون برای شکل‌گیری شبکه‌ی ژل با اکسیدهای فلزی دیگر به اندازه‌ی کافی واکنشی است، مطالعات زیادی در زمینه سنتز سیلیکا آئروژل برای کاربردهای مختلف صورت گرفته است [1].
3-5-2 آئروژل‌ها به عنوان جاذبآئروژل‌های فوق آبگریز و انعطافپذیر برای در جذب حلال‌های معدنی و روغن‌ها سنتز شدند. ونکاتشوارا رائو و همکارانش چگالی جذب و واجذب سیلیکا آئروژل‌های فوق آبگریز را با استفاده از یازده حلال و سه روغن بررسی کردند [60].
3-5-3 آئروژل‌ها به عنوان حسگرآئروژل‌ها تخلخل بالا، حفره‌های در دسترس، و سطح در معرض بالا دارند. از این رو کاندیداهای خوبی برای استفاده به عنوان حسگر هستند.بر اساس مطالعه وانگ و همکارانش روی آئروژل لایه‌ی نازک نانوذرات سیلیکا آئروژل نشان داد که مقاومت الکتریکی به طور قابل ملاحظه‌ای با افزایش رطوبت کاهش یافت. زیروژل همان مواد حساسیت کم‌تری را نشان داد. آئروژل‌هایی که اصلاح سطح شدند در مقایسه با آئروژل‌های آب‌گریز کمتر تحت تأثیر رطوبت قرار گرفتند و می‌توانند به عنوان ضد زنگ و عوامل آب‌گریز مورد استفاده قرار بگیرند [61].
چن و همکارش آئروژل‌هایی را برای کاربرد حسگرهای زیستی مطالعه کردند. در مطالعه آن‌ها، آئروژل‌های مزوحفره به وسیله پلیمریزاسیون سل-ژل با یک مایع یونی به عنوان حلال تهیه کردند. نتایج نشان می‌دهدکه آئروژل آماده شده می‌تواند به عنوان یک بسترشناسایی برای اسید نوکلوئیدها به کار رود [62].
3-5-4 آئروژل به عنوان مواد با ثابت دی الکتریک پایینلایه نازک‌های آئروژل 2SiO توجه خاصی را به خود اختصاص داد، به دلیل ثابت دی الکتریک خیلی پایین، تخلخل و پایداری حرارتی بالا. پارک و همکارانش لایه نازک سیلیکا آئروژل را برای لایهی داخلی دی الکتریک مورد بررسی قرار دادند و ثابت دی الکتریک را تقریبا 9/1 اندازه‌گیری کردند. آن‌ها ثابت دی الکتریک بسیار پایین فیلم‌های آئروژل را برای لایهی داخلی مواد دی الکتریک تولید کردند. فیلم های سیلیکا آئروژل به ضخامت Å 9500، % 5/79 تخلخل، و ثابت دی الکتریک پایین 2 با روش فرآیند خشک کردن محیط با استفاده از n-هپتان به عنوان حلال خشک کن به‌دست آوردند [63].
3-5-5 آئروژل به عنوان کاتالیزورمساحت سطح ویژه‌ی بالای آئروژل‌ها منجر به کاربردهای زیادی می‌شود، از جمله جاذب شیمیایی برای پاکسازی نشتی. این ویژگی کاربرد زیادی را به عنوان کاتالیزور یا حامل کاتالیزور به همراه دارد. آئروژل‌ها در کاتالیست‌های همگن مناسب هستند، زمانی که واکنش‌دهنده‌ها هم در فاز مایع و هم در فاز گاز هستند [27].
3-5-6 آئروژل به عنوان ذخیره سازیتخلخل بالا و مساحت سطح زیاد سیلیکا آئروژل‌ها می‌تواند برای کاربردهایی مثل فیلترهای گازی، جذب رسانهای برای کنترل اتلاف، محصور سازی، ذخیره سوخت هیدروژن به کار رود. آئروژل‌ها می‌توانند در مقابل تنش گذار مایع/گاز مقاومت کنند زیرا بافت آنها در طول پخت تقویت شد به عنوان مثال در ذخیره سازی، انتقال مایعات چون سوخت موشک‌ها کار برد دارد. به علاوه وزن پایین آئروژل‌ها بزرگ‌ترین مزیت است که در سیستم حمل دارو به دلیل ویژگی زیست سازگار آن‌ها مورد استفاده است [64]. کربن آئروژل‌ها در ساخت الکتروشیمی ابر خازن دو لایه کوچک استفاده شد. ابر خازن‌های آئروژل مقاومت ظاهری پایینی در مقایسه با ابر خازن‌های معمولی دارد و می‌تواند جریان بالا را تولید یا جذب کند.
3-5-7 آئروژل‌ها به عنوان قالبفیلم‌های سیلیکا آئروژل برای سلول‌های خورشیدی رنگ حساس استفاده شدند. مساحت سطح ویژه‌ی فیلم‌های آئروژل روی فیلم‌های شیشه‌ای رسانا تهیه شدند. نشست لایه اتمی برای پوشش قالب آئروژل با ضخامت‌های مختلف 2TiO با دقت کمتر از نانومتر انجام شد. غشاء آئروژل پوشش داده شده با 2TiO در سلول خورشیدی رنگ حساس گنجانیده شد. طول نفوذ شارژ با افزایش ضخامت 2TiO افزایش یافت که منجر به افزایش جریان شد [65].
3-5-8 آئروژل به عنوان عایق گرماجدای از تخلخل بالا و چگالی پایین یکی از جذاب‌ترین ویژگی‌های آئروژل رسانندگی گرمایی پایین آن‌ها است، علاوه بر این، از یک شبکه‌ی سه بعدی با ذرات ریز متصل شده تشکیل شده‌اند. بنابراین انتقال گرما از میان بخش جامد آئروژل‌ها از طریق مسیر پر پیچ و خمی است. فضای اشغال نشده در یک جامد توسط آئروژل به طور معمول با هوا پر شده مگر آن که تحت خلاء مهروموم شده باشد. این گازها می‌توانند انرژی حرارتی را از طریق آئروژل انتقال دهند. حفره‌های آئروژل باز هستند و اجازه عبور گاز از میان مواد را می‌دهند [27].
3-5-9 آئروژل‌ها در کاربرد فضاییناسا از آئروژل‌ها برای به دام انداختن ذرات گرد و غبار روی فضاپیما استفاده کرد. ذرات در برخورد با جامد اسیر شده، گازها تبخیر می‌شوند و ذرات در آئروژل به دام می‌افتند [27].
جدول 3-1 کاربردهای مختلف آئروژل‌ها را به طور مختصر نشان می‌دهد.
3-6 خلاصهدر این فصل پس از مقدمه‌ی کوتاه، اندکی در مورد سنتز آئروژل با روش سل-ژل گفته شد. پس از آن فرآیند‌های لازم برای شکل‌گیری ژل بیان شد و سپس تکنیک‌های مختلف خشک کردن و شرایط لازم برای این کار با مختصری توضیح نوشته شد. بعد مروری کوتاه به برخی از تلاش‌های انجام شده در این زمینه داشتیم و در آخر برخی از کاربردهای مختلف آئروژل‌ها را با ذکر مثال درج شد.
جدول 3-1 کاربردهای مختلف آئروژل‌ها [27].
خاصیت ویژگی کاربرد
رسانایی الکتریکی بهترین جامد عایق
شفاف
مقاومت در برابر درجه حرارت بالا
سبک ساخت و ساز ساختمآن‌ها و عایقبندی لوازم خانگی
ذخیره سازی
ماشین، وسیله نقلیه فضایی
دستگاه‌های خورشیدی
چگالی/تخلخل سبک‌ترین جامد مصنوعی
سطح ویژه_ی بالا
کامپوزیت‌های چندگانه کاتالیزور
حسگر
ذخیرهی سوخت
تبادل یون
فیلترهای آلاینده‌های گازی
اهداف ICF
حامل رنگ‌دانه
قالب
اپتیکی شفافیت
شاخص بازتاب پایین
کامپوزیت‌های چندگانه اپتیک سبک وزن
آشکارسازهای چرنکوف
راهنماهای نوری
عایق صوتی سرعت صوت پایین اتاق‌های ضد صدا
تطبیق مقاومت ظاهری صوتی در التراسونیک
مکانیکی الاستیک
سبک جاذب انرژی
تله برای ذرات سرعت بالا
الکتریکی ثابت دی الکتریک پایین
قدرت دی الکتریک بالا
سطح ویژهی بالا دی الکتریک برای ICها
جدا کنندهی الکترودهای خلا

—d1143

شکل 2-9. الگوریتم خوشه‌بندی افرازبندی...................................................................................... 16
شکل 2-10. الگوریتم فازی خوشه‌بندی ...................................................................................................... 18
شکل 2-11. خوشه‌بندی کاهشی .............................................................................................................................. 23
شکل 2-12. شبه‌کد الگوریتم MKF ........................................................................................................................ 26
شکل2-13. (الف) مجموعه داده با تعداد 10 خوشه واقعی. (ب) منحنی ........................................................ 29
شکل2-1۴. (الف) مجموعه داده (ب) منحنی مربوطه ..................................................................................... 29
شکل2-15. دو افراز اولیه با تعداد سه خوشه ........................................................................................................... 31
شکل2-16. نمونه‌های اولیه در نتایج الگوریتم ................................................................................ 36
شکل 2-17. زیر شبه کد الگوریتم خوشه‌بندی ترکیبی توسط مدل مخلوط .............................................................. 43
شکل 2-18. خوشه‌بندی ترکیبی ............................................................................................................................... 44
شکل 2-19. نمونه ماتریس، جهت تبدیل خوشه‌بندی به ابر گراف ................................................................. 45
شکل 2-20. ماتریس شباهت بر اساس خوشه برای مثال شکل (3-5) .................................................................... 46
شکل 2-21. الگوریتم افرازبندی ابر گراف ............................................................................................................... 47
شکل 2-22. الگوریتم فرا خوشه‌بندی ..................................................................................................................... 49
شکل2-23. الگوریتم خوشه‌بندی ترکیبی مبتنی بر ماتریس همبستگی ...................................................................... 50
شکل2-24. الگوریتم افرازبندی با تکرار ................................................................................................................... 53
شکل2-25. نمایش گراف مجاورت در مراحل کاهش درجه ماتریس و شمارش آن ................................................ 54
شکل2-26. مثال روند تغییر توزیع تعداد خوشه ....................................................................................................... 55
شکل2-27. جریان کار عمومی برای پیاده‌سازی الگوریتم افرازبندی گراف .............................................................. 55
شکل 2-28. گراف تابع در بازه بین صفر و یک ............................................................................................. 62
شکل 2-29. الگوریتم خوشه‌بندی ترکیبی طیفی مبتنی بر انتخاب بر اساس شباهت ................................................ 63
شکل 2-30. مثالی از ماتریس اتصال ........................................................................................................................ 66
شکل 2-31. شبه کد خوشه‌بندی ترکیبی انتخابی لی‌مین .......................................................................................... 68
شکل 2-32. روش ارزیابی خوشهی یک افراز در روش MAX ............................................................................... 69
شکل 2-33. چهارچوب خوشهبندی ترکیبی مبتنی بر انتخاب با استفاده از مجموعه‌ای از خوشه‌های یک افراز ...... 71
شکل 2-34. چهارچوب روش بهترین افراز توافقی اعتبارسنجی شده ...................................................................... 72
فصل سوم
شکل3-1. چهارچوب الگوریتم خوشه‌بندی خردمند با استفاده از آستانه‌گیری ......................................................... 82
شکل3-۲. محاسبه درجه استقلال دو خوشه‌بندی ..................................................................................................... 86
شکل3-3. تأثیر عدم تمرکز بر روی پیچیدگی داده ................................................................................................... 89
شکل3-3. تأثیر انتخاب افرازها در خوشه‌بندی ترکیبی مبتنی بر انتخاب بر مقدار NMI ارزیابی‌شده ........................ 91
شکل3-4. شبه کد خوشه‌بندی خردمند با استفاده از آستانه‌گیری .............................................................................. 92
شکل3-5. دسته‌بندی الگوریتم‌های خوشه‌بندی ........................................................................................................ 94
شکل3-6. کد الگوریتم K-means به زبان استقلال الگوریتم‌ خوشه‌بندی ................................................................. 98
شکل3-7. تبدیل کد‌های شروع و پایان به گراف .................................................................................................... 100
شکل3-8. تبدیل عملگر شرط ساده به گراف ......................................................................................................... 100
شکل3-9. تبدیل عملگر شرط کامل به گراف ......................................................................................................... 101
شکل3-10. تبدیل عملگر شرط تو در تو به گراف ................................................................................................. 101
شکل3-11. تبدیل عملگر حلقه ساده به گراف ....................................................................................................... 102
شکل3-12. تبدیل عملگر حلقه با پرش به گراف ................................................................................................... 102
شکل3-13. پیاده‌سازی شرط ساده بدون هیچ کد اضافی ........................................................................................ 103
شکل3-14. پیاده‌سازی شرط ساده با کدهای قبل و بعد آن .................................................................................... 103
شکل3-15. پیاده‌سازی شرط کامل ......................................................................................................................... 104
شکل3-16. پیاده‌سازی شرط‌ تو در تو .................................................................................................................... 104
شکل3-17. پیاده‌سازی یک شرط کامل در یک شرط ساده .................................................................................... 105
شکل3-18. پیاده‌سازی یک شرط کامل در یک شرط کامل دیگر ........................................................................... 105
شکل3-19. پیاده‌سازی حلقه ساده .......................................................................................................................... 106
شکل3-20. پیاده‌سازی یک حلقه ساده داخل حلقه‌ای دیگر ................................................................................... 106
شکل3-21. پیاده‌سازی یک حلقه داخل یک شرط کامل ........................................................................................ 106
شکل3-22. پیاده‌سازی یک شرط کامل داخل یک حلقه ساده ................................................................................ 107
شکل3-23. ماتریس درجه وابستگی‌ کد ................................................................................................................. 108
شکل3-24. شبه کد مقایسه محتوای دو خانه از آرایه‌های استقلال الگوریتم .......................................................... 108
شکل3-25. چهارچوب خوشه‌بندی خردمند مبتنی بر گراف استقلال الگوریتم ...................................................... 110
شکل3-26. شبه کد خوشه‌بندی خردمند مبتنی بر گراف استقلال الگوریتم ............................................................ 113
فصل چهارم
شکل۴-۱. مجموعه داده Halfring .......................................................................................................................... 118
شکل4-2. الگوریتم K-means ................................................................................................................................ 121
شکل4-3. الگوریتم FCM ...................................................................................................................................... 121
شکل4-4. الگوریتم Median K-Flats .................................................................................................................... 122
شکل4-5. الگوریتم Gaussian Mixture ................................................................................................................ 122
شکل4-6. الگوریتم خوشه‌بندی Subtractive ......................................................................................................... 122
شکل4-7. الگوریتم پیوندی منفرد با استفاده از معیار فاصله اقلیدسی ..................................................................... 123
شکل4-8. الگوریتم پیوندی منفرد با استفاده از معیار فاصله Hamming ................................................................ 123
شکل4-9. الگوریتم پیوندی منفرد با استفاده از معیار فاصله Cosine ..................................................................... 123
شکل4-10. الگوریتم پیوندی کامل با استفاده از معیار فاصله اقلیدسی ................................................................... 124
شکل4-1۱. الگوریتم پیوندی کامل با استفاده از معیار فاصله Hamming .............................................................. 124
شکل4-1۲. الگوریتم پیوندی کامل با استفاده از معیار فاصله Cosine .................................................................... 124
شکل4-1۳. الگوریتم پیوندی میانگین با استفاده از معیار فاصله اقلیدسی ............................................................... 124
شکل4-14. الگوریتم پیوندی میانگین با استفاده از معیار فاصله Hamming .......................................................... 125
شکل4-15. الگوریتم پیوندی میانگین با استفاده از معیار فاصله Cosine ............................................................... 125
شکل4-16. الگوریتم پیوندی بخشی با استفاده از معیار فاصله اقلیدسی ................................................................ 125
شکل4-17. الگوریتم پیوندی بخشی با استفاده از معیار فاصله Hamming ............................................................ 125
شکل4-18. الگوریتم پیوندی بخشی با استفاده از معیار فاصله Cosine ................................................................. 126
شکل4-19. طیفـی با استفاده از ماتریس شباهت نامتراکم ...................................................................................... 126
شکل4-20. طیفـی با استفاده از روش نیستروم با متعادل ساز .............................................................................. 127
شکل4-21. طیفـی با استفاده از روش نیستروم بدون متعادل ساز ......................................................................... 127
شکل4-22. نرم‌افزار تحلیل‌گر کد استقلال الگوریتم ............................................................................................... 128
شکل4-23. ماتریس AIDM ................................................................................................................................... 129
شکل4-24. میانگین دقت الگوریتم‌های خوشه‌بندی ............................................................................................... 131
شکل4-25. رابطه میان آستانه استقلال و زمان اجرای الگوریتم در روش پیشنهادی اول ........................................ 133
شکل4-26. رابطه میان آستانه پراکندگی و زمان اجرای الگوریتم در روش پیشنهادی اول ..................................... 133
شکل4-27. رابطه میان آستانه استقلال و دقت نتیجه نهایی در روش پیشنهادی اول .............................................. 134
شکل4-28. رابطه میان آستانه پراکندگی و دقت نتیجه نهایی در روش پیشنهادی اول ............................................ 134
شکل4-29. رابطه میان آستانه عدم تمرکز و دقت نتیجه نهایی در روش پیشنهادی اول ......................................... 135
شکل4-30. رابطه میان آستانه پراکندگی و زمان اجرای الگوریتم در روش پیشنهادی دوم ..................................... 135
شکل4-31. رابطه میان آستانه پراکندگی و دقت نتایج نهایی در روش پیشنهادی دوم ............................................ 136
شکل4-32. رابطه میان آستانه عدم تمرکز و دقت نتایج نهایی در روش پیشنهادی دوم ......................................... 137
شکل4-33. مقایسه زمان اجرای الگوریتم‌ ............................................................................................................... 138
فصل اول
مقدمه
center3187700
1. مقدمه1-1. خوشه‌بندیبه عنوان یکی از شاخه‌های وسیع و پرکاربرد هوش مصنوعی، یادگیری ماشین 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 رو‌یکرد هستند. امروزه، داده‌کاوی به عنوان یک ابزار قوی برای تولید اطلاعات و دانش از داده‌های خام، در یادگیری ماشین شناخته‌شده و همچنان با سرعت در حال رشد و تکامل است. به طور کلی می‌توان تکنیک‌های داده‌کاوی را به دو دسته بانظارت و بدون نظارت تقسیم کرد [29, 46].
در روش بانظارت ما ورودی (داده یادگیری) و خروجی (کلاس داده) یک مجموعه داده را به الگوریتم هوشمند می‌دهیم تا آن الگوی بین ورودی و خروجی را تشخیص دهد در این روش خروجی کار ما مدلی است که می‌تواند برای ورودی‌های جدید خروجی درست را پیش‌بینی کند. روش‌های طبقه‌بندی و قوانین انجمنی از این جمله تکنیک‌ها می‌باشد. روش‌های با نظارت کاربرد فراوانی دارند اما مشکل عمده این روش‌ها این است که همواره باید داده‌ای برای یادگیری وجود داشته باشد که در آن به ازای ورودی مشخص خروجی درست آن مشخص شده باشد. حال آنکه 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 (کلاس) به آن‌ها اختصاص داده نشده است اما به وضوح جزئی از یک دسته هستند [46, 68]. خوشه‌بندی شاخص‌ترین روش در داده‌کاوی جهت حل مسائل به صورت بدون ناظر است. ایده اصلی خوشه‌بندی اطلاعات، جدا کردن نمونه‌ها از یکدیگر و قرار دادن آن‌ها در گروه‌های شبیه به هم می‌باشد. به این معنی که نمونه‌های شبیه به هم باید در یک گروه قرار بگیرند و با نمونه‌های گروه‌های دیگر حداکثر متفاوت را دارا باشند [20, 26]. دلایل اصلی برای اهمیت خوشه‌بندی عبارت‌اند از:
اول، جمع‌آوری و برچسب‌گذاری یک مجموعه بزرگ از الگوهای نمونه می‌تواند بسیار پرکاربرد و باارزش باشد.
دوم، می‌توانیم از روش‌های خوشه‌بندی برای پیدا کردن و استخراج ویژگی‌ها و الگوهای جدید استفاده کنیم. این کار می‌تواند کمک به سزایی در کشف دانش ضمنی داده‌ها انجام دهد.
سوم، با خوشه‌بندی می‌توانیم یک دید و بینشی از طبیعت و ساختار داده به دست آوریم که این می‌تواند برای ما باارزش باشد.
چهارم، خوشه‌بندی می‌تواند منجر به کشف زیر رده‌های مجزا یا شباهت‌های بین الگوها ممکن شود که به طور چشمگیری در روش طراحی طبقه‌بندی قابل استفاده باشد.
1-2. خوشه‌بندی ترکیبیهر یک از الگوریتم‌های خوشه‌بندی، با توجه به اینکه بر روی جنبه‌های متفاوتی از داده‌ها تاکید می‌کند، داده‌ها را به صورت‌های متفاوتی خوشه‌بندی می‌نماید. به همین دلیل، نیازمند روش‌هایی هستیم که بتواند با استفاده از ترکیب این الگوریتم‌ها و گرفتن نقاط قوت هر یک، نتایج بهینه‌تری را تولید کند. در واقع هدف اصلی خوشه‌بندی ترکیبی جستجوی بهترین خوشه‌ها با استفاده از ترکیب 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 زیرمجموعه نتایج اولیه می‌گویند. در این روش‌ها بر اساس معیاری توافقی مجموعه‌ای از مطلوب‌ترین نتایج اولیه را انتخاب کرده و فقط توسط آن‌ها نتیجه نهایی را ایجاد می‌کنیم [21]. معیارهای مختلفی جهت انتخاب مطلوب‌ترین روش پیشنهاد شده است که معیار اطلاعات متقابل نرمال شده، روش ماکزیموم و 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 جمعینظریه خرد جمعی که اولین بار توسط سورویکی در سال 2004 در کتابی با همان عنوان منتشر شد، استنباطی از مسائل مطرح‌شده توسط گالتون و کندورست 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 سورویکی خردمند بودن جامعه در شرایط چهارگانه پراکندگی، استقلال، عدم تمرکز و روش ترکیب مناسب است [55].
1-4. خوشه‌بندی مبتنی بر انتخاب بر اساس نظریه خرد جمعیهدف 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 تحقیقاین تحقیق بر اساس فرضیات زیر اقدام به ارائه روشی جدید در خوشه‌بندی ترکیبی مبتنی بر انتخاب بر اساس نظریه خرد جمعی می‌کند.
۱ ) در این تحقیق تمامی آستانه‌گیری‌ها بر اساس میزان صحت نتایج نهایی و مدت زمان اجرای الگوریتم به صورت تجربی انتخاب می‌شوند.
۲ ) 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.
۳ ) جهت اطمینان از صحت نتایج آزمایش‌ها ارائه‌شده در این تحقیق، حداقل اجرای هر الگوریتم بر روی هر داده ده بار تکرار شده و نتیجه‌ی 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 ترکیبی مورد بررسی قرار می‌گیرد. همچنین به مرور روش‌های انتخاب خوشه و یا افراز 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.

فصل دوم
مروری بر ادبیات تحقیق
center2132965
2. مروری بر ادبیات تحقیق2-1. مقدمهدر این بخش، کارهای انجام‌شده در خوشه‌بندی و خوشه‌بندی ترکیبی را مورد مطالعه قرار می‌دهیم. ابتدا چند الگوریتم‌ پایه خوشه‌بندی معروف را معرفی خواهیم کرد. سپس چند روش کاربردی جهت ارزیابی خوشه، خوشه‌بندی و افرازبندی را مورد مطالعه قرار می‌دهیم. در ادامه به بررسی ادبیات خوشه‌بندی ترکیبی خواهیم پرداخت و روش‌های ترکیب متداول را بررسی خواهیم کرد. از روش‌های خوشه‌بندی ترکیبی، روش ترکیب کامل و چند روش معروف مبتنی بر انتخاب را به صورت مفصل شرح خواهیم داد.
2-2. خوشه‌بندیدر این بخش ابتدا انواع الگوریتم‌های خوشه‌بندی پایه را معرفی می‌کنیم و سپس برخی از آن‌ها را مورد مطالعه قرار می‌دهیم سپس برای ارزیابی نتایج به دست آمده چند متریک معرفی خواهیم کرد.
2-2-1. الگوریتم‌های خوشه‌بندی پایهبه طور کلی، الگوریتم‌های خوشه‌بندی را می‌توان به دو دسته کلی تقسیم کرد:
1- الگوریتم‌های سلسله مراتبی
2- الگوریتم‌های افرازبندی
الگوریتم‌های سلسله مراتبی، یک روال برای تبدیل یک ماتریس مجاورت به یک دنباله از افرازهای تو در تو، به صورت یک درخت است. در این روش‌ها، مستقیماً با داده‌ها سروکار داریم و از روابط بین آن‌ها برای به دست آوردن خوشه‌ها استفاده می‌کنیم. یکی از ویژگی‌های این روش قابلیت تعیین تعداد خوشه‌ها به صورت بهینه می‌باشد. در نقطه مقابل الگوریتم‌های سلسله مراتبی، الگوریتم‌های افرازبندی قرار دارند. هدف این الگوریتم‌ها، تقسیم داده‌ها در خوشه‌ها، به گونه‌ای است که داده‌های درون یک خوشه بیش‌ترین شباهت را به همدیگر داشته باشند؛ و درعین‌حال، بیش‌ترین فاصله و اختلاف را با داده‌های خوشه‌های دیگر داشته باشند. در این فصل تعدادی از متداول‌ترین الگوریتم‌های خوشه‌بندی، در دو دسته سلسله مراتبی و افرازبندی، مورد بررسی قرار می‌گیرند. از روش سلسله‌ مراتبی چهار الگوریتم‌ از سری الگوریتم‌های پیوندی را مورد بررسی قرار می‌دهیم. و از الگوریتم‌های افرازبندی K-means، FCM و الگوریتم طیفی را مورد بررسی خواهیم داد.
2-2-1-1. الگوریتم‌های سلسله مراتبیهمان‌گونه که در شکل 2-1 مشاهده می‌شود، روال الگوریتم‌های خوشه‌بندی سلسله مراتبی را می‌تواند به صورت یک دندوگرام نمایش داد. این نوع نمایش تصویری از خوشه‌بندی سلسله مراتبی، برای انسان، بیشتر از یک لیست از نمادها قابل‌درک است. در واقع دندوگرام، یک نوع خاص از ساختار درخت است که یک تصویر قابل‌فهم از خوشه‌بندی سلسله مراتبی را ارائه می‌کند. هر دندوگرام شامل چند لایه از گره‌هاست، به طوری که هر لایه یک خوشه را نمایش می‌دهد. خطوط متصل‌کننده گره‌ها، بیانگر خوشه‌هایی هستند که به صورت آشیانه‌ای داخل یکدیگر قرار دارند. برش افقی یک دندوگرام، یک خوشه‌بندی را تولید می‌کند [33]. شکل 2-1 یک مثال ساده از خوشه‌بندی و دندوگرام مربوطه را نشان می‌دهد.

شکل 2-1. یک خوشه‌بندی سلسله مراتبی و درخت متناظر
اگر الگوریتم‌های خوشه‌بندی سلسله مراتبی، دندوگرام را به صورت پایین به بالا بسازند، الگوریتم‌های خوشه‌بندی سلسله مراتبی تراکمی نامیده می‌شوند. همچنین، اگر آن‌ها دندوگرام را به صورت بالا به پایین بسازند، الگوریتم‌های خوشه‌بندی سلسله مراتبی تقسیم‌کننده نامیده می‌شوند [26]. مهم‌ترین روش‌های خوشه‌بندی سلسله مراتبی الگوریتم‌های سری پیوندی می‌باشد که در این بخش تعدادی از کاراترین آن‌ها مورد بررسی قرار خواهند گرفت که عبارت‌اند از:
الگوریتم پیوندی منفرد
الگوریتم پیوندی کامل
الگوریتم پیوندی میانگین
الگوریتم پیوندی بخشی
2-2-1-1-1. تعاریف و نماد‌ها
شکل 2-2. ماتریس مجاورت
قبل از معرفی این الگوریتم‌ها، در ابتدا نمادها و نحوه نمایش مسئله نمایش داده خواهد شد. فرض کنید که یک ماتریس مجاورت متقارن داریم. وارده در هر سمت قطر اصلی قرار دارد که شامل یک جای گشت اعداد صحیح بین 1 تا است. ما مجاورت‌ها را عدم شباهت در نظر می‌گیریم. به این معنی است که اشیاء 1 و 3 بیشتر از اشیاء 1 و 2 به هم شبیه‌اند. یک مثال از ماتریس مجاورت معمول برای است که در شکل 2-2 نشان داده شده است. یک گراف آستانه، یک گراف غیر جهت‌دار و غیر وزن‌دار، روی گره، بدون حلقه بازگشت به خود یا چند لبه است. هر نود یک شیء را نمایش می‌دهد. یک گراف آستانه برای هر سطح عدم شباهت به این صورت تعریف می‌شود: اگر عدم شباهت اشیاء و از حد آستانه کوچک‌تر باشد، با واردکردن یک لبه بین نودهای ویک گراف آستانه تعریف می‌کنیم.
(2-1)if and only if
شکل 2-3 یک رابطه دودویی به دست آمده از ماتریس مربوط به شکل 2-2 را برای مقدار آستانه 5 نشان می‌دهد. نماد "*" در موقعیت ماتریس، نشان می‌دهد که جفت متعلق به رابطه دودویی می‌باشد. شکل 2-4، گراف‌های آستانه برای ماتریس را نمایش می‌دهد.

شکل 2-3. رابطه دودویی و گراف آستانه برای مقدار آستانه 5.

شکل 2-4. گراف‌های آستانه برای ماتریس
2-2-1-1-2. الگوریتم پیوندی منفرداین الگوریتم روش کمینه و روش نزدیک‌ترین همسایه نیز نامیده می‌شود [26]. اگر و خوشه‌ها باشند، در روش پیوندی منفرد، فاصله آن‌ها برابر خواهد بود با:
(2-2)
که نشان‌دهنده فاصله (عدم شباهت) بین نقاط a و b در ماتریس مجاورت است. شکل 2-5 این الگوریتم را نمایش می‌دهد. شکل 2-6 دندوگرام حاصل از روش پیوندی منفرد را برای ماتریس ، را نشان می‌دهد.
Step 1. Begin with the disjoint clustering implied by threshold graph, which contains no edges and which places every object in a unique cluster, as the current clustering. Set.
Step 2. From threshold graph.
If the number of comonents (maximally connected subgraphs) in, is less than the number of clusters in the current clustering, redefiene the current clustering by naming each component of as a cluster.
Step 3. If consists of a single connected graph, stop. Else, setand go to step 2.
شکل 2-5. الگوریتم خوشه‌بندی سلسله مراتبی تراکمی پیوندی منفرد

شکل 2-6. دندوگرام پیوندی منفرد برای ماتریس
2-2-1-1-3. الگوریتم پیوندی کاملاین الگوریتم روش بیشینه یا روش دورترین همسایه نیز نامیده می‌شود. الگوریتم پیوندی کامل می‌گوید که وقتی دو خوشه و شبیه به هم هستند که بیشینه روی تمام ها در و کوچک باشد. به عبارت دیگر، در این الگوریتم، برای یکی کردن دو خوشه، همه جفت‌ها در دو خوشه باید شبیه به هم باشند [26]. اگر و خوشه‌ها باشند، در روش پیوندی کامل، فاصله آن‌ها برابر خواهد بود با:
(2-3)
که نشان‌دهنده فاصله(عدم شباهت) بین نقاط a و در ماتریس مجاورت است. شکل 2-7 این الگوریتم و شکل 2-8 دندوگرام حاصل از این روش را برای ماتریس ، را نشان می‌دهد.
Step 1. Begin with the disjoint clustering implied by threshold graph, which contains no edges and which places every object in a unique cluster, as the current clustering. Set.
Step 2. From threshold graph.
If two of the current clusters from a clique (maximally complete sub graph) in, redefine the current clustering by merging these two clusters into a single cluster.
Step 3. If, so that is the complete graph on the nodes, stop. Else, set and go to step 2.
شکل 2-7. الگوریتم خوشه‌بندی سلسله مراتبی تراکمی پیوندی کامل

شکل 2-8. دندوگرام پیوندی کامل برای ماتریس
2-2-1-1-4. الگوریتم پیوندی میانگینالگوریتم پیوندی منفرد اجازه می‌دهد تا خوشه‌ها به صورت دراز و نازک رشد کنند. این در شرایطی است که الگوریتم پیوندی کامل خوشه‌های فشرده‌تری تولید می‌کند. هر دو الگوریتم مستعد خطا با داده‌های خارج از محدوده هستند. الگوریتم خوشه‌بندی پیوندی میانگین، یک تعادلی بین مقادیر حدی الگوریتم‌های پیوندی منفرد و کامل است. الگوریتم پیوندی میانگین همچنین، روش جفت-گروه بدون وزن با استفاده از میانگین حسابی نامیده می‌شود. این الگوریتم، یکی از پرکاربردترین الگوریتم‌های خوشه‌بندی سلسله مراتبی می‌باشد [26]. اگر یک خوشه با تعداد تا عضو، و یک خوشه دیگر با تعداد تا عضو باشند، در روش پیوندی میانگین، فاصله آن‌ها برابر خواهد بود با:
(2-4)
که نشان‌دهنده فاصله(عدم شباهت) بین نقاط a و در ماتریس مجاورت است.
2-2-1-1-5. الگوریتم پیوندی بخشیروش پیوندی بخشی که از مربع مجموع خطا‌های (SSE) خوشه‌های یک افراز برای ارزیابی استفاده می‌کند، یکی دیگر از روش‌های سلسله مراتبی می‌باشد [60]. اگر یک خوشه با تعداد تا عضو، و یک خوشه دیگر با تعداد تا عضو باشند و نماد به معنای فاصله اقلیدسی و و مراکز خوشه‌های و باشد آنگاه در روش پیوندی بخشی، فاصله آن‌ها برابر خواهد بود با:
(2-5)
2-2-1-2. الگوریتم‌های افرازبندییک خاصیت مهم روش‌های خوشه‌بندی سلسله مراتبی، قابلیت نمایش دندوگرام است که تحلیل‌گر را قادر می‌سازد تا ببیند که چگونه اشیاء در سطوح متوالی مجاورت، در خوشه‌ها به هم پیوند می‌خورند یا تفکیک می‌شوند. همان طور که اشاره شد، هدف الگوریتم‌های افرازبندی، تقسیم داده‌ها در خوشه‌ها، به گونه‌ای است که داده‌های درون یک خوشه بیش‌ترین شباهت را به همدیگر داشته باشند؛ و درعین‌حال، بیش‌ترین فاصله و اختلاف را با داده‌های خوشه‌های دیگر داشته باشند. آن‌ها یک افراز منفرد از داده را تولید می‌کنند و سعی می‌کنند تا گروه‌های طبیعی حاضر در داده را کشف کنند. هر دو رویکرد خوشه‌بندی، دامنه‌های مناسب کاربرد خودشان را دارند. معمولاً روش‌های خوشه‌بندی سلسله مراتبی، نیاز به ماتریس مجاورت بین اشیاء دارند؛ درحالی‌که روش‌های افرازبندی، به داده‌ها در قالب ماتریس الگو نیاز دارند. نمایش رسمی مسئله خوشه‌بندی افرازبندی می‌تواند به صورت زیر باشد:
تعیین یک افراز از الگوها در گروه، یا خوشه، با داشتن الگو در یک فضای d-بعدی؛ به طوری که الگوها در یک خوشه بیش‌ترین شباهت را به هم داشته و با الگوهای خوشه‌های دیگر بیش‌ترین، تفاوت را داشته باشند. تعداد خوشه‌ها،، ممکن است که از قبل مشخص‌شده نباشد، اما در بسیاری از الگوریتم‌های خوشه‌بندی افرازبندی، تعداد خوشه‌ها باید از قبل معلوم باشند. در ادامه برخی از معروف‌ترین و پرکاربردترین الگوریتم‌های افرازبندی مورد بررسی قرار خواهند گرفت.
2-2-1-2-1. الگوریتم K-meansدر الگوریتم مراکز خوشه‌ها بلافاصله بعد از اینکه یک نمونه به یک خوشه می‌پیوندد محاسبه می‌شوند. به طور معمول بیشتر روش‌های خوشه‌بندی ترکیبی از الگوریتم جهت خوشه‌بندی اولیه خود استفاده می‌کنند [37, 47, 57]. اما مطالعات اخیر نشان داده‌اند که با توجه به رفتار هر مجموعه داده، گاهی اوقات یک روش خوشه‌بندی خاص پیدا می‌شود که دقت بهتری از برای بعضی از مجموعه داده‌ها می‌دهد [1, 54]. اما الگوریتم به دلیل سادگی و توانایی مناسب در خوشه‌بندی همواره به عنوان انتخاب اول مطالعات خوشه‌بندی ترکیبی مورد مطالعه قرار گرفته است. در شکل 2-10 شبه کد الگوریتم را مشاهده می‌کنید:
1. Place K points into the space represented by the objects that are being clustered.
These points represent initial group centroids.
2. Assign each object to the group that has the closest centroid.
3. When all objects have been assigned, recalculate the positions of the K centroids.
4. Repeat Steps 2 and 3 until the centroids no longer move. This produces a separation
of the objects into groups from which the metric to be minimized can be calculated
شکل 2-9. الگوریتم خوشه‌بندی افرازبندی
مقادیر مراکز اولیه‌ی‌ متفاوت برای الگوریتم می‌تواند منجر به خوشه‌بندی‌های مختلفی شود. به خاطر اینکه این الگوریتم مبتنی بر مربع خطا است، می‌تواند به کمینه محلی همگرا شود، مخصوصاً برای خوشه‌هایی که به طور خیلی خوبی از هم تفکیک نمی‌شوند، این امر صادق است. نشان داده شده است که هیچ تضمینی برای همگرایی یک الگوریتم تکراری به یک بهینه سراسری نیست [33]. به طور خلاصه می‌توان ویژگی‌های الگوریتم را به صورت زیر برشمرد:
1- بر اساس فاصله اقلیدسی تمامی ویژگی‌ها می‌باشد.
2- منجر به تولید خوشه‌هایی به صورت دایره، کره و یا ابر کره می‌شود.
3- نسبت به روش‌های دیگر خوشه‌بندی، ساده و سریع است.
4- همگرایی آن به یک بهینه محلی اثبات شده است، اما تضمینی برای همگرایی به بهینه سراسری وجود ندارد.
5- نسبت به مقداردهی اولیه مراکز خوشه‌ها خیلی حساس است.
2-2-1-2-2. الگوریتم FCMالگوریتم FCM اولین بار توسط دون [13] ارائه شد. سپس توسط بزدک [66] بهبود یافت. این متد دیدگاه جدیدی را در خوشه‌بندی بر اساس منطق فازی [62] ارائه می‌دهد. در این دیدگاه جدید، به جای اینکه داده‌ها در یک خوشه عضو باشند، در تمامی خوشه‌ها با یک ضریب عضویت که بین صفر و یک است، عضو هستند و ما در این نوع خوشه‌بندی، دنبال این ضرایب هستیم. در روش‌های معمول در جایی که ما داده داشته باشیم، جواب نهایی ماتریس خواهد بود که هر خانه شامل برچسب خوشه‌ی داده‌ی نظیر آن می‌باشد. ولی در این روش در صورت داشتن خوشه، جواب نهایی یک ماتریس خواهد بود که در آن هر ردیف شامل ضرایب عضویت داده‌ی نظیر به آن خوشه است. بدیهی است که جمع افقی هر ردیف (ضرایب عضویت یک داده خاص) برابر با یک خواهد بود. یک روش معمول جهت رسیدن به جواب‌هایی غیر فازی بر اساس نتایج نهایی الگوریتم فازی، برچسب‌زنی داده بر اساس آن ضریبی که مقدار حداکثر را در این داده دارد، می‌باشد. رابطه 2-6 معادله پایه در روش فازی است: [66]
(2-6) ,
در رابطه 2-6 متغیرm یک عدد حقیقی بزرگ‌تر از یک و درجه عضویت داده در خوشه j-ام می‌باشد، که خود ، i-امین داده d-بُعدی از داده‌ی مورد مطالعه می‌باشد و مرکز d-بعدی خوشه j-ام‌ است و هر روش معمول جهت اندازه‌گیری شباهت میان داده و مرکز خوشه می‌باشد. در روش خوشه‌بندی فازی مراکز خوشه () و درجه عضویت () با تکرار مکرر به ترتیب بر اساس رابطه‌های 2-7 و 2-8 به‌روزرسانی می‌شوند، تا زمانی که شرط توقف درست در آید. در این شرط مقدار یک مقدار توافقی بسیار کوچک‌تر از یک می‌باشد که مطابق با نوع داده و دقت خوشه‌بندی قابل جایگذاری خواهد بود. بدیهی است که هر چقدر این مقدار به سمت صفر میل کند درجه عضویت دقیق‌تر و مقدار زمان اجرا بیشتر خواهد بود [66].
(2-7)
(2-8)
مراحل اجرای الگوریتم در شبه کد شکل 2-11 شرح داده شده است:
1.Initialize matrix,
2.At k-step: calculate the centers vectors with

3.Update ,

4. If then STOP; otherwice returen to step 2.
شکل 2-10. الگوریتم فازی خوشه‌بندی
2-2-1-2-3. الگوریتم طیفیروش خوشه‌بندی طیفی که بر اساس مفهوم گراف طیفی [11] مطرح شده است، از ماتریس شباهت برای کاهش بعد داده‌ها در خوشه‌بندی استفاده می‌کند. در این روش یک گراف وزن‌دار بدون جهت به نحوی تولید می‌شود که رئوس گراف نشان‌دهنده‌ی مجموعه نقاط و هر یال وزن‌دار نشان‌دهنده‌ی میزان شباهت جفت داده‌های متناظر باشد. بر خلاف روش‌های کلاسیک، این روش، روی‌ داده‌ای پراکنده‌ در فضایی با شکل‌ هندسی غیر محدب، نتایج مطلوبی تولید می‌کند [63]. کاربرد این روش در محاسبات موازی [69, 70]، تنظیم بار [15]، طراحی VLSI [28]، طبقه‌بندی تصاویر [35] و بیوانفورماتیک [31, 59] می‌باشد.
در خوشه‌بندی طیفی از بردارهای ویژگی در ماتریس شباهت برای افراز مجموعه‌ داده استفاده می‌شود. در اغلب این روش‌ها، مقدار ویژه اولویت بردارها را تعیین می‌کند. ولی این نحوه‌ی انتخاب، انتخاب بهترین بردارها را تضمین نمی‌دهد. در اولین تحقیقی که در این زمینه توسط ژیانگ و گنگ [61] انجام شد، مسئله‌ی انتخاب بردارهای ویژگی مناسب جهت بهبود نتایج خوشه‌بندی پیشنهاد گردید. در روش پیشنهادی آن‌ها شایستگی هر یک از بردارهای با استفاده از تابع چگالی احتمال هر بردار تخمین زده می‌شود. وزنی به بردارهایی که امتیاز لازم را به دست آورندگ، اختصاص یافته و برای خوشه‌بندی از آن‌ها استفاده می‌شود. در کاری دیگر که توسط ژائو [64] انجام شده است، هر یک از بردارهای ویژه به ترتیب حذف می‌شوند و مقدار آنتروپی مجموعه بردارهای باقی‌مانده محاسبه می‌شود. برداری که حذف آن منجر به افزایش آنتروپی و ایجاد بی‌نظمی بیشتر در مجموعه داده شود، اهمیت بیشتری داشته و در رتبه بالاتری قرار می‌گیرد. سپس زیرمجموعه‌ای از مناسب‌ترین بردارها برای خوشه‌بندی مورد استفاده قرار می‌گیرند. الگوریتم خوشه‌بندی طیفی دارای متدهای متفاوتی جهت پیاده‌سازی است، که الگوریتم‌های برش نرمال، NJW، SLH وPF از آن جمله می‌باشد. در تمامی این روش‌ها، بخش اول، یعنی تولید گراف، مشترک می‌باشد. ما در ادامه ابتدا به بررسی بخش مشترک این روش‌ها می‌پردازیم. سپس به تشریح دو روش پر کاربرد برش نرمال و NJW می‌پردازیم.
در الگوریتم خوشه‌بندی طیفی، افراز داده‌ها بر اساس تجزیه‌ی ماتریس شباهت و به دست آوردن بردارها و مقادیر ویژه‌ی آن صورت می‌گیرد. مجموعه‌ی با داده‌یبعدی را در نظر بگیرید، می‌توان برای این مجموعه گراف وزن‌دار و بدون جهت را ساخت به صورتی که رئوس گراف نشان‌دهنده داده و یال‌ها که ماتریس شباهت را تشکیل می‌دهند بیانگر میزان شباهت بین هر جفت داده متناظر باشند. ماتریس شباهت به صورت رابطه 2-9 تعریف می‌شود:
(2-9)
تابع میزان شباهت بین دو داده را اندازه می‌گیرد. می‌تواند یک تابع گوسی به صورت باشد. که در آن فاصله‌ی بین دو نمونه را نشان می‌دهد و پارامتر مقیاس سرعت کاهش تابع با افزایش فاصله بین دو نمونه را مشخص می‌کند. در ادامه به بررسی دو الگوریتم خوشه‌بندی طیفی برش نرمال و NJW می‌پردازیم.
2-2-1-2-3-1. الگوریتم برش نرمالالگوریتم برش نرمال توسط شی و ملیک [35] برای قطعه‌بندی تصاویر ارائه شده است. در این روش، میزان تفاوت بین خوشه‌های مختلف و شباهت بین اعضا یک خوشه، بر اساس فاصله‌ی داده‌ها محاسبه می‌کند. رابطه 2-10 اشاره به مفهوم شباهت داده دارد که با استفاده از آن اقدام به ساخت گراف وزن‌دار می‌نماییم:
(2-10)
موقعیت i-امین داده (پیکسل در تصاویر) و بردار ویژگی از صفات داده (مانند روشنایی در تصاویر) می‌باشد. با کمک حد آستانه می‌توان میزان تنکی ماتریس شباهت را با توجه به تعداد اثرگذار داده‌های همسایه تعیین کرد. گام‌های این الگوریتم به صورت زیر می‌باشد:
محاسبه ماتریس درجه.
محاسبه ماتریس لاپلاسین.
محاسبه دومین بردار ویژگی متناظر با دومین کوچک‌ترین مقدار ویژه.
استفاده از برای خوشه‌بندی (قطعه‌بندی در تصاویر) گراف.
روش برش نرمال بیشتر در قطعه‌بندی تصاویر کاربرد دارد و معمولاً در خوشه‌بندی داده از سایر الگوریتم‌های خوشه‌بندی طیفی استفاده می‌کنند.
2-2-1-2-3-2. الگوریتم NJWایده الگوریتم استفاده از اولین بردار ویژه متناظر با بزرگ‌ترین مقدار ویژه ماتریس لاپلاسین است. مراحل این الگوریتم به صورت زیر می‌باشد: [51]
ساخت ماتریس شباهت با استفاده از رابطه 2-9.
محاسبه ماتریس درجه، و ماتریس لاپلاسین.
به دست آوردن اولین بردار ویژه متناظر با اولین بزرگ‌ترین مقدار ماتریسو تشکیل ماتریس ستونی.
نرمال سازی مجدد و تشکیل به طوری که همه سطرهای آن طول واحد داشته باشد.
خوشه‌بندی مجموعه داده بازنمایی شده با استفاده از.

2-2-1-2-4. الگوریتم خوشه‌بندی کاهشیالگوریتم خوشه‌بندی کاهشی یکی از سریع‌ترین الگوریتم‌های تک گذر، برای تخمین تعداد خوشه و مراکز آن‌ها در مجموعه‌ی داده می‌باشد. این مفهوم یعنی به جای تحت تأثیر قرار گرفتن محاسبات از ابعاد مسئله، متناسب با اندازه مسئله آن را انجام دهیم. با این وجود، مراکز واقعی خوشه الزاماً یکی از نقاط داده موجود در مجموعه داده نیست ولی در بیشتر موارد این انتخاب تخمین خوبی است که به صورت ویژه از این رویکرد در محاسبات کاهشی استفاده می‌شود. اگر هر نقطه از مجموعه داده به عنوان گزینه‌ای برای مرکز خوشه در نظر گرفته شود، معیار تراکم هر نقطه به صورت زیر تعریف می‌شود [79].
(2-11)
در رابطه بالا یک ثابت مثبت است، که نشان‌دهنده‌ی شعاع همسایگی (سایر نقاط داده که نزدیک‌ترین نقاط به این داده خاص هستند) می‌باشد، و نشان‌دهنده‌ی سایر داده‌های مجموعه، و نشان‌دهنده‌ی تعداد این داده‌ها است. از این روی، داده‌ای دارای بیش‌ترین مقدار تراکم می‌باشد که بیش‌ترین نقاط داده در همسایگی آن است. اولین مرکز خوشه بر اساس بزرگ‌ترین مقدار تراکم انتخاب می‌شود. بعد از این انتخاب میزان تراکم هر یک از نقاط داده به صورت زیر به‌روز می‌شود [79].
(2-12)
در رابطه بالا ثابت مثبت همسایگی را تعریف می‌کند که میزان کاهش تراکم قابل اندازه‌گیری را نشان می‌دهد. از آنجایی که نقاط داده در نزدیکی مرکز خوشه اول به طور قابل‌توجهی مقادیر چگالی را کاهش می‌دهند بعد از به‌روز کردن مقادیر تابع چگالی توسط رابطه بالا مرکز خوشه بعدی بر اساس داده‌ای که بزرگ‌ترین مقدار چگالی را دارد انتخاب می‌شود. این فرآیند آن قدر تکرار می‌شود تا به تعداد کافی مرکز خوشه ایجاد شود. پس از اتمام این فرآیند می‌توان توسط الگوریتم که مراکز داده در آن توسط فرآیند بالا به صورت دستی داده شده است (نه به صورت تصادفی)، داده‌ها را خوشه‌بندی کرد. شبه کد شکل زیر روند فرآیند بالا را نشان می‌دهد که در آن ابتدا مقادیر ثابت‌ها () و مجموعه داده به عنوان ورودی گرفته می‌شود و پس از ساخت مراکز داده مطابق با تعاریف بالا، این مراکز برای خوشه‌بندی در الگوریتم استفاده می‌شود [79].
Inputs Dataset, Constants
Output Clusters
Steps
1. Initialize constants and density values
2. Make a new cluster center.
3. Update density values
4. If the sufficient number of clusters are not obtained, go to 2.
3. Clustering the dataset by k-means, using fix centers.
شکل 2-11. خوشه‌بندی کاهشی
2-2-1-2-5. الگوریتم خوشه‌بندی Median K-Flatالگوریتم Median K-Flat یا به اختصار MKF مجموعه داده‌یرا به K خوشه‌ی افراز می‌کند که هر خوشه یک شبه فضای d-بُعدی تقریباً خطی می‌باشد. پارامتر‌ با فرض ماتریسی با ابعاد می‌باشد، که هر یک از خانه‌های آن تخمین شبه فضای خطی متعامد می‌باشد. قابل به ذکر است که می‌باشد. در این جا تخمین شبه فضای خوشه‌های را نام‌گذاری می‌کنیم. مطابق تعاریف بالا تابع انرژی برای افرازهای ‌ بر اساس شبه فضای به شکل زیر تعریف می‌شود [77].
(2-13)
این الگوریتم سعی می‌کند تا مجموعه داده را به خوشه‌های ‌تبدیل کند به نحوی که تابع انرژی کمینه باشد. تا وقتی که سطوح تخت اساسی به شکل شبه فضای خطی هستند ما می‌توانیم به صورت فرضی المان‌های X را در یک حوضه واحد نرمال کنیم به طوری که برای و تابع انرژی را به شکل زیر بیان کنیم: [77]
(2-14)
این الگوریتم برای کمینه‌سازی تابع انرژی الگوریتمMKF از روش کاهش گرادیان تصادفی استفاده می‌کند. مشتق تابع انرژی بر اساس ماتریس به شرح زیر است:
(2-15)
این الگوریتم نیاز به تطبیق بر اساس مؤلفه‌ی متعامد مشتق دارد. بخشی از مشتق که با شبه فضای موازی است به شرح زیر می‌باشد.
(2-16)
از این روی مؤلفه متعامد برابر است با رابطه 2-17 می‌باشد.
(2-17)
در رابطه بالا برابر با رابطه 2-18 است.
(2-18)
با در نظر گرفتن محاسبات بالا، الگوریتم MKF تصمیم می‌گیرد که داده تصادفی از مجموعه داده، عضو کدام باشد، و از این طریق شروع به چیدن داده‌ها می‌کند. آن گاه، الگوریتم تابع را به‌روز کند که در آن (مرحله زمانی) پارامتری است که توسط کاربر تعیین می‌شود. این فرآیند آن قدر تکرار می‌شود تا ضابطه همگرایی دیده شود. آنگاه هر نقطه از مجموعه داده به نزدیک‌ترین شبه فضای که تعیین‌کننده خوشه‌هاست اختصاص داده می‌شود. شبه کد زیر فرآیند الگوریتم MKF را نشان می‌دهد [77].
Input:
: Data, normalized onto the unit sphere, d: dimension of subspaces K: number of subspaces, the initialized subspaces. : step parameter.
Output: A partition of X into K disjoint clusters
Steps:
1. Pick a random point in X
2. Find its closest subspace , where
3. Compute by
4. Update
5. Orthogonalize
6. Repeat steps 1-5 until convergence
7. Assign each xi to the nearest subspace
شکل 2-12. شبه‌کد الگوریتم MKF [77]
2-2-1-2-6. الگوریتم خوشه‌بندی مخلوط گوسییک مخلوط گوسی یا همان را می‌توان ترکیب محدبی از چگالی‌های گوسی دانست. یک چگالی گوسی در فضای d-بُعدی به ازای میانگین، توسط ماتریس هم‌وردایی با ابعاد به صورت زیر تعریف می‌شود: [83]
(2-19)
در رابطه بالا پارامتر‌های و را تعریف می‌کند. از این روی مؤلفه به صورت زیر تعریف می‌شود:
(2-20)
در رابطه (2-20) پارامتر وزن مخلوط کردن و مؤلفه مخلوط می‌باشد. از آنجا که در مقایسه با تخمین چگالی غیر پارامتری، تعداد کمتری از توابع چگالی در تخمین چگالی مخلوط باید ارزیابی شود، از این روی ارزیابی چگالی کارآمدتر خواهد بود. علاوه بر آن، استفاده از اجرای محدودیت هموار کردن بر روی برخی از مؤلفه‌های مخلوط در نتیجه‌ی چگالی به ما اجازه می‌دهد تا چگالی مستحکم‌تری را تخمین بزنیم. الگوریتم حداکثر-انتظار یا همان به ما اجازه به‌روز کردن پارامتر‌های مؤلفه‌ی مخلوط را مطابق با مجموعه داده به ازای هر می‌دهد، به طوری که احتمال هرگز کوچک‌تر از مخلوط جدید نشود. به‌روز کردن الگوریتم می‌تواند در یک فرآیند تکراری برای تمامی مؤلفه‌های مطابق با رابطه‌های زیر انجام شود: [83]
(2-21)
(2-22)
(2-23)
(2-24)
در این تحقیق از روش پیشنهادی بومن و همکاران برای پیاده‌سازی الگوریتم مخلوط گوسی استفاده شده است. از آنجایی که روش پیاده‌سازی و توضیحات مربوط به الگوریتم مخلوط گوسی در روش ترکیب مبتنی بر مخلوط استفاده می‌شود از این روی در بخش روش‌های ترکیب نتایج با تابع توافقی آن را بررسی خواهیم کرد.
2-2-2. معیارهای ارزیابیدر یادگیری با ناظر ارزیابی راحت تر از یادگیری بدون ناظر است. برای مثال آن چیز که ما در رده‌بندی باید ارزیابی کنیم مدلی است که ما توسط داده‌های یادگیری به الگوریتم هوش مصنوعی آموزش داده‌ایم. در روش‌های با ناظر ورودی و خروجی داده معلوم است و ما بخشی از کل داده را برای آزمون جدا کرده و بخش دیگر را به عنوان داده یادگیری استفاده می‌کنیم و پس از تولید مدل مطلوب ورودی داده آزمون را در مدل وارد کرده و خروجی مدل را با خروجی واقعی می‌سنجیم. از این روی معیارهای بسیاری برای ارزیابی روش‌های با ناظر ارائه‌شده‌اند.
در یادگیری بدون ناظر روش متفاوت است. در این روش هیچ شاخص معینی در داده جهت ارزیابی وجود ندارد و ما به دنبال دسته‌بندی کردن داده‌ها بر اساس شباهت‌ها و تفاوت‌ها هستیم. از این روی برخلاف تلاش‌های خیلی از محققان، ارزیابی خوشه‌بندی خیلی توسعه داده نشده است و به عنوان بخشی از تحلیل خوشه‌بندی رایج نشده است. در واقع، ارزیابی خوشه‌بندی یکی از سخت‌ترین بخش‌های تحلیل خوشه‌بندی است [33]. معیارهای عددی، یا شاخص‌هایی که برای قضاوت جنبه‌های مختلف اعتبار یک خوشه به کار می روند، به سه دسته کلی تقسیم می‌شوند:
1- شاخص خارجی که مشخص می‌کند که کدام خوشه‌های پیداشده به وسیله الگوریتم خوشه‌بندی با ساختارهای خارجی تطبیق دارند. در این روش نیاز به اطلاعات اضافی مثل برچسب نقاط داده، داریم. آنتروپی یک مثالی از شاخص خارجی است.
2- شاخص داخلی که برای اندازه‌گیری میزان خوبی یک ساختار خوشه‌بندی بدون توجه به اطلاعات خارجی به کار می‌‌رود. یک نمونه از شاخص داخلی است.
3- شاخص نسبی که برای مقایسه دو خوشه‌بندی مختلف یا دو خوشه مختلف به کار می‌رود. اغلب یک شاخص خارجی یا داخلی برای این تابع استفاده می‌شود. برای مثال، دو خوشه‌بندی می‌توانند با مقایسه یا آنتروپی‌شان مقایسه شوند.
این فصل تعدادی از مهم‌ترین و رایج‌ترین روش‌های به‌کاررفته برای ارزیابی خوشه‌بندی را مرور خواهد کرد.
2-2-2-1. معیار SSEیک معیار داخلی ارزیابی خوشه‌بندی، مثل، می‌تواند برای ارزیابی یک خوشه‌بندی نسبت به خوشه‌بندی دیگر به کار رود. به علاوه، یک معیار داخلی اغلب می‌تواند برای ارزیابی یک خوشه‌بندی کامل یا یک خوشه تنها به استفاده شود. این اغلب به خاطر این است که این روش، سعی می‌کند تا میزان خوبی کلی خوشه‌بندی را به عنوان یک جمع وزن‌دار از خوبی‌های هر خوشه در نظر می‌گیرد. با استفاده از رابطه 2-25 محاسبه می‌شود [68].
(2-25)
کهیک نقطه داده در خوشه است و، j-امین ویژگی از داده X است. ، j-امین ویژگی از مرکز خوشه می‌باشد. برای مقایسه دو خوشه‌بندی مختلف روی یک داده با یک تعداد مشابه، تنها مقایسه مقدارهای متناظر آن‌ها کافی است. هر چه مقدار کمتر باشد، آن خوشه‌بندی بهتر خواهد بود. البته، وقتی تعداد نقاط داده در دو خوشه متفاوت باشند، مقایسه مستقیم از روی مقدار خوب نخواهد بود. بنابراین، یک خوشه معیار مناسب تری برای مقایسه است. رابطه 2-26 این معیار را نشان می‌دهد که در آن مقدار تعداد کل نمونه‌هاست [68].
(2-26)
تعداد درست خوشه‌ها در الگوریتم ، اغلب می‌تواند با استفاده از نگاه کردن به منحنی مشخص شود. این منحنی با رسم مقادیر به ازایهای مختلف به دست می‌آید. تعداد خوشه‌های بهینه با توجه به منحنی، ای است که به ازای آن نرخ کاهش مقدار، قابل چشم‌پوشی شود. شکل 2-13-ب منحنی را برای داده‌های شکل 2-13-الف، نشان می‌دهد.

(الف)
(ب)
شکل2-13. (الف) مجموعه داده با تعداد 10 خوشه واقعی. (ب) منحنی مربوطه [68]
همان طور که از شکل 2-13-ب برمی‌آید، برای مقادیرهای از صفر تا 10 شیب منحنی نسبت به بقیه مقادیر، تندتر می‌باشد. این امر نشان‌دهنده آن است که مقدار یک مقدار بهینه برای تعداد خوشه‌ها می‌باشد.

(الف)
(ب)
شکل2-14. (الف) مجموعه داده (ب) منحنی مربوطه [2]
شکل 2-14-ب نیز منحنی را برای داده‌های شکل 2-14-الف، نشان می‌دهد. مشاهده می‌شود که در این داده‌ها، چون تعداد خوشه‌ها نسبت به شکل 2-14-الف کاملاً گویا نیست، بنابراین، منحنی آن نیز نرم تر خواهد بود . اما با توجه به شکل 2-14-ب، می‌توان گفت که تعداد نسبتاً خوب باشد. چون منحنی برای های بعد از 8، دارای شیب کندتری خواهد شد. با توجه به نتایج فوق می‌توان گفت که اگرچه منحنی برای همه مسایل نمی‌تواند جواب بهینه برای تعداد بدهد، اما می‌تواند به عنوان یک معیار خوب برای این امر مطرح باشد.
2-2-2-2. معیار اطلاعات متقابل نرمال شدهمعیار اطلاعات متقابل () توسط کاور و توماس [71] معرفی شد که یک روش جهت اندازه‌گیری کیفیت اطلاعات آماری مشترک بین دو توزیع است. از آنجایی که این معیار وابسته به اندازه خوشه‌ها است در [54] روشی جهت نرمال سازی آن ارائه شده است. فرد و جین [19] روش نرمال سازی اطلاعات متقابل را اصلاح کردند و آن را تحت عنوان اطلاعات متقابل نرمال () ارائه داده‌اند. رابطه 2-27 اطلاعات متقابل نرمال شده را نشان می‌دهد[1, 2, 19] .
(2-27)
در رابطه 2-27 پارامتر کل نمونه‌ها است و یعنی افرازهایی که اندیس آن‌ها شامل i با تمام مقادیر j می‌باشد و یعنی افرازهایی که تمام مقادیر i با و اندیس j را شامل شود. از رابطه 2-28 محاسبه می‌شود [1, 2, 19].
(2-28)
, ,
در صورتی که دو افراز به صورت و که در آن کل داده و خوشه اول و خوشه دوم هر یک از افرازها باشد آنگاه نشان‌دهنده تعداد نمونه‌های مشترک موجود در و می‌باشد، نشان‌دهنده تعداد نمونه‌های مشترک موجود در و می‌باشد، نشان‌دهنده تعداد نمونه‌های مشترک موجود در و می‌باشد و نشان‌دهنده تعداد نمونه‌های مشترک موجود در و می‌باشد. در واقع و به ترتیب بیانگر کل نمونه‌های موجود در و می‌باشد [1].
شکل 2-15 دو افراز اولیه را نشان می‌دهد که میزان پایداری برای هر کدام از خوشه‌های به دست آمده هم محاسبه شده است. در این مثال الگوریتم به عنوان الگوریتم خوشه‌بندی اولیه انتخاب شده است و تعداد خوشه‌های اولیه برابر با سه نیز به عنوان پارامتر آن از قبل مشخص شده است. همچنین، در این مثال تعداد افرازهای موجود در مجموعه مرجع برابر با ۴۰ می‌باشد. در ۳۶ افراز نتایجی مشابه با شکل 2-15 (a) و در 4 حالت باقیمانده نیز نتایجی مشابه با شکل 2-15 (a) حاصل شده است [1].

شکل2-15. دو افراز اولیه با تعداد سه خوشه. (a) خوشه‌بندی درست (b) خوشه‌بندی نادرست [1]
از آن جایی که در مجموعه مرجع در ۹۰ % مواقع، داده‌های متراکم گوشه بالا‐چپ از شکل 2-15 در یک خوشه مجزا گروه‌بندی شده‌اند، بنابراین این خوشه باید مقدار پایداری بالایی را به خود اختصاص دهد. اگرچه این مقدار نباید دقیقاً برابر با یک باشد (چون در همه موارد این خوشه درست تشخیص داده نشده است)، مقدار پایداری با روش متداول اطلاعات متقابل نرمال شده مقدار یک را بر می‌گرداند. از آن جایی که ادغام دو خوشه سمت راست تنها در ۱۰ % موارد مانند شکل 2-15 (b) اتفاق افتاده است، خوشه حاصل باید مقدار پایداری کمی به دست آورد. اگر چه خوشه حاصل از ادغام دو خوشه سمت راستی، به ندرت ( ۱۰ % موارد) در مجموعه مرجع دیده شده است، مقدار پایداری برای این خوشه نیز برابر با یک به دست می‌آید. در اینجا مشکل روش متداول محاسبه پایداری با استفاده از اطلاعات متقابل نرمال شده ظاهر می‌شود. از آنجایی که معیار اطلاعات متقابل نرمال شده یک معیار متقارن است، مقدار پایداری خوشه بزرگ ادغامی سمت راست (با ۱۰ % تکرار) دقیقاً برابر با میزان پایداری خوشه متراکم گوشه بالا‐چپ (با ۹۰ % تکرار) به دست می‌آید. به عبارت دیگر در مواردی که داده‌های دو خوشه مکمل یکدیگر باشند، یعنی اجتماع داده‌های آن‌ها شامل کل مجموعه داده شود و اشتراک داده‌های آن‌ها نیز تهی باشد، مقدار پایداری برای هر دو به یک اندازه برابر به دست می‌آید. از دیدگاه دیگر، این اتفاق زمانی رخ می‌دهد که تعداد خوشه‌های تشکیل‌دهنده مجموعه در خوشه‌بندی مرجع عددی بیشتر از یک باشد. هر زمان که با ادغام دو یا بیشتر از خوشه‌ها به دست آید، منجر به نتایج نادرست در مقدار پایداری می‌شود. ما این مشکل را تحت عنوان مشکل تقارن در اطلاعات متقابل نرمال شده می‌شناسیم. در سال‌های اخیر روش‌هایی جهت حل این مشکل ارائه‌شده‌اند که یکی از آن‌ها را علیزاده و همکاران در [1, 9]ارائه داده‌اند که در‌ آن بزرگ‌ترین خوشه از بین مجموعه مرجع (که بیش از نصف نمونه‌هایش در خوشه مورد مقایسه وجود دارد) جایگزین اجتماع همه خوشه‌ها می‌شود که ما آن را با عنوان روش Max می‌شناسیم. روش دیگر جهت رفع این مشکل معیار APMM می‌باشد. در ادامه به بررسی این معیار می‌پردازیم [1, 8, 67].
2-2-2-3. معیار APMMبر خلاف معیارکه برای اندازه‌گیری شباهت دو افراز طراحی شده است معیار روشی برای اندازه‌گیری میزان شباهت یک خوشه در یک افراز است که توسط عـلیزاده و همکاران [8, 67] معرفی شده است رابطه 2-29 این معیار را معرفی می‌کند.
(2-29)
در رابطه 2-29 پارامتر خوشه i-ام در افراز می‌باشد و افراز متناظر با خوشه در خوشه‌بندی است. پارامتر تعداد کل نمونه‌های مجموعه داده و تعداد نمونه‌های مشترک بین خوشه‌های و می‌باشد. همچنین، تعداد خوشه‌های موجود در افراز می‌باشد. در این روش برای محاسبه پایداری خوشه از رابطه 2-30 استفاده می‌کنیم [8, 67].
(2-30)
در رابطه 2-30 پارامتر نشان‌دهنده j-امین افراز از مجموعه مرجع است و تعداد کل افرازها است [8, 67]. از آنجایی که این معیار برای ارزیابی شباهت یک خوشه است می‌توان هم برای ارزیابی خوشه و هم برای ارزیابی افراز استفاده کرد. جهت استفاده از این معیار برای ارزیابی یک افراز کافی است آن را برای تک‌تک خوشه‌های آن افراز استفاده کنیم و در نهایت از کل مقادیر میانگین بگیریم.
2-۳. خوشه‌بندی ترکیبیکلمه’Ensemble‘ ریشه فرانسوی دارد و به معنی باهم بودن یا در یک زمان می‌باشد و معمولاً اشاره به واحدها و یا گروه‌های مکملی دارد که باهم در اجرای یک کار واحد همکاری می‌کنند. ترکیب تاریخ طولانی در دنیای واقعی دارد، نظریه هیئت‌منصفه ی کندورست که در سال 1785 میلادی مطرح شده است و این ایده را مطرح می‌کند که، احتمال نسبی درستی نظر گروهی از افراد (رأی اکثریت) بیشتر از نظر هر یک از افراد به تنهایی می‌باشد را می‌توان دلیلی برای ترکیب نتایج در دنیای واقعی دانست [10, 27]. خوشه‌بندی ترکیبی روشی جدید در خوشه‌بندی می‌باشد که از ترکیب نتایج روش‌های خوشه‌بندی متفاوت به دست می‌آید از آنجایی که اکثر روش‌های خوشه‌بندی پایه روی جنبه‌های خاصی از داده‌ها تاکید می‌کنند، در نتیجه روی مجموعه داده‌های خاصی کارآمد می‌باشند. به همین دلیل، نیازمند روش‌هایی هستیم که بتواند با استفاده از ترکیب این الگوریتم‌ها و گرفتن نقاط قوت هر یک، نتایج بهینه‌تری را تولید کند. هدف اصلی خوشه‌بندی ترکیبی جستجوی نتایج بهتر و مستحکم‌تر، با استفاده از ترکیب اطلاعات و نتایج حاصل از چندین خوشه‌بندی اولیه است [18, 54]. خوشه‌بندی ترکیبی می‌تواند جواب‌های بهتری از نظر استحکام، نو بودن، پایداری و انعطاف‌پذیری نسبت به روش‌های پایه ارائه دهد [3, 21, 54, 57]. به طور خلاصه خوشه‌بندی ترکیبی شامل دو مرحله اصلی زیر می‌باشد : [34, 54]

دانلود پایان نامه ارشد- مقاله تحقیق

 برای دانلود فایل کامل به سایت منبع مراجعه کنید  : homatez.com

یا برای دیدن قسمت های دیگر این موضوع در سایت ما کلمه کلیدی را وارد کنید :

 

1- تولید نتایج متفاوت از خوشه‌بندی‌ها، به عنوان نتایج خوشه‌بندی اولیه بر اساس اعمال روش‌های مختلف که این مرحله را، مرحله ایجاد تنوع یا پراکندگی می‌نامند.

user8286

فصل سوم
جدول3-1. نگاشت لغات لاتین در خوشه‌بندی ترکیبی به نظریه خرد جمعی .......................................................... 93
جدول3-2. یک نمونه از جدول نگاشت استاندارد کد .............................................................................................. 98
فصل چهارم
جدول4-1. مجموعه داده ........................................................................................................................................ 117
جدول4-2. لیست مجموعه الگوریتم‌های پایه ........................................................................................................ 119
جدول4-3. جدول نگاشت استاندارد کد ................................................................................................................ 120
جدول4-4. دقت نتایج این الگوریتم‌های خوشه‌بندی را نسبت به کلاس‌های واقعی داده ...................................... 130
جدول4-5. جدول مقایسه معیار اطلاعات متقابل نرمال‌ شده (NMI) نتایج آزمایش .............................................. 132

فهرست تصاویر و نمودار
فصل دوم
شکل 2-1. یک خوشه‌بندی سلسله مراتبی و درخت متناظر ..................................................................................... 10
شکل 2-2. ماتریس مجاورت .................................................................................................................................... 11
شکل 2-3. رابطه دودویی و گراف آستانه ................................................................................................................. 12
شکل 2-4. گراف‌های آستانه برای ماتریس ........................................................................................................ 12
شکل 2-5. الگوریتم خوشه‌بندی سلسله مراتبی تراکمی پیوندی منفرد ..................................................................... 13
شکل 2-6. دندوگرام پیوندی منفرد برای ماتریس............................................................................................... 13
شکل 2-7. الگوریتم خوشه‌بندی سلسله مراتبی تراکمی پیوندی کامل ...................................................................... 14
شکل 2-8. دندوگرام پیوندی کامل برای ماتریس ............................................................................................... 14
شکل 2-9. الگوریتم خوشه‌بندی افرازبندی...................................................................................... 16
شکل 2-10. الگوریتم فازی خوشه‌بندی ...................................................................................................... 18
شکل 2-11. خوشه‌بندی کاهشی .............................................................................................................................. 23
شکل 2-12. شبه‌کد الگوریتم MKF ........................................................................................................................ 26
شکل2-13. (الف) مجموعه داده با تعداد 10 خوشه واقعی. (ب) منحنی ........................................................ 29
شکل2-1۴. (الف) مجموعه داده (ب) منحنی مربوطه ..................................................................................... 29
شکل2-15. دو افراز اولیه با تعداد سه خوشه ........................................................................................................... 31
شکل2-16. نمونه‌های اولیه در نتایج الگوریتم ................................................................................ 36
شکل 2-17. زیر شبه کد الگوریتم خوشه‌بندی ترکیبی توسط مدل مخلوط .............................................................. 43
شکل 2-18. خوشه‌بندی ترکیبی ............................................................................................................................... 44
شکل 2-19. نمونه ماتریس، جهت تبدیل خوشه‌بندی به ابر گراف ................................................................. 45
شکل 2-20. ماتریس شباهت بر اساس خوشه برای مثال شکل (3-5) .................................................................... 46
شکل 2-21. الگوریتم افرازبندی ابر گراف ............................................................................................................... 47
شکل 2-22. الگوریتم فرا خوشه‌بندی ..................................................................................................................... 49
شکل2-23. الگوریتم خوشه‌بندی ترکیبی مبتنی بر ماتریس همبستگی ...................................................................... 50
شکل2-24. الگوریتم افرازبندی با تکرار ................................................................................................................... 53
شکل2-25. نمایش گراف مجاورت در مراحل کاهش درجه ماتریس و شمارش آن ................................................ 54
شکل2-26. مثال روند تغییر توزیع تعداد خوشه ....................................................................................................... 55
شکل2-27. جریان کار عمومی برای پیاده‌سازی الگوریتم افرازبندی گراف .............................................................. 55
شکل 2-28. گراف تابع در بازه بین صفر و یک ............................................................................................. 62
شکل 2-29. الگوریتم خوشه‌بندی ترکیبی طیفی مبتنی بر انتخاب بر اساس شباهت ................................................ 63
شکل 2-30. مثالی از ماتریس اتصال ........................................................................................................................ 66
شکل 2-31. شبه کد خوشه‌بندی ترکیبی انتخابی لی‌مین .......................................................................................... 68
شکل 2-32. روش ارزیابی خوشهی یک افراز در روش MAX ............................................................................... 69
شکل 2-33. چهارچوب خوشهبندی ترکیبی مبتنی بر انتخاب با استفاده از مجموعه‌ای از خوشه‌های یک افراز ...... 71
شکل 2-34. چهارچوب روش بهترین افراز توافقی اعتبارسنجی شده ...................................................................... 72
فصل سوم
شکل3-1. چهارچوب الگوریتم خوشه‌بندی خردمند با استفاده از آستانه‌گیری ......................................................... 82
شکل3-۲. محاسبه درجه استقلال دو خوشه‌بندی ..................................................................................................... 86
شکل3-3. تأثیر عدم تمرکز بر روی پیچیدگی داده ................................................................................................... 89
شکل3-3. تأثیر انتخاب افرازها در خوشه‌بندی ترکیبی مبتنی بر انتخاب بر مقدار NMI ارزیابی‌شده ........................ 91
شکل3-4. شبه کد خوشه‌بندی خردمند با استفاده از آستانه‌گیری .............................................................................. 92
شکل3-5. دسته‌بندی الگوریتم‌های خوشه‌بندی ........................................................................................................ 94
شکل3-6. کد الگوریتم K-means به زبان استقلال الگوریتم‌ خوشه‌بندی ................................................................. 98
شکل3-7. تبدیل کد‌های شروع و پایان به گراف .................................................................................................... 100
شکل3-8. تبدیل عملگر شرط ساده به گراف ......................................................................................................... 100
شکل3-9. تبدیل عملگر شرط کامل به گراف ......................................................................................................... 101
شکل3-10. تبدیل عملگر شرط تو در تو به گراف ................................................................................................. 101
شکل3-11. تبدیل عملگر حلقه ساده به گراف ....................................................................................................... 102
شکل3-12. تبدیل عملگر حلقه با پرش به گراف ................................................................................................... 102
شکل3-13. پیاده‌سازی شرط ساده بدون هیچ کد اضافی ........................................................................................ 103
شکل3-14. پیاده‌سازی شرط ساده با کدهای قبل و بعد آن .................................................................................... 103
شکل3-15. پیاده‌سازی شرط کامل ......................................................................................................................... 104
شکل3-16. پیاده‌سازی شرط‌ تو در تو .................................................................................................................... 104
شکل3-17. پیاده‌سازی یک شرط کامل در یک شرط ساده .................................................................................... 105
شکل3-18. پیاده‌سازی یک شرط کامل در یک شرط کامل دیگر ........................................................................... 105
شکل3-19. پیاده‌سازی حلقه ساده .......................................................................................................................... 106
شکل3-20. پیاده‌سازی یک حلقه ساده داخل حلقه‌ای دیگر ................................................................................... 106
شکل3-21. پیاده‌سازی یک حلقه داخل یک شرط کامل ........................................................................................ 106
شکل3-22. پیاده‌سازی یک شرط کامل داخل یک حلقه ساده ................................................................................ 107
شکل3-23. ماتریس درجه وابستگی‌ کد ................................................................................................................. 108
شکل3-24. شبه کد مقایسه محتوای دو خانه از آرایه‌های استقلال الگوریتم .......................................................... 108
شکل3-25. چهارچوب خوشه‌بندی خردمند مبتنی بر گراف استقلال الگوریتم ...................................................... 110
شکل3-26. شبه کد خوشه‌بندی خردمند مبتنی بر گراف استقلال الگوریتم ............................................................ 113
فصل چهارم
شکل۴-۱. مجموعه داده Halfring .......................................................................................................................... 118
شکل4-2. الگوریتم K-means ................................................................................................................................ 121
شکل4-3. الگوریتم FCM ...................................................................................................................................... 121
شکل4-4. الگوریتم Median K-Flats .................................................................................................................... 122
شکل4-5. الگوریتم Gaussian Mixture ................................................................................................................ 122
شکل4-6. الگوریتم خوشه‌بندی Subtractive ......................................................................................................... 122
شکل4-7. الگوریتم پیوندی منفرد با استفاده از معیار فاصله اقلیدسی ..................................................................... 123
شکل4-8. الگوریتم پیوندی منفرد با استفاده از معیار فاصله Hamming ................................................................ 123
شکل4-9. الگوریتم پیوندی منفرد با استفاده از معیار فاصله Cosine ..................................................................... 123
شکل4-10. الگوریتم پیوندی کامل با استفاده از معیار فاصله اقلیدسی ................................................................... 124
شکل4-1۱. الگوریتم پیوندی کامل با استفاده از معیار فاصله Hamming .............................................................. 124
شکل4-1۲. الگوریتم پیوندی کامل با استفاده از معیار فاصله Cosine .................................................................... 124
شکل4-1۳. الگوریتم پیوندی میانگین با استفاده از معیار فاصله اقلیدسی ............................................................... 124
شکل4-14. الگوریتم پیوندی میانگین با استفاده از معیار فاصله Hamming .......................................................... 125
شکل4-15. الگوریتم پیوندی میانگین با استفاده از معیار فاصله Cosine ............................................................... 125
شکل4-16. الگوریتم پیوندی بخشی با استفاده از معیار فاصله اقلیدسی ................................................................ 125
شکل4-17. الگوریتم پیوندی بخشی با استفاده از معیار فاصله Hamming ............................................................ 125
شکل4-18. الگوریتم پیوندی بخشی با استفاده از معیار فاصله Cosine ................................................................. 126
شکل4-19. طیفـی با استفاده از ماتریس شباهت نامتراکم ...................................................................................... 126
شکل4-20. طیفـی با استفاده از روش نیستروم با متعادل ساز .............................................................................. 127
شکل4-21. طیفـی با استفاده از روش نیستروم بدون متعادل ساز ......................................................................... 127
شکل4-22. نرم‌افزار تحلیل‌گر کد استقلال الگوریتم ............................................................................................... 128
شکل4-23. ماتریس AIDM ................................................................................................................................... 129
شکل4-24. میانگین دقت الگوریتم‌های خوشه‌بندی ............................................................................................... 131
شکل4-25. رابطه میان آستانه استقلال و زمان اجرای الگوریتم در روش پیشنهادی اول ........................................ 133
شکل4-26. رابطه میان آستانه پراکندگی و زمان اجرای الگوریتم در روش پیشنهادی اول ..................................... 133
شکل4-27. رابطه میان آستانه استقلال و دقت نتیجه نهایی در روش پیشنهادی اول .............................................. 134
شکل4-28. رابطه میان آستانه پراکندگی و دقت نتیجه نهایی در روش پیشنهادی اول ............................................ 134
شکل4-29. رابطه میان آستانه عدم تمرکز و دقت نتیجه نهایی در روش پیشنهادی اول ......................................... 135
شکل4-30. رابطه میان آستانه پراکندگی و زمان اجرای الگوریتم در روش پیشنهادی دوم ..................................... 135
شکل4-31. رابطه میان آستانه پراکندگی و دقت نتایج نهایی در روش پیشنهادی دوم ............................................ 136
شکل4-32. رابطه میان آستانه عدم تمرکز و دقت نتایج نهایی در روش پیشنهادی دوم ......................................... 137
شکل4-33. مقایسه زمان اجرای الگوریتم‌ ............................................................................................................... 138
فصل اول
مقدمه
center3187700
1. مقدمه1-1. خوشه‌بندیبه عنوان یکی از شاخه‌های وسیع و پرکاربرد هوش مصنوعی، یادگیری ماشین 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 رو‌یکرد هستند. امروزه، داده‌کاوی به عنوان یک ابزار قوی برای تولید اطلاعات و دانش از داده‌های خام، در یادگیری ماشین شناخته‌شده و همچنان با سرعت در حال رشد و تکامل است. به طور کلی می‌توان تکنیک‌های داده‌کاوی را به دو دسته بانظارت و بدون نظارت تقسیم کرد [29, 46].
در روش بانظارت ما ورودی (داده یادگیری) و خروجی (کلاس داده) یک مجموعه داده را به الگوریتم هوشمند می‌دهیم تا آن الگوی بین ورودی و خروجی را تشخیص دهد در این روش خروجی کار ما مدلی است که می‌تواند برای ورودی‌های جدید خروجی درست را پیش‌بینی کند. روش‌های طبقه‌بندی و قوانین انجمنی از این جمله تکنیک‌ها می‌باشد. روش‌های با نظارت کاربرد فراوانی دارند اما مشکل عمده این روش‌ها این است که همواره باید داده‌ای برای یادگیری وجود داشته باشد که در آن به ازای ورودی مشخص خروجی درست آن مشخص شده باشد. حال آنکه 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 (کلاس) به آن‌ها اختصاص داده نشده است اما به وضوح جزئی از یک دسته هستند [46, 68]. خوشه‌بندی شاخص‌ترین روش در داده‌کاوی جهت حل مسائل به صورت بدون ناظر است. ایده اصلی خوشه‌بندی اطلاعات، جدا کردن نمونه‌ها از یکدیگر و قرار دادن آن‌ها در گروه‌های شبیه به هم می‌باشد. به این معنی که نمونه‌های شبیه به هم باید در یک گروه قرار بگیرند و با نمونه‌های گروه‌های دیگر حداکثر متفاوت را دارا باشند [20, 26]. دلایل اصلی برای اهمیت خوشه‌بندی عبارت‌اند از:
اول، جمع‌آوری و برچسب‌گذاری یک مجموعه بزرگ از الگوهای نمونه می‌تواند بسیار پرکاربرد و باارزش باشد.
دوم، می‌توانیم از روش‌های خوشه‌بندی برای پیدا کردن و استخراج ویژگی‌ها و الگوهای جدید استفاده کنیم. این کار می‌تواند کمک به سزایی در کشف دانش ضمنی داده‌ها انجام دهد.
سوم، با خوشه‌بندی می‌توانیم یک دید و بینشی از طبیعت و ساختار داده به دست آوریم که این می‌تواند برای ما باارزش باشد.
چهارم، خوشه‌بندی می‌تواند منجر به کشف زیر رده‌های مجزا یا شباهت‌های بین الگوها ممکن شود که به طور چشمگیری در روش طراحی طبقه‌بندی قابل استفاده باشد.
1-2. خوشه‌بندی ترکیبیهر یک از الگوریتم‌های خوشه‌بندی، با توجه به اینکه بر روی جنبه‌های متفاوتی از داده‌ها تاکید می‌کند، داده‌ها را به صورت‌های متفاوتی خوشه‌بندی می‌نماید. به همین دلیل، نیازمند روش‌هایی هستیم که بتواند با استفاده از ترکیب این الگوریتم‌ها و گرفتن نقاط قوت هر یک، نتایج بهینه‌تری را تولید کند. در واقع هدف اصلی خوشه‌بندی ترکیبی جستجوی بهترین خوشه‌ها با استفاده از ترکیب 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 زیرمجموعه نتایج اولیه می‌گویند. در این روش‌ها بر اساس معیاری توافقی مجموعه‌ای از مطلوب‌ترین نتایج اولیه را انتخاب کرده و فقط توسط آن‌ها نتیجه نهایی را ایجاد می‌کنیم [21]. معیارهای مختلفی جهت انتخاب مطلوب‌ترین روش پیشنهاد شده است که معیار اطلاعات متقابل نرمال شده، روش ماکزیموم و 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 جمعینظریه خرد جمعی که اولین بار توسط سورویکی در سال 2004 در کتابی با همان عنوان منتشر شد، استنباطی از مسائل مطرح‌شده توسط گالتون و کندورست 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 سورویکی خردمند بودن جامعه در شرایط چهارگانه پراکندگی، استقلال، عدم تمرکز و روش ترکیب مناسب است [55].
1-4. خوشه‌بندی مبتنی بر انتخاب بر اساس نظریه خرد جمعیهدف 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.

دانلود پایان نامه ارشد- مقاله تحقیق

 برای دانلود فایل کامل به سایت منبع مراجعه کنید  : homatez.com

یا برای دیدن قسمت های دیگر این موضوع در سایت ما کلمه کلیدی را وارد کنید :

 

1-4-1- فرضیات تحقیقاین تحقیق بر اساس فرضیات زیر اقدام به ارائه روشی جدید در خوشه‌بندی ترکیبی مبتنی بر انتخاب بر اساس نظریه خرد جمعی می‌کند.
۱ ) در این تحقیق تمامی آستانه‌گیری‌ها بر اساس میزان صحت نتایج نهایی و مدت زمان اجرای الگوریتم به صورت تجربی انتخاب می‌شوند.
۲ ) 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.
۳ ) جهت اطمینان از صحت نتایج آزمایش‌ها ارائه‌شده در این تحقیق، حداقل اجرای هر الگوریتم بر روی هر داده ده بار تکرار شده و نتیجه‌ی 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 ترکیبی مورد بررسی قرار می‌گیرد. همچنین به مرور روش‌های انتخاب خوشه و یا افراز 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.

فصل دوم
مروری بر ادبیات تحقیق
center2132965
2. مروری بر ادبیات تحقیق2-1. مقدمهدر این بخش، کارهای انجام‌شده در خوشه‌بندی و خوشه‌بندی ترکیبی را مورد مطالعه قرار می‌دهیم. ابتدا چند الگوریتم‌ پایه خوشه‌بندی معروف را معرفی خواهیم کرد. سپس چند روش کاربردی جهت ارزیابی خوشه، خوشه‌بندی و افرازبندی را مورد مطالعه قرار می‌دهیم. در ادامه به بررسی ادبیات خوشه‌بندی ترکیبی خواهیم پرداخت و روش‌های ترکیب متداول را بررسی خواهیم کرد. از روش‌های خوشه‌بندی ترکیبی، روش ترکیب کامل و چند روش معروف مبتنی بر انتخاب را به صورت مفصل شرح خواهیم داد.
2-2. خوشه‌بندیدر این بخش ابتدا انواع الگوریتم‌های خوشه‌بندی پایه را معرفی می‌کنیم و سپس برخی از آن‌ها را مورد مطالعه قرار می‌دهیم سپس برای ارزیابی نتایج به دست آمده چند متریک معرفی خواهیم کرد.
2-2-1. الگوریتم‌های خوشه‌بندی پایهبه طور کلی، الگوریتم‌های خوشه‌بندی را می‌توان به دو دسته کلی تقسیم کرد:
1- الگوریتم‌های سلسله مراتبی
2- الگوریتم‌های افرازبندی
الگوریتم‌های سلسله مراتبی، یک روال برای تبدیل یک ماتریس مجاورت به یک دنباله از افرازهای تو در تو، به صورت یک درخت است. در این روش‌ها، مستقیماً با داده‌ها سروکار داریم و از روابط بین آن‌ها برای به دست آوردن خوشه‌ها استفاده می‌کنیم. یکی از ویژگی‌های این روش قابلیت تعیین تعداد خوشه‌ها به صورت بهینه می‌باشد. در نقطه مقابل الگوریتم‌های سلسله مراتبی، الگوریتم‌های افرازبندی قرار دارند. هدف این الگوریتم‌ها، تقسیم داده‌ها در خوشه‌ها، به گونه‌ای است که داده‌های درون یک خوشه بیش‌ترین شباهت را به همدیگر داشته باشند؛ و درعین‌حال، بیش‌ترین فاصله و اختلاف را با داده‌های خوشه‌های دیگر داشته باشند. در این فصل تعدادی از متداول‌ترین الگوریتم‌های خوشه‌بندی، در دو دسته سلسله مراتبی و افرازبندی، مورد بررسی قرار می‌گیرند. از روش سلسله‌ مراتبی چهار الگوریتم‌ از سری الگوریتم‌های پیوندی را مورد بررسی قرار می‌دهیم. و از الگوریتم‌های افرازبندی K-means، FCM و الگوریتم طیفی را مورد بررسی خواهیم داد.
2-2-1-1. الگوریتم‌های سلسله مراتبیهمان‌گونه که در شکل 2-1 مشاهده می‌شود، روال الگوریتم‌های خوشه‌بندی سلسله مراتبی را می‌تواند به صورت یک دندوگرام نمایش داد. این نوع نمایش تصویری از خوشه‌بندی سلسله مراتبی، برای انسان، بیشتر از یک لیست از نمادها قابل‌درک است. در واقع دندوگرام، یک نوع خاص از ساختار درخت است که یک تصویر قابل‌فهم از خوشه‌بندی سلسله مراتبی را ارائه می‌کند. هر دندوگرام شامل چند لایه از گره‌هاست، به طوری که هر لایه یک خوشه را نمایش می‌دهد. خطوط متصل‌کننده گره‌ها، بیانگر خوشه‌هایی هستند که به صورت آشیانه‌ای داخل یکدیگر قرار دارند. برش افقی یک دندوگرام، یک خوشه‌بندی را تولید می‌کند [33]. شکل 2-1 یک مثال ساده از خوشه‌بندی و دندوگرام مربوطه را نشان می‌دهد.

شکل 2-1. یک خوشه‌بندی سلسله مراتبی و درخت متناظر
اگر الگوریتم‌های خوشه‌بندی سلسله مراتبی، دندوگرام را به صورت پایین به بالا بسازند، الگوریتم‌های خوشه‌بندی سلسله مراتبی تراکمی نامیده می‌شوند. همچنین، اگر آن‌ها دندوگرام را به صورت بالا به پایین بسازند، الگوریتم‌های خوشه‌بندی سلسله مراتبی تقسیم‌کننده نامیده می‌شوند [26]. مهم‌ترین روش‌های خوشه‌بندی سلسله مراتبی الگوریتم‌های سری پیوندی می‌باشد که در این بخش تعدادی از کاراترین آن‌ها مورد بررسی قرار خواهند گرفت که عبارت‌اند از:
الگوریتم پیوندی منفرد
الگوریتم پیوندی کامل
الگوریتم پیوندی میانگین
الگوریتم پیوندی بخشی
2-2-1-1-1. تعاریف و نماد‌ها
شکل 2-2. ماتریس مجاورت
قبل از معرفی این الگوریتم‌ها، در ابتدا نمادها و نحوه نمایش مسئله نمایش داده خواهد شد. فرض کنید که یک ماتریس مجاورت متقارن داریم. وارده در هر سمت قطر اصلی قرار دارد که شامل یک جای گشت اعداد صحیح بین 1 تا است. ما مجاورت‌ها را عدم شباهت در نظر می‌گیریم. به این معنی است که اشیاء 1 و 3 بیشتر از اشیاء 1 و 2 به هم شبیه‌اند. یک مثال از ماتریس مجاورت معمول برای است که در شکل 2-2 نشان داده شده است. یک گراف آستانه، یک گراف غیر جهت‌دار و غیر وزن‌دار، روی گره، بدون حلقه بازگشت به خود یا چند لبه است. هر نود یک شیء را نمایش می‌دهد. یک گراف آستانه برای هر سطح عدم شباهت به این صورت تعریف می‌شود: اگر عدم شباهت اشیاء و از حد آستانه کوچک‌تر باشد، با واردکردن یک لبه بین نودهای ویک گراف آستانه تعریف می‌کنیم.
(2-1)if and only if
شکل 2-3 یک رابطه دودویی به دست آمده از ماتریس مربوط به شکل 2-2 را برای مقدار آستانه 5 نشان می‌دهد. نماد "*" در موقعیت ماتریس، نشان می‌دهد که جفت متعلق به رابطه دودویی می‌باشد. شکل 2-4، گراف‌های آستانه برای ماتریس را نمایش می‌دهد.

شکل 2-3. رابطه دودویی و گراف آستانه برای مقدار آستانه 5.

شکل 2-4. گراف‌های آستانه برای ماتریس
2-2-1-1-2. الگوریتم پیوندی منفرداین الگوریتم روش کمینه و روش نزدیک‌ترین همسایه نیز نامیده می‌شود [26]. اگر و خوشه‌ها باشند، در روش پیوندی منفرد، فاصله آن‌ها برابر خواهد بود با:
(2-2)
که نشان‌دهنده فاصله (عدم شباهت) بین نقاط a و b در ماتریس مجاورت است. شکل 2-5 این الگوریتم را نمایش می‌دهد. شکل 2-6 دندوگرام حاصل از روش پیوندی منفرد را برای ماتریس ، را نشان می‌دهد.
Step 1. Begin with the disjoint clustering implied by threshold graph, which contains no edges and which places every object in a unique cluster, as the current clustering. Set.
Step 2. From threshold graph.
If the number of comonents (maximally connected subgraphs) in, is less than the number of clusters in the current clustering, redefiene the current clustering by naming each component of as a cluster.
Step 3. If consists of a single connected graph, stop. Else, setand go to step 2.
شکل 2-5. الگوریتم خوشه‌بندی سلسله مراتبی تراکمی پیوندی منفرد

شکل 2-6. دندوگرام پیوندی منفرد برای ماتریس
2-2-1-1-3. الگوریتم پیوندی کاملاین الگوریتم روش بیشینه یا روش دورترین همسایه نیز نامیده می‌شود. الگوریتم پیوندی کامل می‌گوید که وقتی دو خوشه و شبیه به هم هستند که بیشینه روی تمام ها در و کوچک باشد. به عبارت دیگر، در این الگوریتم، برای یکی کردن دو خوشه، همه جفت‌ها در دو خوشه باید شبیه به هم باشند [26]. اگر و خوشه‌ها باشند، در روش پیوندی کامل، فاصله آن‌ها برابر خواهد بود با:
(2-3)
که نشان‌دهنده فاصله(عدم شباهت) بین نقاط a و در ماتریس مجاورت است. شکل 2-7 این الگوریتم و شکل 2-8 دندوگرام حاصل از این روش را برای ماتریس ، را نشان می‌دهد.
Step 1. Begin with the disjoint clustering implied by threshold graph, which contains no edges and which places every object in a unique cluster, as the current clustering. Set.
Step 2. From threshold graph.
If two of the current clusters from a clique (maximally complete sub graph) in, redefine the current clustering by merging these two clusters into a single cluster.
Step 3. If, so that is the complete graph on the nodes, stop. Else, set and go to step 2.
شکل 2-7. الگوریتم خوشه‌بندی سلسله مراتبی تراکمی پیوندی کامل

شکل 2-8. دندوگرام پیوندی کامل برای ماتریس
2-2-1-1-4. الگوریتم پیوندی میانگینالگوریتم پیوندی منفرد اجازه می‌دهد تا خوشه‌ها به صورت دراز و نازک رشد کنند. این در شرایطی است که الگوریتم پیوندی کامل خوشه‌های فشرده‌تری تولید می‌کند. هر دو الگوریتم مستعد خطا با داده‌های خارج از محدوده هستند. الگوریتم خوشه‌بندی پیوندی میانگین، یک تعادلی بین مقادیر حدی الگوریتم‌های پیوندی منفرد و کامل است. الگوریتم پیوندی میانگین همچنین، روش جفت-گروه بدون وزن با استفاده از میانگین حسابی نامیده می‌شود. این الگوریتم، یکی از پرکاربردترین الگوریتم‌های خوشه‌بندی سلسله مراتبی می‌باشد [26]. اگر یک خوشه با تعداد تا عضو، و یک خوشه دیگر با تعداد تا عضو باشند، در روش پیوندی میانگین، فاصله آن‌ها برابر خواهد بود با:
(2-4)
که نشان‌دهنده فاصله(عدم شباهت) بین نقاط a و در ماتریس مجاورت است.
2-2-1-1-5. الگوریتم پیوندی بخشیروش پیوندی بخشی که از مربع مجموع خطا‌های (SSE) خوشه‌های یک افراز برای ارزیابی استفاده می‌کند، یکی دیگر از روش‌های سلسله مراتبی می‌باشد [60]. اگر یک خوشه با تعداد تا عضو، و یک خوشه دیگر با تعداد تا عضو باشند و نماد به معنای فاصله اقلیدسی و و مراکز خوشه‌های و باشد آنگاه در روش پیوندی بخشی، فاصله آن‌ها برابر خواهد بود با:
(2-5)
2-2-1-2. الگوریتم‌های افرازبندییک خاصیت مهم روش‌های خوشه‌بندی سلسله مراتبی، قابلیت نمایش دندوگرام است که تحلیل‌گر را قادر می‌سازد تا ببیند که چگونه اشیاء در سطوح متوالی مجاورت، در خوشه‌ها به هم پیوند می‌خورند یا تفکیک می‌شوند. همان طور که اشاره شد، هدف الگوریتم‌های افرازبندی، تقسیم داده‌ها در خوشه‌ها، به گونه‌ای است که داده‌های درون یک خوشه بیش‌ترین شباهت را به همدیگر داشته باشند؛ و درعین‌حال، بیش‌ترین فاصله و اختلاف را با داده‌های خوشه‌های دیگر داشته باشند. آن‌ها یک افراز منفرد از داده را تولید می‌کنند و سعی می‌کنند تا گروه‌های طبیعی حاضر در داده را کشف کنند. هر دو رویکرد خوشه‌بندی، دامنه‌های مناسب کاربرد خودشان را دارند. معمولاً روش‌های خوشه‌بندی سلسله مراتبی، نیاز به ماتریس مجاورت بین اشیاء دارند؛ درحالی‌که روش‌های افرازبندی، به داده‌ها در قالب ماتریس الگو نیاز دارند. نمایش رسمی مسئله خوشه‌بندی افرازبندی می‌تواند به صورت زیر باشد:
تعیین یک افراز از الگوها در گروه، یا خوشه، با داشتن الگو در یک فضای d-بعدی؛ به طوری که الگوها در یک خوشه بیش‌ترین شباهت را به هم داشته و با الگوهای خوشه‌های دیگر بیش‌ترین، تفاوت را داشته باشند. تعداد خوشه‌ها،، ممکن است که از قبل مشخص‌شده نباشد، اما در بسیاری از الگوریتم‌های خوشه‌بندی افرازبندی، تعداد خوشه‌ها باید از قبل معلوم باشند. در ادامه برخی از معروف‌ترین و پرکاربردترین الگوریتم‌های افرازبندی مورد بررسی قرار خواهند گرفت.
2-2-1-2-1. الگوریتم K-meansدر الگوریتم مراکز خوشه‌ها بلافاصله بعد از اینکه یک نمونه به یک خوشه می‌پیوندد محاسبه می‌شوند. به طور معمول بیشتر روش‌های خوشه‌بندی ترکیبی از الگوریتم جهت خوشه‌بندی اولیه خود استفاده می‌کنند [37, 47, 57]. اما مطالعات اخیر نشان داده‌اند که با توجه به رفتار هر مجموعه داده، گاهی اوقات یک روش خوشه‌بندی خاص پیدا می‌شود که دقت بهتری از برای بعضی از مجموعه داده‌ها می‌دهد [1, 54]. اما الگوریتم به دلیل سادگی و توانایی مناسب در خوشه‌بندی همواره به عنوان انتخاب اول مطالعات خوشه‌بندی ترکیبی مورد مطالعه قرار گرفته است. در شکل 2-10 شبه کد الگوریتم را مشاهده می‌کنید:
1. Place K points into the space represented by the objects that are being clustered.
These points represent initial group centroids.
2. Assign each object to the group that has the closest centroid.
3. When all objects have been assigned, recalculate the positions of the K centroids.
4. Repeat Steps 2 and 3 until the centroids no longer move. This produces a separation
of the objects into groups from which the metric to be minimized can be calculated
شکل 2-9. الگوریتم خوشه‌بندی افرازبندی
مقادیر مراکز اولیه‌ی‌ متفاوت برای الگوریتم می‌تواند منجر به خوشه‌بندی‌های مختلفی شود. به خاطر اینکه این الگوریتم مبتنی بر مربع خطا است، می‌تواند به کمینه محلی همگرا شود، مخصوصاً برای خوشه‌هایی که به طور خیلی خوبی از هم تفکیک نمی‌شوند، این امر صادق است. نشان داده شده است که هیچ تضمینی برای همگرایی یک الگوریتم تکراری به یک بهینه سراسری نیست [33]. به طور خلاصه می‌توان ویژگی‌های الگوریتم را به صورت زیر برشمرد:
1- بر اساس فاصله اقلیدسی تمامی ویژگی‌ها می‌باشد.
2- منجر به تولید خوشه‌هایی به صورت دایره، کره و یا ابر کره می‌شود.
3- نسبت به روش‌های دیگر خوشه‌بندی، ساده و سریع است.
4- همگرایی آن به یک بهینه محلی اثبات شده است، اما تضمینی برای همگرایی به بهینه سراسری وجود ندارد.
5- نسبت به مقداردهی اولیه مراکز خوشه‌ها خیلی حساس است.
2-2-1-2-2. الگوریتم FCMالگوریتم FCM اولین بار توسط دون [13] ارائه شد. سپس توسط بزدک [66] بهبود یافت. این متد دیدگاه جدیدی را در خوشه‌بندی بر اساس منطق فازی [62] ارائه می‌دهد. در این دیدگاه جدید، به جای اینکه داده‌ها در یک خوشه عضو باشند، در تمامی خوشه‌ها با یک ضریب عضویت که بین صفر و یک است، عضو هستند و ما در این نوع خوشه‌بندی، دنبال این ضرایب هستیم. در روش‌های معمول در جایی که ما داده داشته باشیم، جواب نهایی ماتریس خواهد بود که هر خانه شامل برچسب خوشه‌ی داده‌ی نظیر آن می‌باشد. ولی در این روش در صورت داشتن خوشه، جواب نهایی یک ماتریس خواهد بود که در آن هر ردیف شامل ضرایب عضویت داده‌ی نظیر به آن خوشه است. بدیهی است که جمع افقی هر ردیف (ضرایب عضویت یک داده خاص) برابر با یک خواهد بود. یک روش معمول جهت رسیدن به جواب‌هایی غیر فازی بر اساس نتایج نهایی الگوریتم فازی، برچسب‌زنی داده بر اساس آن ضریبی که مقدار حداکثر را در این داده دارد، می‌باشد. رابطه 2-6 معادله پایه در روش فازی است: [66]
(2-6) ,
در رابطه 2-6 متغیرm یک عدد حقیقی بزرگ‌تر از یک و درجه عضویت داده در خوشه j-ام می‌باشد، که خود ، i-امین داده d-بُعدی از داده‌ی مورد مطالعه می‌باشد و مرکز d-بعدی خوشه j-ام‌ است و هر روش معمول جهت اندازه‌گیری شباهت میان داده و مرکز خوشه می‌باشد. در روش خوشه‌بندی فازی مراکز خوشه () و درجه عضویت () با تکرار مکرر به ترتیب بر اساس رابطه‌های 2-7 و 2-8 به‌روزرسانی می‌شوند، تا زمانی که شرط توقف درست در آید. در این شرط مقدار یک مقدار توافقی بسیار کوچک‌تر از یک می‌باشد که مطابق با نوع داده و دقت خوشه‌بندی قابل جایگذاری خواهد بود. بدیهی است که هر چقدر این مقدار به سمت صفر میل کند درجه عضویت دقیق‌تر و مقدار زمان اجرا بیشتر خواهد بود [66].
(2-7)
(2-8)
مراحل اجرای الگوریتم در شبه کد شکل 2-11 شرح داده شده است:
1.Initialize matrix,
2.At k-step: calculate the centers vectors with

3.Update ,

4. If then STOP; otherwice returen to step 2.
شکل 2-10. الگوریتم فازی خوشه‌بندی
2-2-1-2-3. الگوریتم طیفیروش خوشه‌بندی طیفی که بر اساس مفهوم گراف طیفی [11] مطرح شده است، از ماتریس شباهت برای کاهش بعد داده‌ها در خوشه‌بندی استفاده می‌کند. در این روش یک گراف وزن‌دار بدون جهت به نحوی تولید می‌شود که رئوس گراف نشان‌دهنده‌ی مجموعه نقاط و هر یال وزن‌دار نشان‌دهنده‌ی میزان شباهت جفت داده‌های متناظر باشد. بر خلاف روش‌های کلاسیک، این روش، روی‌ داده‌ای پراکنده‌ در فضایی با شکل‌ هندسی غیر محدب، نتایج مطلوبی تولید می‌کند [63]. کاربرد این روش در محاسبات موازی [69, 70]، تنظیم بار [15]، طراحی VLSI [28]، طبقه‌بندی تصاویر [35] و بیوانفورماتیک [31, 59] می‌باشد.
در خوشه‌بندی طیفی از بردارهای ویژگی در ماتریس شباهت برای افراز مجموعه‌ داده استفاده می‌شود. در اغلب این روش‌ها، مقدار ویژه اولویت بردارها را تعیین می‌کند. ولی این نحوه‌ی انتخاب، انتخاب بهترین بردارها را تضمین نمی‌دهد. در اولین تحقیقی که در این زمینه توسط ژیانگ و گنگ [61] انجام شد، مسئله‌ی انتخاب بردارهای ویژگی مناسب جهت بهبود نتایج خوشه‌بندی پیشنهاد گردید. در روش پیشنهادی آن‌ها شایستگی هر یک از بردارهای با استفاده از تابع چگالی احتمال هر بردار تخمین زده می‌شود. وزنی به بردارهایی که امتیاز لازم را به دست آورندگ، اختصاص یافته و برای خوشه‌بندی از آن‌ها استفاده می‌شود. در کاری دیگر که توسط ژائو [64] انجام شده است، هر یک از بردارهای ویژه به ترتیب حذف می‌شوند و مقدار آنتروپی مجموعه بردارهای باقی‌مانده محاسبه می‌شود. برداری که حذف آن منجر به افزایش آنتروپی و ایجاد بی‌نظمی بیشتر در مجموعه داده شود، اهمیت بیشتری داشته و در رتبه بالاتری قرار می‌گیرد. سپس زیرمجموعه‌ای از مناسب‌ترین بردارها برای خوشه‌بندی مورد استفاده قرار می‌گیرند. الگوریتم خوشه‌بندی طیفی دارای متدهای متفاوتی جهت پیاده‌سازی است، که الگوریتم‌های برش نرمال، NJW، SLH وPF از آن جمله می‌باشد. در تمامی این روش‌ها، بخش اول، یعنی تولید گراف، مشترک می‌باشد. ما در ادامه ابتدا به بررسی بخش مشترک این روش‌ها می‌پردازیم. سپس به تشریح دو روش پر کاربرد برش نرمال و NJW می‌پردازیم.
در الگوریتم خوشه‌بندی طیفی، افراز داده‌ها بر اساس تجزیه‌ی ماتریس شباهت و به دست آوردن بردارها و مقادیر ویژه‌ی آن صورت می‌گیرد. مجموعه‌ی با داده‌یبعدی را در نظر بگیرید، می‌توان برای این مجموعه گراف وزن‌دار و بدون جهت را ساخت به صورتی که رئوس گراف نشان‌دهنده داده و یال‌ها که ماتریس شباهت را تشکیل می‌دهند بیانگر میزان شباهت بین هر جفت داده متناظر باشند. ماتریس شباهت به صورت رابطه 2-9 تعریف می‌شود:
(2-9)
تابع میزان شباهت بین دو داده را اندازه می‌گیرد. می‌تواند یک تابع گوسی به صورت باشد. که در آن فاصله‌ی بین دو نمونه را نشان می‌دهد و پارامتر مقیاس سرعت کاهش تابع با افزایش فاصله بین دو نمونه را مشخص می‌کند. در ادامه به بررسی دو الگوریتم خوشه‌بندی طیفی برش نرمال و NJW می‌پردازیم.
2-2-1-2-3-1. الگوریتم برش نرمالالگوریتم برش نرمال توسط شی و ملیک [35] برای قطعه‌بندی تصاویر ارائه شده است. در این روش، میزان تفاوت بین خوشه‌های مختلف و شباهت بین اعضا یک خوشه، بر اساس فاصله‌ی داده‌ها محاسبه می‌کند. رابطه 2-10 اشاره به مفهوم شباهت داده دارد که با استفاده از آن اقدام به ساخت گراف وزن‌دار می‌نماییم:
(2-10)
موقعیت i-امین داده (پیکسل در تصاویر) و بردار ویژگی از صفات داده (مانند روشنایی در تصاویر) می‌باشد. با کمک حد آستانه می‌توان میزان تنکی ماتریس شباهت را با توجه به تعداد اثرگذار داده‌های همسایه تعیین کرد. گام‌های این الگوریتم به صورت زیر می‌باشد:
محاسبه ماتریس درجه.
محاسبه ماتریس لاپلاسین.
محاسبه دومین بردار ویژگی متناظر با دومین کوچک‌ترین مقدار ویژه.
استفاده از برای خوشه‌بندی (قطعه‌بندی در تصاویر) گراف.
روش برش نرمال بیشتر در قطعه‌بندی تصاویر کاربرد دارد و معمولاً در خوشه‌بندی داده از سایر الگوریتم‌های خوشه‌بندی طیفی استفاده می‌کنند.
2-2-1-2-3-2. الگوریتم NJWایده الگوریتم استفاده از اولین بردار ویژه متناظر با بزرگ‌ترین مقدار ویژه ماتریس لاپلاسین است. مراحل این الگوریتم به صورت زیر می‌باشد: [51]
ساخت ماتریس شباهت با استفاده از رابطه 2-9.
محاسبه ماتریس درجه، و ماتریس لاپلاسین.
به دست آوردن اولین بردار ویژه متناظر با اولین بزرگ‌ترین مقدار ماتریسو تشکیل ماتریس ستونی.
نرمال سازی مجدد و تشکیل به طوری که همه سطرهای آن طول واحد داشته باشد.
خوشه‌بندی مجموعه داده بازنمایی شده با استفاده از.

2-2-1-2-4. الگوریتم خوشه‌بندی کاهشیالگوریتم خوشه‌بندی کاهشی یکی از سریع‌ترین الگوریتم‌های تک گذر، برای تخمین تعداد خوشه و مراکز آن‌ها در مجموعه‌ی داده می‌باشد. این مفهوم یعنی به جای تحت تأثیر قرار گرفتن محاسبات از ابعاد مسئله، متناسب با اندازه مسئله آن را انجام دهیم. با این وجود، مراکز واقعی خوشه الزاماً یکی از نقاط داده موجود در مجموعه داده نیست ولی در بیشتر موارد این انتخاب تخمین خوبی است که به صورت ویژه از این رویکرد در محاسبات کاهشی استفاده می‌شود. اگر هر نقطه از مجموعه داده به عنوان گزینه‌ای برای مرکز خوشه در نظر گرفته شود، معیار تراکم هر نقطه به صورت زیر تعریف می‌شود [79].
(2-11)
در رابطه بالا یک ثابت مثبت است، که نشان‌دهنده‌ی شعاع همسایگی (سایر نقاط داده که نزدیک‌ترین نقاط به این داده خاص هستند) می‌باشد، و نشان‌دهنده‌ی سایر داده‌های مجموعه، و نشان‌دهنده‌ی تعداد این داده‌ها است. از این روی، داده‌ای دارای بیش‌ترین مقدار تراکم می‌باشد که بیش‌ترین نقاط داده در همسایگی آن است. اولین مرکز خوشه بر اساس بزرگ‌ترین مقدار تراکم انتخاب می‌شود. بعد از این انتخاب میزان تراکم هر یک از نقاط داده به صورت زیر به‌روز می‌شود [79].
(2-12)
در رابطه بالا ثابت مثبت همسایگی را تعریف می‌کند که میزان کاهش تراکم قابل اندازه‌گیری را نشان می‌دهد. از آنجایی که نقاط داده در نزدیکی مرکز خوشه اول به طور قابل‌توجهی مقادیر چگالی را کاهش می‌دهند بعد از به‌روز کردن مقادیر تابع چگالی توسط رابطه بالا مرکز خوشه بعدی بر اساس داده‌ای که بزرگ‌ترین مقدار چگالی را دارد انتخاب می‌شود. این فرآیند آن قدر تکرار می‌شود تا به تعداد کافی مرکز خوشه ایجاد شود. پس از اتمام این فرآیند می‌توان توسط الگوریتم که مراکز داده در آن توسط فرآیند بالا به صورت دستی داده شده است (نه به صورت تصادفی)، داده‌ها را خوشه‌بندی کرد. شبه کد شکل زیر روند فرآیند بالا را نشان می‌دهد که در آن ابتدا مقادیر ثابت‌ها () و مجموعه داده به عنوان ورودی گرفته می‌شود و پس از ساخت مراکز داده مطابق با تعاریف بالا، این مراکز برای خوشه‌بندی در الگوریتم استفاده می‌شود [79].
Inputs Dataset, Constants
Output Clusters
Steps
1. Initialize constants and density values
2. Make a new cluster center.
3. Update density values
4. If the sufficient number of clusters are not obtained, go to 2.
3. Clustering the dataset by k-means, using fix centers.
شکل 2-11. خوشه‌بندی کاهشی
2-2-1-2-5. الگوریتم خوشه‌بندی Median K-Flatالگوریتم Median K-Flat یا به اختصار MKF مجموعه داده‌یرا به K خوشه‌ی افراز می‌کند که هر خوشه یک شبه فضای d-بُعدی تقریباً خطی می‌باشد. پارامتر‌ با فرض ماتریسی با ابعاد می‌باشد، که هر یک از خانه‌های آن تخمین شبه فضای خطی متعامد می‌باشد. قابل به ذکر است که می‌باشد. در این جا تخمین شبه فضای خوشه‌های را نام‌گذاری می‌کنیم. مطابق تعاریف بالا تابع انرژی برای افرازهای ‌ بر اساس شبه فضای به شکل زیر تعریف می‌شود [77].
(2-13)
این الگوریتم سعی می‌کند تا مجموعه داده را به خوشه‌های ‌تبدیل کند به نحوی که تابع انرژی کمینه باشد. تا وقتی که سطوح تخت اساسی به شکل شبه فضای خطی هستند ما می‌توانیم به صورت فرضی المان‌های X را در یک حوضه واحد نرمال کنیم به طوری که برای و تابع انرژی را به شکل زیر بیان کنیم: [77]
(2-14)
این الگوریتم برای کمینه‌سازی تابع انرژی الگوریتمMKF از روش کاهش گرادیان تصادفی استفاده می‌کند. مشتق تابع انرژی بر اساس ماتریس به شرح زیر است:
(2-15)
این الگوریتم نیاز به تطبیق بر اساس مؤلفه‌ی متعامد مشتق دارد. بخشی از مشتق که با شبه فضای موازی است به شرح زیر می‌باشد.
(2-16)
از این روی مؤلفه متعامد برابر است با رابطه 2-17 می‌باشد.
(2-17)
در رابطه بالا برابر با رابطه 2-18 است.
(2-18)
با در نظر گرفتن محاسبات بالا، الگوریتم MKF تصمیم می‌گیرد که داده تصادفی از مجموعه داده، عضو کدام باشد، و از این طریق شروع به چیدن داده‌ها می‌کند. آن گاه، الگوریتم تابع را به‌روز کند که در آن (مرحله زمانی) پارامتری است که توسط کاربر تعیین می‌شود. این فرآیند آن قدر تکرار می‌شود تا ضابطه همگرایی دیده شود. آنگاه هر نقطه از مجموعه داده به نزدیک‌ترین شبه فضای که تعیین‌کننده خوشه‌هاست اختصاص داده می‌شود. شبه کد زیر فرآیند الگوریتم MKF را نشان می‌دهد [77].
Input:
: Data, normalized onto the unit sphere, d: dimension of subspaces K: number of subspaces, the initialized subspaces. : step parameter.
Output: A partition of X into K disjoint clusters
Steps:
1. Pick a random point in X
2. Find its closest subspace , where
3. Compute by
4. Update
5. Orthogonalize
6. Repeat steps 1-5 until convergence
7. Assign each xi to the nearest subspace
شکل 2-12. شبه‌کد الگوریتم MKF [77]
2-2-1-2-6. الگوریتم خوشه‌بندی مخلوط گوسییک مخلوط گوسی یا همان را می‌توان ترکیب محدبی از چگالی‌های گوسی دانست. یک چگالی گوسی در فضای d-بُعدی به ازای میانگین، توسط ماتریس هم‌وردایی با ابعاد به صورت زیر تعریف می‌شود: [83]
(2-19)
در رابطه بالا پارامتر‌های و را تعریف می‌کند. از این روی مؤلفه به صورت زیر تعریف می‌شود:
(2-20)
در رابطه (2-20) پارامتر وزن مخلوط کردن و مؤلفه مخلوط می‌باشد. از آنجا که در مقایسه با تخمین چگالی غیر پارامتری، تعداد کمتری از توابع چگالی در تخمین چگالی مخلوط باید ارزیابی شود، از این روی ارزیابی چگالی کارآمدتر خواهد بود. علاوه بر آن، استفاده از اجرای محدودیت هموار کردن بر روی برخی از مؤلفه‌های مخلوط در نتیجه‌ی چگالی به ما اجازه می‌دهد تا چگالی مستحکم‌تری را تخمین بزنیم. الگوریتم حداکثر-انتظار یا همان به ما اجازه به‌روز کردن پارامتر‌های مؤلفه‌ی مخلوط را مطابق با مجموعه داده به ازای هر می‌دهد، به طوری که احتمال هرگز کوچک‌تر از مخلوط جدید نشود. به‌روز کردن الگوریتم می‌تواند در یک فرآیند تکراری برای تمامی مؤلفه‌های مطابق با رابطه‌های زیر انجام شود: [83]
(2-21)
(2-22)
(2-23)
(2-24)
در این تحقیق از روش پیشنهادی بومن و همکاران برای پیاده‌سازی الگوریتم مخلوط گوسی استفاده شده است. از آنجایی که روش پیاده‌سازی و توضیحات مربوط به الگوریتم مخلوط گوسی در روش ترکیب مبتنی بر مخلوط استفاده می‌شود از این روی در بخش روش‌های ترکیب نتایج با تابع توافقی آن را بررسی خواهیم کرد.
2-2-2. معیارهای ارزیابیدر یادگیری با ناظر ارزیابی راحت تر از یادگیری بدون ناظر است. برای مثال آن چیز که ما در رده‌بندی باید ارزیابی کنیم مدلی است که ما توسط داده‌های یادگیری به الگوریتم هوش مصنوعی آموزش داده‌ایم. در روش‌های با ناظر ورودی و خروجی داده معلوم است و ما بخشی از کل داده را برای آزمون جدا کرده و بخش دیگر را به عنوان داده یادگیری استفاده می‌کنیم و پس از تولید مدل مطلوب ورودی داده آزمون را در مدل وارد کرده و خروجی مدل را با خروجی واقعی می‌سنجیم. از این روی معیارهای بسیاری برای ارزیابی روش‌های با ناظر ارائه‌شده‌اند.
در یادگیری بدون ناظر روش متفاوت است. در این روش هیچ شاخص معینی در داده جهت ارزیابی وجود ندارد و ما به دنبال دسته‌بندی کردن داده‌ها بر اساس شباهت‌ها و تفاوت‌ها هستیم. از این روی برخلاف تلاش‌های خیلی از محققان، ارزیابی خوشه‌بندی خیلی توسعه داده نشده است و به عنوان بخشی از تحلیل خوشه‌بندی رایج نشده است. در واقع، ارزیابی خوشه‌بندی یکی از سخت‌ترین بخش‌های تحلیل خوشه‌بندی است [33]. معیارهای عددی، یا شاخص‌هایی که برای قضاوت جنبه‌های مختلف اعتبار یک خوشه به کار می روند، به سه دسته کلی تقسیم می‌شوند:
1- شاخص خارجی که مشخص می‌کند که کدام خوشه‌های پیداشده به وسیله الگوریتم خوشه‌بندی با ساختارهای خارجی تطبیق دارند. در این روش نیاز به اطلاعات اضافی مثل برچسب نقاط داده، داریم. آنتروپی یک مثالی از شاخص خارجی است.
2- شاخص داخلی که برای اندازه‌گیری میزان خوبی یک ساختار خوشه‌بندی بدون توجه به اطلاعات خارجی به کار می‌‌رود. یک نمونه از شاخص داخلی است.
3- شاخص نسبی که برای مقایسه دو خوشه‌بندی مختلف یا دو خوشه مختلف به کار می‌رود. اغلب یک شاخص خارجی یا داخلی برای این تابع استفاده می‌شود. برای مثال، دو خوشه‌بندی می‌توانند با مقایسه یا آنتروپی‌شان مقایسه شوند.
این فصل تعدادی از مهم‌ترین و رایج‌ترین روش‌های به‌کاررفته برای ارزیابی خوشه‌بندی را مرور خواهد کرد.
2-2-2-1. معیار SSEیک معیار داخلی ارزیابی خوشه‌بندی، مثل، می‌تواند برای ارزیابی یک خوشه‌بندی نسبت به خوشه‌بندی دیگر به کار رود. به علاوه، یک معیار داخلی اغلب می‌تواند برای ارزیابی یک خوشه‌بندی کامل یا یک خوشه تنها به استفاده شود. این اغلب به خاطر این است که این روش، سعی می‌کند تا میزان خوبی کلی خوشه‌بندی را به عنوان یک جمع وزن‌دار از خوبی‌های هر خوشه در نظر می‌گیرد. با استفاده از رابطه 2-25 محاسبه می‌شود [68].
(2-25)
کهیک نقطه داده در خوشه است و، j-امین ویژگی از داده X است. ، j-امین ویژگی از مرکز خوشه می‌باشد. برای مقایسه دو خوشه‌بندی مختلف روی یک داده با یک تعداد مشابه، تنها مقایسه مقدارهای متناظر آن‌ها کافی است. هر چه مقدار کمتر باشد، آن خوشه‌بندی بهتر خواهد بود. البته، وقتی تعداد نقاط داده در دو خوشه متفاوت باشند، مقایسه مستقیم از روی مقدار خوب نخواهد بود. بنابراین، یک خوشه معیار مناسب تری برای مقایسه است. رابطه 2-26 این معیار را نشان می‌دهد که در آن مقدار تعداد کل نمونه‌هاست [68].
(2-26)
تعداد درست خوشه‌ها در الگوریتم ، اغلب می‌تواند با استفاده از نگاه کردن به منحنی مشخص شود. این منحنی با رسم مقادیر به ازایهای مختلف به دست می‌آید. تعداد خوشه‌های بهینه با توجه به منحنی، ای است که به ازای آن نرخ کاهش مقدار، قابل چشم‌پوشی شود. شکل 2-13-ب منحنی را برای داده‌های شکل 2-13-الف، نشان می‌دهد.

(الف)
(ب)
شکل2-13. (الف) مجموعه داده با تعداد 10 خوشه واقعی. (ب) منحنی مربوطه [68]
همان طور که از شکل 2-13-ب برمی‌آید، برای مقادیرهای از صفر تا 10 شیب منحنی نسبت به بقیه مقادیر، تندتر می‌باشد. این امر نشان‌دهنده آن است که مقدار یک مقدار بهینه برای تعداد خوشه‌ها می‌باشد.

(الف)
(ب)
شکل2-14. (الف) مجموعه داده (ب) منحنی مربوطه [2]
شکل 2-14-ب نیز منحنی را برای داده‌های شکل 2-14-الف، نشان می‌دهد. مشاهده می‌شود که در این داده‌ها، چون تعداد خوشه‌ها نسبت به شکل 2-14-الف کاملاً گویا نیست، بنابراین، منحنی آن نیز نرم تر خواهد بود . اما با توجه به شکل 2-14-ب، می‌توان گفت که تعداد نسبتاً خوب باشد. چون منحنی برای های بعد از 8، دارای شیب کندتری خواهد شد. با توجه به نتایج فوق می‌توان گفت که اگرچه منحنی برای همه مسایل نمی‌تواند جواب بهینه برای تعداد بدهد، اما می‌تواند به عنوان یک معیار خوب برای این امر مطرح باشد.
2-2-2-2. معیار اطلاعات متقابل نرمال شدهمعیار اطلاعات متقابل () توسط کاور و توماس [71] معرفی شد که یک روش جهت اندازه‌گیری کیفیت اطلاعات آماری مشترک بین دو توزیع است. از آنجایی که این معیار وابسته به اندازه خوشه‌ها است در [54] روشی جهت نرمال سازی آن ارائه شده است. فرد و جین [19] روش نرمال سازی اطلاعات متقابل را اصلاح کردند و آن را تحت عنوان اطلاعات متقابل نرمال () ارائه داده‌اند. رابطه 2-27 اطلاعات متقابل نرمال شده را نشان می‌دهد[1, 2, 19] .
(2-27)
در رابطه 2-27 پارامتر کل نمونه‌ها است و یعنی افرازهایی که اندیس آن‌ها شامل i با تمام مقادیر j می‌باشد و یعنی افرازهایی که تمام مقادیر i با و اندیس j را شامل شود. از رابطه 2-28 محاسبه می‌شود [1, 2, 19].
(2-28)
, ,
در صورتی که دو افراز به صورت و که در آن کل داده و خوشه اول و خوشه دوم هر یک از افرازها باشد آنگاه نشان‌دهنده تعداد نمونه‌های مشترک موجود در و می‌باشد، نشان‌دهنده تعداد نمونه‌های مشترک موجود در و می‌باشد، نشان‌دهنده تعداد نمونه‌های مشترک موجود در و می‌باشد و نشان‌دهنده تعداد نمونه‌های مشترک موجود در و می‌باشد. در واقع و به ترتیب بیانگر کل نمونه‌های موجود در و می‌باشد [1].
شکل 2-15 دو افراز اولیه را نشان می‌دهد که میزان پایداری برای هر کدام از خوشه‌های به دست آمده هم محاسبه شده است. در این مثال الگوریتم به عنوان الگوریتم خوشه‌بندی اولیه انتخاب شده است و تعداد خوشه‌های اولیه برابر با سه نیز به عنوان پارامتر آن از قبل مشخص شده است. همچنین، در این مثال تعداد افرازهای موجود در مجموعه مرجع برابر با ۴۰ می‌باشد. در ۳۶ افراز نتایجی مشابه با شکل 2-15 (a) و در 4 حالت باقیمانده نیز نتایجی مشابه با شکل 2-15 (a) حاصل شده است [1].

شکل2-15. دو افراز اولیه با تعداد سه خوشه. (a) خوشه‌بندی درست (b) خوشه‌بندی نادرست [1]
از آن جایی که در مجموعه مرجع در ۹۰ % مواقع، داده‌های متراکم گوشه بالا‐چپ از شکل 2-15 در یک خوشه مجزا گروه‌بندی شده‌اند، بنابراین این خوشه باید مقدار پایداری بالایی را به خود اختصاص دهد. اگرچه این مقدار نباید دقیقاً برابر با یک باشد (چون در همه موارد این خوشه درست تشخیص داده نشده است)، مقدار پایداری با روش متداول اطلاعات متقابل نرمال شده مقدار یک را بر می‌گرداند. از آن جایی که ادغام دو خوشه سمت راست تنها در ۱۰ % موارد مانند شکل 2-15 (b) اتفاق افتاده است، خوشه حاصل باید مقدار پایداری کمی به دست آورد. اگر چه خوشه حاصل از ادغام دو خوشه سمت راستی، به ندرت ( ۱۰ % موارد) در مجموعه مرجع دیده شده است، مقدار پایداری برای این خوشه نیز برابر با یک به دست می‌آید. در اینجا مشکل روش متداول محاسبه پایداری با استفاده از اطلاعات متقابل نرمال شده ظاهر می‌شود. از آنجایی که معیار اطلاعات متقابل نرمال شده یک معیار متقارن است، مقدار پایداری خوشه بزرگ ادغامی سمت راست (با ۱۰ % تکرار) دقیقاً برابر با میزان پایداری خوشه متراکم گوشه بالا‐چپ (با ۹۰ % تکرار) به دست می‌آید. به عبارت دیگر در مواردی که داده‌های دو خوشه مکمل یکدیگر باشند، یعنی اجتماع داده‌های آن‌ها شامل کل مجموعه داده شود و اشتراک داده‌های آن‌ها نیز تهی باشد، مقدار پایداری برای هر دو به یک اندازه برابر به دست می‌آید. از دیدگاه دیگر، این اتفاق زمانی رخ می‌دهد که تعداد خوشه‌های تشکیل‌دهنده مجموعه در خوشه‌بندی مرجع عددی بیشتر از یک باشد. هر زمان که با ادغام دو یا بیشتر از خوشه‌ها به دست آید، منجر به نتایج نادرست در مقدار پایداری می‌شود. ما این مشکل را تحت عنوان مشکل تقارن در اطلاعات متقابل نرمال شده می‌شناسیم. در سال‌های اخیر روش‌هایی جهت حل این مشکل ارائه‌شده‌اند که یکی از آن‌ها را علیزاده و همکاران در [1, 9]ارائه داده‌اند که در‌ آن بزرگ‌ترین خوشه از بین مجموعه مرجع (که بیش از نصف نمونه‌هایش در خوشه مورد مقایسه وجود دارد) جایگزین اجتماع همه خوشه‌ها می‌شود که ما آن را با عنوان روش Max می‌شناسیم. روش دیگر جهت رفع این مشکل معیار APMM می‌باشد. در ادامه به بررسی این معیار می‌پردازیم [1, 8, 67].
2-2-2-3. معیار APMMبر خلاف معیارکه برای اندازه‌گیری شباهت دو افراز طراحی شده است معیار روشی برای اندازه‌گیری میزان شباهت یک خوشه در یک افراز است که توسط عـلیزاده و همکاران [8, 67] معرفی شده است رابطه 2-29 این معیار را معرفی می‌کند.
(2-29)
در رابطه 2-29 پارامتر خوشه i-ام در افراز می‌باشد و افراز متناظر با خوشه در خوشه‌بندی است. پارامتر تعداد کل نمونه‌های مجموعه داده و تعداد نمونه‌های مشترک بین خوشه‌های و می‌باشد. همچنین، تعداد خوشه‌های موجود در افراز می‌باشد. در این روش برای محاسبه پایداری خوشه از رابطه 2-30 استفاده می‌کنیم [8, 67].
(2-30)
در رابطه 2-30 پارامتر نشان‌دهنده j-امین افراز از مجموعه مرجع است و تعداد کل افرازها است [8, 67]. از آنجایی که این معیار برای ارزیابی شباهت یک خوشه است می‌توان هم برای ارزیابی خوشه و هم برای ارزیابی افراز استفاده کرد. جهت استفاده از این معیار برای ارزیابی یک افراز کافی است آن را برای تک‌تک خوشه‌های آن افراز استفاده کنیم و در نهایت از کل مقادیر میانگین بگیریم.
2-۳. خوشه‌بندی ترکیبیکلمه’Ensemble‘ ریشه فرانسوی دارد و به معنی باهم بودن یا در یک زمان می‌باشد و معمولاً اشاره به واحدها و یا گروه‌های مکملی دارد که باهم در اجرای یک کار واحد همکاری می‌کنند. ترکیب تاریخ طولانی در دنیای واقعی دارد، نظریه هیئت‌منصفه ی کندورست که در سال 1785 میلادی مطرح شده است و این ایده را مطرح می‌کند که، احتمال نسبی درستی نظر گروهی از افراد (رأی اکثریت) بیشتر از نظر هر یک از افراد به تنهایی می‌باشد را می‌توان دلیلی برای ترکیب نتایج در دنیای واقعی دانست [10, 27]. خوشه‌بندی ترکیبی روشی جدید در خوشه‌بندی می‌باشد که از ترکیب نتایج روش‌های خوشه‌بندی متفاوت به دست می‌آید از آنجایی که اکثر روش‌های خوشه‌بندی پایه روی جنبه‌های خاصی از داده‌ها تاکید می‌کنند، در نتیجه روی مجموعه داده‌های خاصی کارآمد می‌باشند. به همین دلیل، نیازمند روش‌هایی هستیم که بتواند با استفاده از ترکیب این الگوریتم‌ها و گرفتن نقاط قوت هر یک، نتایج بهینه‌تری را تولید کند. هدف اصلی خوشه‌بندی ترکیبی جستجوی نتایج بهتر و مستحکم‌تر، با استفاده از ترکیب اطلاعات و نتایج حاصل از چندین خوشه‌بندی اولیه است [18, 54]. خوشه‌بندی ترکیبی می‌تواند جواب‌های بهتری از نظر استحکام، نو بودن، پایداری و انعطاف‌پذیری نسبت به روش‌های پایه ارائه دهد [3, 21, 54, 57]. به طور خلاصه خوشه‌بندی ترکیبی شامل دو مرحله اصلی زیر می‌باشد : [34, 54]
1- تولید نتایج متفاوت از خوشه‌بندی‌ها، به عنوان نتایج خوشه‌بندی اولیه بر اساس اعمال روش‌های مختلف که این مرحله را، مرحله ایجاد تنوع یا پراکندگی می‌نامند.
2- ترکیب نتایج به دست آمده از خوشه‌بندی‌های متفاوت اولیه برای تولید خوشه نهایی؛ که این کار توسط تابع توافقی (الگوریتم ترکیب‌کننده) انجام می‌شود.
2-۳-1. ایجاد تنوع در خوشه‌بندی ترکیبیدر خوشه‌بندی ترکیبی، هرچه خوشه‌بندی‌های اولیه نتایج متفاوت تری ارائه دهند نتیجه نهایی بهتری حاصل می‌شود. در واقع هرچه داده‌ها از جنبه‌های متفاوت‌تری مطالعه و بررسی شوند (تشخیص الگوهای پنهان داده) نتیجه نهایی که از ترکیب این نتایج حاصل می‌شود متعاقباً دارای دقت بالاتری خواهد بود که این امر منجر به کشف دانش ضمنی پنهان در داده نیز خواهد شد. تنوع در این بخش به این معنا می‌باشد که با استفاده از روش‌های متفاوت مجموعه داده را از دیدگاه‌های گوناگونی مورد بررسی قرار دهیم. در این فصل برای ایجاد پراکندگی در بین نتایج حاصل چند راه‌کار مختلف پیشنهاد می‌کنیم و به بررسی مطالعات انجام‌شده در هر یک از آن‌ها می‌پردازیم. راه‌های مختلفی برای ایجاد پراکندگی در خوشه‌بندی ترکیبی وجود دارد که عبارت‌اند از:
استفاده از الگوریتم‌های متفاوت خوشه‌بندی.
تغییر مقادیر اولیه و یا سایر پارامترهای الگوریتم خوشه‌بندی انتخاب‌شده.
انتخاب بعضی از ویژگی داده‌ها یا ایجاد ویژگی‌های جدید.
تقسیم‌بندی داده‌های اصلی به زیرمجموعه‌هایی متفاوت و مجزا.

user8290

3-3. چرخه فشار-دما در حین فرآیند خشک کردن فوق بحرانی36
3-4. شماتیکی از دستگاه خشک کن فوق بحرانی اتوکلاو36
فصل چهارم - سنتز و بررسی ویژگی‌های نانوکامپوزیت سیلیکا آئروژل/نانوذرات فریت کبالت
4-1. فازهای مجزا نمونه روی همزن52
4-2. نمونه‌های در قالب ریخته شده52
4-3. نمونه الکوژل53
4-4. نمونه آئروژل54
4-5. تصاویر FE-SEM نمونه‌ها الف) 10%، ب) 15%، ج) 20%.55
4-6. نمودار توزیع اندازه ذرات الف) 10%، ب) 15% و ج) 20%56
4-7 . پراش XRD نمونه‌های الف) 10%، ب) 15%و ج) 20% پیش از عملیات حرارتی58
4-8. پراش XRD نمونه‌های الف) 10%، ب) 15%و ج) 20% در دمای 600 درجهی سانتیگراد59
4-9. پراش XRD نمونه‌های الف) 10%، ب) 15%و ج) 20% در دمای 800 درجهی سانتیگراد60
4-10. آنالیز نمونه‌های الف)10%، ب) 15%و ج) 20% حرارت داده شده در دمای 600 درجه‌ی سانتی ‌گراد61
4-11. آنالیز نمونه‌های الف)10%، ب) 15%و ج) 20% حرارت داده شده در دمای 800 درجه‌ی سانتی ‌گراد62
4-12. طیف‌های جذبی FT-IR الف) 10%، ب) 15% و ج) 20%.65
4-13. تصویر TEM یکی از نمونه‌ها67
4-14. نمودارهای لانگمیر الف) 10%، ب) 15% و ج) 20%69
4-15. نمودارهای BET الف) 10%، ب) 15% و ج) 20%71
4-16. جذب و واجذب الف) 10%، ب) 15% و ج) 20%.72
4-17. حلقه پسماند نمونه‌ها قبل از عملیات حرارتی الف) 10%، ب) 15%، ج) 20%.74

دانلود پایان نامه ارشد- مقاله تحقیق

 برای دانلود فایل کامل به سایت منبع مراجعه کنید  : homatez.com

یا برای دیدن قسمت های دیگر این موضوع در سایت ما کلمه کلیدی را وارد کنید :

 

4-18. حلقه پسماند نمونه‌ها بعد از عملیات حرارتی الف) 10%، ب) 15%، ج) 20%.75

فهرست جداول
عنوان صفحه
فصل سوم - ساخت آئروژل و کاربردهای آن
3-1. کاربردهای مختلف آئروژل‌ها48
TOC o "1-3" h z u
فصل چهارم - سنتز و بررسی ویژگی‌های نانوکامپوزیت سیلیکا آئروژل/نانوذرات فریت کبالت
4-1. میزان گرم و لیتر مواد مورد نیاز51
4-2. نتایج حاصل از XRD63
لیست علایم و اختصارات
برونر، امت، تلر(Brunauer, Emmett, Teller) BET
پراش پرتو ایکس (X-Ray Diffraction) XRD
مغناطیسسنج نمونهی ارتعاشی (Vibrating Sample Magnetometer) VSM
میکروسکوپ الکترونی گسیل میدانی (Field Emission Scanning Electron Microscopy) FE-SEM
میکروسکوپ الکترونی عبوری (Transmission Electron Microscopy) TEM
آنگسترم (Angestrom) Å
اورستد (Oersted) Oe
نانومتر (Nanometer) nm
واحد مغناطیسی (Electromagnetic Units) emu
فصل اولمفاهیم اولیه1854668136024
مقدمهاز اواخر قرن بیستم دانشمندان تمرکز خود را بر فناوری نوینی معطوف کردند که به عقیده‌ی عده‌ای تحولی عظیم در زندگی بشر ایجاد می‌کند. این فناوری نوین که در رشته‌هایی همچون فیزیک، شیمی و مهندسی از اهمیت زیادی برخوردار است، نانوتکنولوژی نام دارد. می‌توان گفت که نانوفناوری رویکردی جدید در تمام علوم و رشته‌ها می‌باشد و این امکان را برای بشر به وجود آورده است تا با یک روش معین به مطالعه‌ی مواد در سطح اتمی و مولکولی و به سبک‌های مختلف به بازآرایی اتم‌ها و مولکول‌ها بپردازد.
در چند سال اخیر، چه در فیزیک تجربی و چه در فیزیک نظری، توجه قابل ملاحظه‌ای به مطالعه‌ی نانوساختارها با ابعاد کم شده است و از این ساختارها نه تنها برای درک مفاهیم پایه‌ای فیزیک بلکه برای طراحی تجهیزات و وسایلی در ابعاد نانومتر استفاده شدهاست. وقتی که ابعاد یک ماده از اندازه‌های بزرگ مانند متر و سانتیمتر به اندازه‌هایی در حدود یک دهم نانومتر یا کمتر کاهش می‌یابد، اثرات کوانتومی را می‌توان دید و این اثرات به مقدار زیاد خواص ماده را تحت الشعاع قرار می‌دهد. خواصی نظیر رنگ، استحکام، مقاومت، خوردگی یا ویژگی‌های نوری، مغناطیسی و الکتریکی ماده از جمله‌ی این خواص‌ می‌باشند [1].
1-1 شاخه‌های فناوری نانوتفاوت اصلی فناوری نانو با فناوری‌های دیگر در مقیاس مواد و ساختارهایی است که در این فناوری مورد استفاده قرار می‌گیرند. در حقیقت اگر بخواهیم تفاوت این فناوری را با فناوری‌های دیگر بیان نماییم، می‌توانیم وجود عناصر پایه را به عنوان یک معیار ذکر کنیم. اولین و مهمترین عنصر پایه نانو ذره است. نانوذره یک ذره‌ی میکروسکوپی است که حداقل طول یک بعد آن کمتر از ١٠٠ نانومتر است و میتوانند از مواد مختلفی تشکیل شوند، مانند نانوذرات فلزی، سرامیکی و نانوبلورها که زیر مجموعهای از نانوذرات هستند [ 3و 2]. دومین عنصر پایه نانوکپسول است که قطر آن در حد نانومتر می‌باشد. عنصر پایه‌ی بعدی نانولوله‌ها هستند که خواص الکتریکی مختلفی از خود نشان می‌دهند و شامل نانولوله‌های کربنی، نیترید بور و نانولوله‌های آلی می‌باشند [4].
1-2 روش‌های ساخت نانوساختارهاتولید و بهینهسازی مواد بسیار ریز، اساس بسیاری از تحقیقات و فناوری‌های امروزی است. دستورالعمل‌های مختلفی در خصوص تولید ذرات بسیار ریز در شرایط تعلیق وجود دارد ولی در خصوص انتشار و تشریح دقیق فرآیند رسوب‌گیری و روش‌های افزایش مقیاس این فرآیندها در مقیاس تجاری محدودیت وجود دارد. برای تولید این نوع مواد بسیار ریز از پدیده‌های فیزیکی یا شیمیایی یا به طور همزمان از هر دو استفاده می‌شود. برای تولید یک ذره با اندازه مشخص دو فرآیند اساسی وجود دارد، درهم شکستن) بالا به پایین) و دیگری ساخته شدن) پایین به بالا). معمولا روش‌های پائین به بالا ضایعاتی ندارند، هر چند الزاما این مسأله صادق نیست [6 و5]. مراحل مختلف تولید ذرات بسیار ریز عبارت است از، مرحله‌ی هسته‌زایی اولیه و مرحله‌ی هسته‌زایی و رشد خود به خودی. در ادامه به طور خلاصه روش‌های مختلف تولید نانوذرات را بیان می‌کنیم. به طور کلی روش‌های تولید نانوذرات عبارتند از:
 چگالش بخار
 سنتز شیمیایی
 فرآیندهای حالت جامد (خردایشی)
 استفاده از شاره‌ها فوق بحرانی به عنوان واسطه رشد نانوذرات فلزی
 استفاده از امواج ماکروویو و امواج مافوق صوت
 استفاده از باکتری‌هایی که میتوانند نانوذرات مغناطیسی و نقره‌ای تولید کنند
پس از تولید نانوذرات می‌توان با توجه به نوع کاربرد آن‌ها از روش‌های رایج زمینه‌ای مثل روکشدهی یا اصلاح شیمیایی نیز استفاده کرد [7].
1-3 کاربردهای نانوساختارهایکی از خواص نانوذرات نسبت سطح به حجم بالای این مواد است. با استفاده از این خاصیت می‌توان کاتالیزورهای قدرتمندی در ابعاد نانومتری تولید نمود. این نانوکاتالیزورها بازده واکنش‌های شیمیایی را به شدت افزایش داده و همچنین به میزان چشمگیری از تولید مواد زاید در واکنش‌ها جلوگیری خواهند نمود. به کارگیری نانو‌ذرات در تولید مواد دیگر استحکام آن‌ها را افزایش داده و یا وزن آن‌ها را کم می‌کند. همچنین مقاومت شیمیایی و حرارتی آن‌ها را بالا برده و واکنش آن‌ها در برابر نور وتشعشعات دیگر را تغییر می‌دهد.
با استفاده از نانوذرات نسبت استحکام به وزن مواد کامپوزیتی به شدت افزایش خواهد یافت. اخیرا در ساخت شیشه ضد آفتاب از نانوذرات اکسید روی استفاده شده است. استفاده از این ماده علاوه بر افزایش کارآیی این نوع شیشهها، عمر آن‌ها را نیز چندین برابر نمودهاست .از نانوذرات همچنین در ساخت انواع ساینده‌ها، رنگ‌ها، لایه‌های محافظتی جدید و بسیار مقاوم برای شیشه‌ها، عینک‌ها (ضدجوش و نشکن)، کاشی‌ها و در حفاظ‌های الکترومغناطیسی شیشه‌های اتومبیل و پنجره استفاده می‌شود. پوشش‌های ضد نوشته برای دیوارها و پوششهای سرامیکی برای افزایش استحکام سلول‌های خورشیدی نیز با استفاده از نانوذرات تولید شده‌اند.
وقتی اندازه ذرات به نانومتر می‌رسد یکی از ویژگی‌هایی که تحت تأثیر این کوچک شدن اندازه قرارمی‌گیرد تأثیرپذیری از نور و امواج الکترومغناطیسی است. با توجه به این موضوع اخیراً چسب‌هایی از نانوذرات تولید شده‌اند که کاربردهای مهمی در صنایع الکترونیکی دارند. نانولوله‌ها در موارد الکتریکی، مکانیکی و اپتیکی بسیار مورد توجه بوده‌اند. روش‌های تولید نانولوله‌ها نیز متفاوت می‌باشد، همانند تولید آن‌ها بر پایه محلول و فاز بخار یا روش رشد نانولوله‌ها در قالب که توسط مارتین مطرح شد. نانولایه‌ها در پوشش‌های حفاظتی با افزایش مقاومت در خوردگی و افزایش سختی در سطوح و فوتولیز و کاهش شیمیایی کاربرد دارند.
نانوذرات نیز به عنوان پیشماده یا اصلاح ساز در پدیده های فیزیکی و شیمیایی مورد توجه قرارگرفته‌اند. هاروتا و تامسون اثبات کردند که نانوذرات فعالیت کاتالیستی وسیعی دارند، مثل تبدیل مونواکسید کربن به دی اکسید کربن، هیدروژنه کردن استیرن به اتیل بنزن و هیدروژنه کردن ترکیبات اولفیتی در فشار بالا و فعالیت کاتالیستی نانوذرات مورد استفاده در حسگرها که مثل آنتن الکترونی بین الکترود و الکترولیت ارتباط برقرار می‌کنند [7].
1-4 مواد نانومتخلخلمواد نانو متخلخل دارای حفره‌هایی در ابعاد نانو هستند و حجم زیادی از ساختار آن‌ها را فضای خالی تشکیل می‌دهد. نسبت سطح به حجم (سطح ویژه) بسیار بالا، نفوذپذیری یا تراوایی زیاد، گزینشپذیری خوب و مقاومت گرمایی و صوتی از ویژگی‌های مهم آن‌ها می‌باشد. با توجه به ویژگی‎‌های ساختاری، این به عنوان تبادل‌گر یونی، جدا کننده، کاتالیزور، حس‌گر، غشا و مواد عایق استفاده می‌شود.
نسبت حجمی فضای خالی ماده‌ی متخلخل به حجم کل ماده‌ تخلخل نامیده میشود. به موادی که تخلخل آن‌ها بین 2/0 تا 95/0 باشد نیز مواد متخلخل می‌گویند. حفره‌ای که متصل به سطح آزاد ماده است حفره‌ی باز نام دارد که برای صاف کردن غشا، جداسازی و کاربردهای شیمیایی مثل کاتالیزور و کروماتوگرافی (جداسازی مواد با استفاده از رنگ آن‌ها) مناسب است. به حفره‌ای که دور از سطح آزاد ماده است حفره‌ی بسته می‌گویند که وجود آن‌ها تنها سبب افزایش مقاومت گرمایی و صوتی و کاهش وزن ماده شده و در کاربردهای شیمیایی سهمی ندارد. حفره‌ها دارای اشکال گوناگونی همچون کروی، استوانهای، شیاری، قیفی شکل و یا آرایش شش گوش هستند. همچنین تخلخل‌ها می‌توانند صاف یا خمیده یا همراه با چرخش و پیچش باشند [7].
بر اساس دستهبندی که توسط آیوپاک صورت گرفته است، ساختار محیط متخلخل با توجه به میانگین ابعاد حفره‌ها، مواد سازنده و نظم ساختار به سه گروه تقسیمبندی میشوند که در شکل 1-1 نشان داده شده است:
الف) دسته بندی بر اساس اندازهی حفره:
میکرومتخلخل: دارای حفرههایی با قطر کمتر از 2 نانومتر.
مزومتخلخل: دارای حفرههایی با قطر 2 تا 50 نانومتر.
right59626500ماکرومتخلخل: دارای حفرههایی با قطر بیش از 50 نانومتر.
center1720850شکل 1-1 انواع سیلیکا براساس اندازه حفره: الف) ماکرو متخلخل، ب) مزو متخلخل، ج) میکرو متخلخل [8].
0شکل 1-1 انواع سیلیکا براساس اندازه حفره: الف) ماکرو متخلخل، ب) مزو متخلخل، ج) میکرو متخلخل [8].

بر اساس شکل و موقعیت حفره‌ها نسبت به یکدیگر در داخل مواد متخلخل، حفره‌ها به چهار دسته تقسیم می‌شود: حفره‌های راه به راه، حفره‌های کور، حفره‌های بسته و حفره‌های متصل به هم که در شکل (2-1) به صورت شماتیک این حفره‌ها را نشان داده شده است.

شکل 1-2 نوع تخلخل‌ها بر اساس شکل و موقعیت [8].
بر اساس تعریف مصطلح نانوفناوری، دانشمندان شیمی در عمل نانو متخلخل را برای موادی که دارای حفرههایی با قطر کمتر از 100 نانومتر هستند به کار می‌برند که ابعاد رایجی برای مواد متخلخل در کاربردهای شیمیایی است.
ب) دستهبندی بر‌اساس مواد تشکیل دهنده:
مواد نانومتخلخل آلی
مواد نانومتخلخل معدنی
تقسیمبندی مواد نانومتخلخل آلی
1) مواد کربنی: کربن فعال، کربنی است که حفره‌های بسیار زیاد دارد و مهم‌ترین کربن از دسته مواد میکرومتخلخل است.
2) مواد بسپاری: مواد نانو متخلخل بسپاری به دلیل ساختار انعطاف‌پذیر خود، حفره‌های پایداری ندارند و تنها چند ترکیب محدود از این نوع وجود دارد [8].
تقسیم بندی مواد نانومتخلخل معدنی
1) مواد میکرومتخلخل
زئولیت‌ها: مهم‌ترین ترکیبات میکرومتخلخل بوده که دارای ساختار منظم بلوری و حفره‌دار با بار ذاتی منفی می‌باشند. در اکثر موارد ساختار زئولیتی از قطعات چهار وجهی با چهار اتم اکسیژن و یک اتم مرکزی مثل آلومینیوم، سیلیکون، گالیم یا فسفر تشکیل شده‌اند که با کاتیون‌ها خنثی می‌شوند [8].
چارچوب فلزی-آلی: از واحد‌های یونی فلزی یا خوشه‌ی معدنی و گروه‌های آلی به عنوان اتصالدهنده تشکیل شده است که اتصال آن‌ها به هم، حفره‌ای با شکلی معین مانند کره یا هشت وجهی به وجود می‌آورد. ویژگی بارز این ترکیبات، چگالی کم و سطح ویژه‌ی بالای آن‌هاست [9].
هیبرید‌های آلی-معدنی: از قطعاتی معدنی تشکیل شده‌اند که توسط واحد‌های آلی به هم متصل هستند [10].
2) مواد مزومتخلخل:
سیلیکا: ترکیبات MCM، معروف‌ترین سیلیکای مزومتخلخل هستند.
اکسید فلزات و سایر ترکیبات مزومتخلخل: اکسیدهای نانومتخلخل فلزات مثل تیتانیوم دی اکسید، روی اکسید، زیرکونیوم دی اکسید و آلومینا، فعالیتی بیشتر از حالت معمولی خود دارند. ترکیبات سولفید و نیترید هم میتوانند ساختار مزومتخلخل داشته باشند.
3) مواد ماکرومتخلخل:
بلور کلوییدی: از مجموعه کره‌هایی مانند سیلیکا ساخته می‌شود که فضای بین آن‌ها خالی است. در بلور کلوییدی معکوس کره‌ها توخالی و فضای بین آن‌ها پر است [10].
آئروژل‌ها مواد مزومتخلخل با سطح ویژه و حجم تخلخل بالا هستند که در فصل بعد به آن‌ها می‌پردازیم.
1-5 کامپوزیت‌هاکامپوزیت‌ها (مواد چند رسانهای یا کاهگل‌های عصر جدید) رده‌ای از مواد پیشرفته هستند که در آن‌ها از ترکیب مواد ساده به منظور ایجاد مواد جدیدی با خواص مکانیکی و فیزیکی برتر استفاده شده است. اجزای تشکیلدهنده ویژگی‌های خود را حفظ کرده، در یکدیگر حل نشده و با هم ترکیب نمی‌شوند.
استفاده از این مواد در طول تاریخ مرسوم بوده است. از اولین کامپوزیت‌ها یا چندسازه‌های ساخت بشر می‌توان به آجرهای گلی که در ساخت آن‌ها از کاه استفاده شده است اشاره کرد. هنگامی که این دو با هم مخلوط بشوند، در نهایت آجر پخته بهدست می‌آید که بسیار ماندگار‌تر و مقاوم‌تر از هر دو ماده اولیه، یعنی کاه و گل است. شاید هم اولین کامپوزیت‌ها را مصری‌ها ساخته باشند که در قایق‌هایشان به چوب بدنه قایق مقداری پارچه می‌آمیختند تا در اثر خیس شدن، آب توسط پارچه جذب شده و چوب باد نکند. قایق‌هایی که سرخپوستان با فیبر و بامبو می‌ساختند و تنورهایی که از گل، پودر شیشه و پشم ساخته می‌شدند از نخستین کامپوزیت‌ها هستند [11].
1-5-1 کامپوزیت یا مواد چندسازهچندسازه‌ها به موادی گفته می‌شود که از مخلوط دو یا چند عنصر با فازهای کاملا متمایز ساخته شده باشند. در مقیاس ماکروسکوپیک فازها غیر قابل تشخیص‌اند. اما در مقیاس‌های میکروسکوپیک فازها کاملا مجزا هستند و هر فاز خصوصیات عنصر خالص را نمایش می‌دهد. در چندسازه‌ها، نه تنها خواص هر یک از اجزاء باقی مانده بلکه در نتیجهی پیوستن آن‌ها به یکدیگر، خواص جدیدتر و بهتر بهدست می‌آید [11].
1-5-2 ویژگی‌های مواد کامپوزیتیمواد زیادی می‌توانند در دسته‌بندی مواد کامپوزیتی قرار بگیرند، در واقع موادی که در مقیاس میکروسکوپی قابل شناسایی بوده و دارای فازهای متفاوت و متمایز باشند در این دسته‌بندی قرار می‌گیرند. امروزه کامپوزیت‌ها به علت وزن کم و استحکام بالا در صنایع مختلف، به طور گستره‌ای مورد استفاده واقع می‌شوند. کامپوزیت‌ها با کاهش وزن و ویژگی‌های فیزیکی بسیار عالی، گزینه‌ای مناسب برای استفاده در تجهیزات ساختاری می‌باشند. علاوه بر ‌این، کامپوزیت‌ها جایگزین مناسب برای مواد سنتی در کاربردهای صنعتی، معماری، حمل و نقل و حتی در کاربردهای زیر بنایی می‌باشد [12].
یکی از ویژگی‌های بارز کامپوزیت‌ها، حضور فاز تقویـتکننده مجزا از فاز زمینه می‌باشد. ویژگی‌های اختصاصی این دو فاز، در ترکیب با یکدیگر، ویژگی‌های یکسانی را به کل کامپوزیت می‌بخشد. در یک دسته‌بندی ویژه، کامپوزیت‌ها همواره به دو فاز زمینه و تقویتکننده تقسیم می‌شوند. می‌توان گفت در واقع زمینه مانند چسبی است که تقویتکننده‌ها را به یکدیگر چسبانده و آن‌ها را از آثار محیطی حفظ می‌کند.
1-5-3 مواد زمینه کامپوزیتزمینه با محصور کردن فاز تقویت کننده، باعث افزایش توزیع بار بر روی کامپوزیت می‌گردد. در واقع زمینه، برای اتصال ذرات تقویتکننده، انتقال بارها به تقویتکننده، تهیه یک ساختار شبکه‌ای شکل از آن‌ها و حفظ تقویتکننده از آثار محیطی ناسازگار به کار گرفته می‌شود.
1-5-4 تقویتکننده‌هادسته‌ای از مواد معمولی که به عنوان فاز تقویت کننده به کار گرفته می‌شوند، عبارتند از شیشه‌ها، فلزات، پلیمرها و گرانیت. تقویتکننده‌ها در شکل‌های مختلفی از جمله فیبرهای پیوسته، فیبرهای کوتاه یا ویسکرها و ذرات تولید می‌شوند (شکل3-3). تقویت کننده‌ها باعث ایجاد ویژگی‌های مطلوبی از جمله استحکام و مدول بالا، وزن کم، مقاومت محیطی مناسب، کشیدگی خوب، هزینه کم، در دسترسپذیری مناسب و سادگی ساخت کامپوزیت می‌گردند [12].
1-5-5 نانو کامپوزیتنانو کامپوزیت‌ها مواد مرکبی هستند که ابعاد یکی از اجزای تشکیلدهنده آن‌ها در محدوده نانو‌متری باشد. نانوکامپوزیت‌ها هم، در دو فاز تشکیل می‌شود. در فاز اول، ساختار بلوری در ابعاد نانو ساخته می‌شود که زمینه کامپوزیت به شمار می‌رود. در فاز دوم هم ذراتی در مقیاس نانو به عنوان تقویت کننده برای بهبود ویژگی‌ها به فاز زمینه افزوده می‌شود. توزیع یکنواخت این فاز در ماده زمینه باعث می‌شود که فصل مشترک ماده تقویت کننده با ماده زمینه در واحد حجم، مساحت بالایی داشته باشد [13].

شکل 1-3 نمایشی از انواع مختلف تقویت کننده‌ها در کامپوزیت [12].
1-6 خلاصهدر این فصل به بیان بعضی مفاهیم اولیه پرداختهشد. خلاصه کوتاهی از فناوری نانو، نانوساختارها و روش‌های ساخت آن‌ها گفته شد. بعد از آن مواد متخلخل بررسی شد و در نهایت مختصری در مورد کامپوزیت‌ها، ویژگی‌ها و نانوکامپوزیت‌ها بیان شد.
فصل دومآئروژلها و مروری بر خواص مغناطیسی15418474142773
2-1 تاریخچهحوزهی پژوهشی آئروژل هر ساله به طور وسیعی افزایش می‌یابد به طوری که امروزه توجه بسیاری از دانشمندان جهان را به خود اختصاص دادهاست.
اولین بار ساموئل استفان کیستلر در سال 1931 با ایدهی جایگزینی فاز مایع با گاز در ژل همراه با انقباض کم، آئروژل را تولید کرد. در آن زمان سعی ایشان بر اثبات وجود شبکه‌های جامد در درون ساختار ژل بود. یک روش برای اثبات این نظریه، برداشتن فاز مایع از فاز مرطوب ژل بدون اینکه ساختار جامد از بین برود مطرح بود. برای این کار او با استفاده از یک اوتوکلاو، فاز مایع را از ژل خارجکرد که جامد باقی مانده چگالی بسیار پایینی داشت. او دما و فشار داخلی اوتوکلاو را به نقطه بحرانی مایع رساند تا بر کشش سطحی مایع غلبهکند و ساختار داخلی ژل را از فروپاشی برهاند. به این ترتیب او با موفقیت اولین آئروژل پایه سیلیکا را تولید کرد. ولی به دلیل سختی کار، برای حدود نیمقرن پژوهشی در این زمینه صورت نگرفت. اما از همان ابتدا برای دانشمندانی چون کیستلر، واضح بود که آئروژل ویژگی‌های برجسته‌ای مانند چگالی پایین و رسانایی گرمایی ناچیزی دارد [14].
در سال‌های اخیر، ساختن آئروژل به معنای رساندن الکل به فشار و دمای بخار شدنی و به طبع آن به‌دست‌آوردن نقطهی بحرانی است و باعث استخراج فوق بحرانی از ژل می‌شود. سپس، در سال 1970، دانشمند فرانسوی تایکنر و همکارانش برای بهبود فرآیند تولید دولت فرانسه، موفق شدند روش جدیدی به غیر از روش کیستلر برای تهیهی آئروژل کشف کنند و آن را روش سل-ژل نامیدند. در این روش آلکوکسی سیلان با سیلیکات سدیم، که به وسیله کیستلر استفاده می‌شد، جایگزین گردید. با ظهور روش ارائه شده به وسیله‌ی تایکنر پیشرفت‌های جدیدی در علم آئروژل و فناوری ساخت آن حاصل شد و پژوهش‌گران زیادی به مطالعه در این زمینه روی آوردند. به دلیل انجام مطالعات، تحقیقات و اقدامات صنعتی و نیمه صنعتی که در دهه 70 و 80 بر روی آئروژل‌ها صورت گرفت، این دوره را عصر رنسانس آئروژل نامیدند. [15].
این مواد جایگاه خود را به عنوان مواد جامدی با چگالی و رسانایی گرمایی پایین به‌دست آوردند. پایین‌ترین چگالی آئروژل تولید شده 1/0 میلیگرم بر سانتیمتر مکعب است، تا حدی که نمونه می‌تواند در هوا شناور بماند. گرچه برای ساخت جامد آئروژل مواد بسیاری می‌توانند استفاده شوند ولی آئروژل‌های 2SiO متداول‌ترند. البته می‌توان با واردکردن مواد مختلف در ساختار آئروژل در حین فرآیند ژل شدن، به بهبود ویژگی‌های نمونه‌های نتیجه شده کمک کرد [16].
آئروژل‌ها را می‌توان به عنوان یک ماده منحصر به فرد در زمینه فناوری سبز در نظر گرفت. هشدار جهانی، تهدید آیندهی محیط زیست توسط گاز‌های گلخانهای تولید شده بهدست بشر را تأیید می‌کند. آیندهی انرژی‌های قابل دسترس به خاطر کمشدن منابع نفتی و حتی افزایش تقاضا برای محصولات نفتی، در خطر است. آئروژل‌ها بارها و بارها به افزایش بازدهی برخی ماشین‌ها و سیستم‌ها و کمک به کاهش مصرف انرژی یاری رسانده‌اند. همچنین آئروژل‌ها می‌توانند آلاینده‌های آب را بیرون بکشند و با گرفتن ذرات مضر قبل از ورود به اکوسیستم، سبب تخریبنشدن محیط زیست شوند. دانشمندان دریافتند که این فناوری برای تجدید و حفاظت از انرژی به توسعهی بیشتری نیاز دارد [17].
2-2 شیمی سطح آئروژلسیلیکا آئروژل حاوی ذرات نانومتری هستند. این ترکیبات دارای نسبت سطح به حجم بالا و مساحت سطح ویژهی زیادی هستند. شیمی سطح داخلی در آئروژل‌ها نقش اساسی را در بروز رفتار‌های بی‌نظیر فیزیکی و شیمیایی آن‌ها، ایفا می‌کند. ماهیت سطح آئروژل‌ها تا حد زیادی به شرایط تهیهی آن‌ها بستگی دارد. انتخاب فرآیند مربوط به ترکیبات شیمیایی و ویژگی‌های مورد نظر مشخص برای نانوذرات وابسته است. دو روش پایه برای تولید نانوذرات استفاده می‌شود:
روش از بالا به پایین
اشاره به خردکردن مکانیکی مواد با استفاده از فرآیند آسیابکاری دارد. در این فرآیند مواد اولیه به بلوک‌های پایهی بیشتری شکسته می‌شوند.
روش پایین به بالا
اشاره به ساخت سیستم پیچیده به وسیله ترکیب اجزای سطح اتم دارد. در این فرآیند ساختارها به وسیله فرآیندهای شیمیایی ساخته می‌شوند.
روش پایین به بالا بر پایه ویژگی‌های فیزیکی و شیمیایی اتمی یا مولکولی خود تنظیم می‌شوند. این روش به دلیل ساختار پیچیده اتم یا مولکول، کنترل بهتر اندازه و شکل آن‌ها انتخاب شد. روش پایین به بالا شامل فرآیندهای آئروسل، واکنش‌های بارش و فرآیند سل-ژل است [18].
مرحله اول ساختن آئروژل تولید ژل خیس است که بهترین روش برای ساخت آن استفاده از پیشماده الکوکسید سیلیکون، مانند TEOS است. شیمی ساخت Si(OCH2CH3)TEOS است که با اضافه کردن آب، واکنش شیمیایی زیر صورت می‌گیرد [19] :
Si(OCH2CH3)4(liq)+2(H2O)(liq)→SiO2solid+4(HOCH2CH3)liq
اتم سلیکون به دلیل داشتن بار جزئی مثبت کاهشیافته (+) نسبت به دیگر انواع آئروژل بیشتر مورد مطالعه قرار گرفت. در Si(OEt)+ حدود 32/0 است. این بار مثبت جزئی کاهش یافته، روند ژل شدن پیشماده سیلیکا را آهسته می‌کند.
پیشمادهی الکوکسید M(OR) هستندکه اولین بار توسط امبلن برای سنتز سیلیکا آئروژل استفاده شد. در این ترکیب M نشان دهندهی گروه فلزی، OR گروه الکوکسید و R تعیینکنندهی گروه الکلی هستند. الکوکسیدها معمولا در محلول منبع الکلی خود موجود هستند و امکان خشک کردن این ژل‌ها را در چنین محلول‌هایی فراهم می‌کند [20].
اگر آئروژل از طریق خشک کردن به وسیله الکل تهیه گردد، گروه‌های آلکوکسی (OR) تشکیل دهنده سطح آن است و در این سطح آئروژل خاصیت آبگریزی پیدا می‌کند. اگر تهیه آئروژل از طریق فرآیند دی اکسید کربن باشد آنگاه سطح آئروژل را گروه‌های هیدروکسید (OH) فرا می‌گیرد و خاصیت آب‌دوست پیدا خواهدکرد و مستقیما می‌تواند رطوبت هوا را جذب نماید. البته با حرارت دادن می‌توان رطوبت جذب شده را از ساختار آئروژل حذف نمود. شکل 1-2 به خوبی خاصیت آب‌دوست و آبگریزی را در ساختار آئروژل‌های با گروه‌های عاملی مختلف نشان می‌دهد [21].

شکل 2-1 برهمکنش آب و ساختار آئروژل، الف) آئروژل آبگریز، ب) آئروژل آب‌دوست [18].
2-3 تئوری فیزیکیاتصال شبکه نانو مقیاس سیلیکای جامد آئروژل‌های پایه سیلیکا، ویژگی‌های منحصر به فردی را به آن‌ها می‌دهد. کسر یونی پیوند کووالانت قطبی برای اکسیدهای فلزی مختلف از رابطهی زیر نتیجه می‌شود:
Fionic=1-exp⁡(-0.25 XM-XO2)که XO و XM الکترون‌خواهی O و M را نشان می‌دهد. 2SiO مقدار Fionic 54/0 دارد که طیف مقدار زاویه Si-O-Si را گسترده کرده و شبکه تصادفی را می‌دهد. چهار اکسید دیگر زاویه یونی بزرگ‌تر و مقدار کوچک‌تر زاویه پیوند را سبب می‌شوند. به این معنی که پیوند تصادفی فقط روی ماکرومقیاس‌های بیشتر با ذرات کلوییدی بزرگ‌تر و متراکم‌تر اتفاق می‌افتد، در این صورت، ژل به جای شکلگرفتن شبکهی تصادفی اتصالات به صورت ذره تشکیل می‌شود [14]. شبکهی اتصالات سیلیکا برای وزن نسبی‌اش یک جامد محکم را ایجاد می‌کند.
2-4 خاصیت مغناطیسی مواد2-4-1 منشأ خاصیت مغناطیسی موادیکی از مهمترین ویژگی‌های مواد، خاصیت مغناطیسی آن‌هاست که از زمآن‌های نسبتا دور مورد توجه بوده و هم اکنون نیز در طیف وسیعی از کاربردهای صنعتی قرار گرفته است.
منشأ خاصیت مغناطیسی در جامدها، الکترون‌های متحرک می‌باشند. گرچه بعضی از هسته‌های اتمی دارای گشتاور دو قطبی مغناطیسی دائمی هستند ولی اثر آن‌ها چنان ضعیف است که نمی‌تواند آثار قابل ملاحظه‌ای داشته باشد؛ مگر در تحت شرایط خاص مانند اینکه نمونه در زیر دمای یک درجهی کلوین قرار گیرد یا وقتی که تحت میدان الکترومغناطیسی با بسامدی قرار گیرد که حرکت تقدیمی هسته را تشدید نماید. در بدو ظهور نظریات مغناطیس آزمایش‌های زیادی نشان داد که اندازه حرکت زاویهای کل یک الکترون و گشتاور مغناطیسی وابسته به آن بزرگ‎تر از مقداری است که به حرکت انتقالی آن نسبت داده می‌شد. بنابراین یک سهم اضافی که از خصوصیت ذاتی با یک درجه آزادی داخلی ناشی می‌شد، به الکترون نسبت داده شد و چون این خصوصیت دارای اثر مشابه چرخش الکترون حول محورش بود اسپین نامیده گردید [22].
2-4-2 فازهای مغناطیسیبه طورکلی مواد در میدان مغناطیسی خارجی رفتارهای متفاوتی از خود نشان می‌دهند و با توجه به جهت‌گیری مغناطش، به پنج گروه تقسیم می‌شوند که به بیان آن‌ها می‌پردازیم.
2-4-2-1 مواد دیامغناطیسدر این مواد الکترون‌ها به صورت جفت بوده و اتمها دارای گشتاور مغناطیسی دائمی نیستند و با قرارگرفتن در میدان مغناطیسی خارجی دارای گشتاور مغناطیسی القایی در خلاف جهت میدان خارجی می‌شوند و آن را تضعیف می‌کند. پذیرفتاری مغناطیسی χ چنین موادی منفی و خیلی کم است. خاصیت دیامغناطیس ظاهراً در تمام انواع مواد یافت می‌شود، اما اثر آن غالباً به وسیله‌ی آثار قویتر پارامغناطیس یا فرومغناطیس که می‌توانند با این خاصیت همراه باشند، مخفی می‌شود. خاصیت دیامغناطیسی خصوصاً در موادی بارز است که کلاً اتمها یا یونهایی با پوسته‌های بسته‌ی الکترونی تشکیل شده باشند، زیرا در این مواد تمام تأثیرات پارامغناطیسی حذف می‌شوند.
2-4-2-2 مواد پارامغناطیسمواد پارامغناطیس، موادی هستند که برخی از اتمها یا تمامی آن‌ها گشتاور دو قطبی دائمی دارند، به عبارت دیگر گشتاور دو قطبی در غیاب میدان مغناطیسی، غیرصفر است. این دو قطبیهای دائمی رفتاری مستقل از هم داشته که در نهایت جهت‌گیری تصادفی دارند و در میدان‌های کوچک رقابتی بین اثر هم‌خط‌سازی میدان و بی‌نظمی گرمایی وجود دارد، اما به طور متوسط تعداد گشتاورهای موازی با میدان بیشتر از گشتاورهای پادموازی با میدان است. پذیرفتاری در این مواد مثبت است و با افزایش دما، که در اثر آن بی‌نظمی گرمایی زیاد می‌شود، کاهش مییابد. منگنز، پلاتین، آلومینیوم، فلزخاکی قلیایی و قلیایی خاکی، اکسیژن و اکسید ازت از جمله مواد پارامغناطیس‌اند.
2-4-2-3 مواد فرومغناطیس
در برخی از مواد مغناطیسی، گشتاورهای مغناطیسی کوچک به طور خودبهخود با گشتاورهای مجاور خود هم‌خط می‌شوند. اینگونه مواد را فرومغناطیس می‌نامند. در عمل، همه‌ی حوزه‌های مغناطیسی در یک ماده‌ی مغناطیسی در یک راستا قرار ندارند، بلکه این مواد از حوزه‌های بسیار کوچکی با ابعاد خیلی کمتر از میلیمتر تشکیل شده‌اند، به طوری که گشتاورهای مغناطیسی هر حوزه با حوزه‌های مجاور آن تفاوت دارد.
ممکن است سمتگیری و اندازه‌ی حوزه‌های مغناطیسی در یک ماده‌ی فرو مغناطیس به گونه‌ای باشد که در کل اثر یکدیگر را خنثی کنند و ماده در مجموع فاقد مغناطش است. اعمال میدان مغناطیسی خارجی بر حوزه‌های مغناطیسی سبب می‌شود که گشتاورهای مغناطیسی هر حوزه تحت تأثیر میدان قرار گرفته و جهت آن‌ها در جهت میدان خارجی متمایل شود. علاوه بر این حوزههایی که با میدان همسویند، رشد میکنند، یعنی حجم آن‌ها زیاد می‌شود و در نتیجه، حوزه‌هایی که سمتگیری آن‌ها نسبت به میدان مناسب نیست کوچک می‌شوند، مرز بین این حوزه‌ها جابجا می‌شود و در نتیجه ماده در مجموع خاصیت مغناطیسی پیدا می‌کند . پذیرفتاری مغناطیسی این مواد مثبت است. آهن، کبالت، نیکل و چندین عنصر قلیایی خاکی جز فرومغناطیس‌ها می‌باشند [23].
مواد فرومغناطیس دارای چند مشخصه‌ی اصلی به صورت زیر می‌باشند:
الف) مغناطش خودبه‌خودی و مغناطش در حضور میدان
ب) حساسیت مغناطش به دما
ج) مغناطش اشباع
د) منحنی پسماند
2-4-2-4 مواد پادفرومغناطیس
در مواد پادفرومغناطیس گشتاورهای مغناطیسی مجاور به صورت موازی، برابر و غیرهم راستا جهتگیری
می‌کنند. این مواد در غیاب میدان مغناطیسی دارای گشتاور صفرند. کروم و اکسیدهای آن ، جز مواد پادفرومغناطیس می‌باشند. چنین موادی معمولاً در دماهای پایین پادفرومغناطیساند. با افزایش دما ساختار نواحی مغناطیسی شکسته شده و ماده پارامغناطیسی می‌شود. این رفتار در مواد فرومغناطیس نیز اتفاق می‌افتد به این ترتیب که در این مواد پذیرفتاری مغناطیسی مواد مغناطیسی با افزایش دما به تدریج کاهش می‌یابد تا زمانی که ماده پادفرومغناطیس شود .
پذیرفتاری مغناطیسی این مواد عدد مثبت بسیار کوچک و نزدیک به صفر است. به دمایی که در آن ماده از حالت پادفرومغناطیس به فرومغناطیس گذار می‌کند، دمای نیل می‌گویند.
χ= CT+TN
که C ثابت کوری و TN دمای نیل است.
2-4-2-5 مواد فریمغناطیس
فریمغناطیس شکل خاصی از پادفرومغناطیس است که در آن گشتاورهای مغناطیسی در جهت موازی و عکس یکدیگر قرار گرفته‌اند، اما با یکدیگر برابر نیستند و به صورت کامل یکدیگر را حذف نمی‌کنند. در مقیاس ماکروسکوپی، مواد فریمغناطیس همانند فرومغناطیس بوده و دارای مغناطش خودبه‌خودی در زیر دمای کوری بوده و دارای منحنی پسماند می‌باشند[23و24]. شکل 2-2 فازهای مغناطیسی را نشان می‌دهد.

شکل 2-2 فازهای مغناطیسی، الف) پارامغناطیس، ب) فرومغناطیس، ج) پادفرومغناطیس، د) فری مغناطیس [24].
دو خاصیت مهم و کلیدی مواد مغناطیسی دمای کوری و هیستروسیس مغناطیسی است. جفت شدگی ‏تبادلی و بنابراین انرژی تبادلی هیسنبرگ مستقیماً با دمای کوری ‏‎(Tc)‎‏ مواد فرو و فریمغناطیس در ‏ارتباط است. در کمتر از دمای ‏Tc، ممان مغناطیسی همان جهت بلوروگرافی ویژه‌ی محور صفر این ‏مواد است. این محور در ‏نتیجه‌ی جفت‌شدگی این اسپین الکترون و ممنتوم زاویهای اوربیتال الکترون ایجاد می‌شود.
‏از آنجایی که مواد فرومغناطیسی مواد جالبی بر حسب کاربردهایشان هستند، خواص آن‌ها باید به ‏طور کمی اندازه‌گیری شود و حلقهی پسماند خواص مغناطیسی جالبی را در این مواد آشکار ‏می‌کند. یک حلقه‌ی پسماند را می‌توان با قراردادن نمونه در یک مغناطیس‌سنج و پاسخ ماده ‏‎(M,)‎‏ ‏به میدان مغناطیسی اعمالی ‏‎(H)‎‏ اندازه‌گیری کرد. چندین کمیت ممکن است از روی حلقه‌ی پسماند ‏به‌دست آید. ‏
اشباع مغناطیسی ‏‎(Ms)‎‏ یا اشباع مغناطیسی ویژه (‏s‏) مواردی‌اند که مقدار مغناطیسشدگی را وقتی ‏که همه دوقطبی‌ها در جهت میدان مغناطیسی اعمالی مرتب شده‌اند نشان می‌دهد.‏
مغناطیس باقیمانده ‏‎(Mr)‎‏ مغناطیسشدگی نمونه در میدان مغناطیسی صفر است و نیروی ‏بازدارندگی ‏‎(Hc)‎، نیرویی از میدان مغناطیسی است که برای تغییر مغناطیسشدگی باقیمانده نیاز است. ‏تغییر بایاس میدان ‏‎(HE)‎، مقدار جابجایی از مرکز حلقهی پسماند را نشان می‌دهد.‏
2-4-5 حلقه پسماندوقتی به یک ماده مغناطیسی، میدان مغناطیسی اعمال شود، مغناطش محیط سریع افزایش می‌یابد، با افزایش مقدار میدان اعمالی، شتاب افزایش و مغناطش کاهش می‌یابد، این کاهش شتاب ادامه می‌یابد تا مغناطش به مقدار اشباع خود Ms برسد [25].
تغییرات مغناطش مواد مغناطیسی در هنگام کاهش میدان، از رفتار قبلی خود تبعیت نمی‌کند، بلکه به خاطر ناهمسانگردی مغناطیسی در محیط، مقداری انرژی را در خود ذخیره می‌کنند. بنابراین وقتی میدان اعمالی در محیط صفر شود، مغناطش در ماده صفر نشده و دارای مقدار خاصی است که به آن مغناطش پسماند Mr گفته می‌شود. با کاهش بیشتر میدان به سمت مقادیر منفی، خاصیت مغناطیسی القا شده به تدریج کاهش می‌یابد و با رسیدن شدت میدان به یک مقدار منفی خواص مغناطیسی ماده کاملا از بین می‌رود. این میدان مغناطیس‌زدا را با Hc نشان می‌دهند و به نیروی ضد پسماند یا وادارندگی مغناطیسی معروف است. پسماند یا نیروی وادارنده عبارتست از میدان معکوسی که برای کاهش مغناطش به صفر نیاز است. با کاهش بیشتر شدت میدان، القای مغناطیسی منفی می‌شود و در نهایت به مقادیر اشباع منفی خود می‌تواند برسد. افزایش مجدد شدت میدان به سمت مقادیر مثبت، حلقه پسماند را مطابق شکل 2-3 کامل می‌کند. مغناطیس‌های دائمی غالبا در ربع دوم حلقه پسماند خود، مورد استفاده قرار می‌گیرند [26].

شکل 23 حلقه پسماند ماده فرو مغناطیس [26].
مواد مغناطیسی از نظر رفتار آن‌ها در میدان مغناطیس دو گروه تقسیم می‌شوند:
الف) مواد مغناطیس نرم
مواد مغناطیسی نرم با اعمال میدان مغناطیسی کوچک به راحتی مغناطیده می‌شود و با قطع میدان سریعاً گشتاور مغناطیسی خود را از دست می‌دهند. به عبارتی این مواد دارای نیروی وادارندگی پایین، اشباع مغناطیسی بالا و گشتاور پسماند پایین هستند.
مواد مغناطیس نرم در جاهایی که به تغییر سریع گشتاور مغناطیسی با اعمال میدان مغناطیسی کوچک نیاز است مانند موتورها، حسگرها، القاگرها و فیلترهای صوتی مورد استفاده قرار می‌گیرد.
ب) مواد مغناطیس سخت
مواد مغناطیس سخت موادی‌اند که به راحتی مواد مغناطیس نرم، مغناطیده نمی‌شوند و به میدان مغناطیسی اعمالی بزرگ‌تری جهت مغناطیده کردن آن‌ها نیاز است. این مواد گشتاور مغناطیسی را تا مدت‌ها پس از قطع میدان حفظ می‌کنند. همچنین دارای اشباع مغناطیسی، گشتاور پسماند و نیروی وادارندگی بالایی هستند. ساخت یا پخت این مواد در میدان مغناطیسی، ناهمسانگردی مغناطیسی را در این مواد افزایش می‌دهد که حرکت دیواره حوزه‌ها را سخت‌تر می‌کند و نیروی وادارندگی را افزایش می‌دهد. این امر می‌تواند تولید مادهی سخت مغناطیسی بهتری را تضمین کند. کاربرد این مواد در آهن‌رباهای دائمی و حافظه‌های مغناطیسی است [26].

شکل 24 حلقه پسماند در مواد فرومغناطیس نرم و سخت[26].
2-5 فریتفریت به آن دسته از مواد مغناطیسی اطلاق می‌شود که جزء اصلی تشکیل دهندهی آن‌ها اکسید آهن است و دارای خاصیت فریمغناطیس می باشند (آرایشی از فرومغناطیس) و پارامترهای مغناطیسی مطلوبی نظیر ضریب نفوذپذیری مغناطیسی بالا از جمله اصلی‌ترین خصیصه‌های آن‌ها به شمار می‌رود. بدین جهت کاربردهای بسیار وسیعی را در زمینه صنایع برق، الکترونیک، مخابرات، کامپیوتر و… به خود اختصاص داده‌اند.
یکی از انواع فریت‌ها نوع اسپینلی آن است، فریت‌های اسپینلی با فرمول عمومی 2-o2+A3+B که در آن 2+A و 3+B به ترتیب کاتیون‌های دو و سه ظرفیتی می‌یاشند.
فریت‌ها دارای خاصیت فریمغناطیس می‌باشند نظم مغناطیسی موجود در فریمغناطیس‌ها ناشی از برهم‌کنش‌های دو قطبی‌های مغناطیسی نیست بلکه ناشی از برهم‌کنش تبادلی است در برهمکنش تبادلی هم‌پوشانی اوربیتال‌های اتمی مد نظر می‌باشد در فریت‌ها برهم‌کنش تبادلی ناشی از هم‌پوشانی الکترون‌های اوربیتال d3 یون‌های A و B و الکترون‌های اوربیتالP 2 یون‌‎های اکسیژن است. و قدرت این بر‌هم‌کنش تبادلی است که خاصیت مغناطیسی نمونه را رقم می‌زند.
2-6 خلاصهدر این فصل به شیمی آئروژل و دو روش بالا به پایین و پایین به بالای تولید نانوذرات اشاره شد. سپس خاصیت مغناطیسی مواد و فاز‌های مغناطیسی ممکن برای مواد مغناطیسی بررسی شد. پس از آن توضیح کوتاهی در مورد حلقهی پسماند و موارد قابل اندازه‌گیری از آن گفته شد و در نهایت مختصری از مواد فریتی بیان گردید.
فصل سومساخت آئروژل و کاربردهای آن19509215088990
مقدمهسیلیکا آئروژل‌ها به دلیل ویژگی‌های منحصر به فرد، هم در علم و هم در تکنولوژی توجه زیادی را به خود اختصاص داده‌اند. آئروژل‌ها از پیشماده مولکولی با روش‌های مختلف و تکنیک‌های خشک کردن متفاوت برای جایگزینی منافذ مایع با گاز همراه با حفظ شبکهی جامد، تهیه می‌شوند. [27]
علی‌رغم تمامی تلاش‌های قابل توجهی که در این زمینه صورت گرفته است، چالش‌های اصلی تحت کنترل عوامل یکنواختی(همگنی)، بارگذاری، اندازه و توزیع نانوذرات در شبکه‌ی میزبان آلی باقی ماندهاست، در عوض این شبکه‌ی میزبان به طور مستقیم ویژگی‌های الکتریکی، نوری، مغناطیسی و کاتالیزوری مواد نانوکامپوزیت را حفظ می‌کند.
3-1 سنتز آئروژل با فرآیند سل-ژلتفاوت در ویژگی‌های شیمیایی پیش‌ماده‌ها برای فاز نانو (معمولاً نمک فلزی) و برای ماتریس آلی (عموماً الکوکسید‌ها) موضوع مهمی هستند، چرا که پارامترهای فرآیند سل-ژل بر روی هیدرولیز و چگالش هر کدام از این پیشماده‌ها تأثیر متفاوتی دارد [28]. هر چند این موضوع مساله‌ی مهمی در طراحی هر نانوکامپوزیت سل-ژل است اما در رابطه با آئروژل‌ها حیاتی‌تر می‌باشد، زیرا نیازمند جایگزین شدن حلال موجود در ژل (معمولاً اتانول یا متانول در الکوژل و آب در آکوژل) با تغییر حلال و در نهایت حذف کردن به وسیلهی استخراج حلال فوق بحرانی است. مرحله خشک کردن فوق بحرانی، بسته به این که الکل یا کربن دی اکسید به صورت فوق بحرانی تخلیه شود (به ترتیب نیازمند حرارتی در حدود 350 و 40 درجهی سانتیگراد است). این مرحله مسائل دیگری درباره حلالیت پیشماده‌ها و پایداری حرارتی در شرایط خشک کردن فوق بحرانی را مطرح می‌کند [29]. استراتژی‌های مختلف اتخاذ شده برای سنتر نانوکامپوزیت‌های آئروژل، بسته به اینکه فاز نانو (یا پیش‌مادهی آن) در حین یا بعد از فرآیند سل-ژل اضافه شود، دو رویکرد کلی دارند.
روش اول شامل هیدرولیز و ژل شدن نانوذرات و ماتریس پیشماده و ژل شدن ماتریس پیش‌ماده به همراه شکل‌گیری نانوذرات است. مزیت این روش تولید موادی با بارگذاری نانوذرات قابل کنترل است. از طرفی، چندین اشکال در مورد آن مطرح است. برای بهدست آوردن ژل دارای چند ترکیب همگن شرایط سنتز باید به صورت دقیق انتخاب شود و پیشماده‌های نانوذرات و همچنین عوامل پوشش دهی موردنیاز در شکل‌گیری نانوذرات کلوئیدی ممکن است بر سنتز سل-ژل ماتریس تأثیر بگذارد.
روش دوم شامل روش‌های مبتنی بر اضافه کردن فاز نانو بعد از فرآیند سل-ژل است و باید ساختار متخلخل و مورفولوژی ماتریس را حفظ کند. این روش‌ها شامل تلقیح فاز نانو با اشباع، ته‌نشینی و روش رسوبگذاری بخار شیمیایی می‌باشد. طرح‌واره روش‌های مختلف برای شیمی سنتز نانوکامپوزیت آئروژل در شکل 3-1 نشان داده شده است.
هرچند این روشها نیز دارای دو اشکال عمده هستند: یکی همگنی ضعیف ترکیب نانوکامپوزیت تولیدشده، دیگری ترد و شکننده بودن آئروژل‌ها. اتصال فلز در یک ماتریس با گروه‌های هماهنگ اصلاح شده است و غوطه‌ور کردن الکوژل و آکوژل در محلول قبل از خشک کردن فوق بحرانی، به ترتیب به عنوان راهحلهایی برای غلبه بر کاستی‌های گفته شده است. رسوب نانوذرات از فاز بخار، بر خلاف روش‌های تلقیح مرطوب، ماتریس متخلخل را تغییر نمیدهد و تضمین میکند که فاز مهمان در سراسر ماتریس توزیع خواهد شد [30].

شکل 3-1 طرح‌واره‌ای از روش‌های مختلف برای شیمی سنتز نانوکامپوزیت [33].
3-2 شکل‌گیری ژل خیسژل‌های سیلیکا به طور عمومی با هیدرولیز و واکنش چگالش پیشماده سیلیکا به‌دست می‌آیند. ماتریس سیلیکای نهایی متخلخل است و حفره‌های ژل با حلال جانبی هیدرولیز و واکنش پلیمریزه شدن پر شده است. اگر ترکیب محلول بهتواند از ژل خیس بدون سقوط قابل ملاحظه ساختار خارج شود، آئروژل شکل می‌گیرد [31].
روش سل-ژل شامل یک یا چند پیشماده سیلیکون است که متداول‌ترین آن‌ها TEOS و TMOS می‌باشند و داراری چهار گروه الکوکسید شناخته شده در آرایش چهار وجهی در اطراف اتم سیلیکون مرکزی است. واکنش هیدرولیز در چهار جهت اتفاق می‌افتد و منجر به پیوند Si-O-Si می‌شود و یک مادهی کپهای که ترکیبی از 2SiO را می‌دهد. اگر یکی از شاخه‌های الکوکسید اتم سیلیکون توسط گروه عاملی مختلفی که قادر نیست تحت واکنش چگالش قرار گیرد، جایگزین شود گروه عاملی با پیوند کووالانسی به اتم سیلیکون درون ماتریس ژل باقی خواهد ماند. الکوکسیدهای فلزی به راحتی با آب واکنش می‌دهد و بر حسب میزان آب و حضور کاتالیست، عمل هیدرولیز ممکن است کامل انجام شود.
ملکول‌های شکلگرفته آلی-فلزی به مرور زمان بزرگ می‌شوند و به صورت یک ساختار پیوسته در داخل مایع در می‌آیند. این ساختار پیوسته که حالت الاستیک دارد، ژل گفته می‌شود [32].
به طور کلی شکل‌گیری محلول پایدار الکوکسید یا پیشماده‌های فلزی حل شده مرحله اول فرآیند تهیه آئروژل است. این محلول همگن به‌دست آمده در مرحله دوم به علت وجود آب هیدرولیز شده و سل یکنواختی را ایجاد می‌کند. در مرحله سوم واکنش بسپارش ادامه پیدا می‌کند تا سل به ژل تبدیل شود. این مرحله، پیرسازی نیز گفته می‌شود. پس از آن مرحلهی نهایی که خشک کردن است باقی می‌ماند.
3-3 خشک کردن آلکوژلبعد از شکل‌گیری ژل توسط هیدرولیز و واکنش چگالش، شبکه Si-O-Si شکل می‌گیرد. بخش پیرسازی به تشدید شبکه ژل اشاره دارد؛ ممکن است چگالش بیشتر، تجزیه، و ته‌نشینی ذرات سل یا تبدیل فاز داخل فاز جامد یا مایع صورت گیرد. این نتایج در یک جامد متخلخل که حلال در آن گیر افتاده است اتفاق می‌افتد. فرآیند حذف حلال اصلی از ژل (که معمولاً آب و الکل است) را خشککردن می‌گویند. در طول فرآیند خشککردن، ترکخوردگی اتفاق می‌افتد به این دلیل که نیروی مویینگی در گذار مایع-گاز در داخل منافذ ریز وجود دارد. معادله لاپلاس در اینجا به کار می‌رود، هر چه شعاع مویینگی کوچک‌تر باشد، ارتفاع مایع بیشتر و فشار هیدروستاتیک بالاتر خواهد بود. هنگامی که انرژی سطح باعث بالا رفتن ستون مایع داخل مویرگ‌ها می‌شود، مقدار فشار سطحی داخل مویرگ قابل محاسبه است.
قطر حفره در ژل از مرتبهی نانومتر است، به طوری که مایع ژل فشار هیدروستاتیک بالایی را باید اعمال کند. هلال داخل حفره‌ها و نیروهای کشش سطحی سعی می‌کند تا ذرات را به عنوان مایع در حفره‌ها تبخیر کند. این نیروها می‌توانند به گونه‌ای عمل کنند که باعث سقوط حفره و ساختار شوند. بنابراین ژل‌ها با حفره‌های ریز زیاد تمایل به انقباض و ترک خوردن دارند [33]. سل ژلهایی که شیمی سطح آن‌ها اصلاح نشده (شکل3-2) و در شرایط محیط خشک شدند به علت این فروپاشی منافذ تا حدود یک هشتم حجم اولیهی خود کوچک میشوند؛ ماده حاصل زیروژل نامیده میشود. اگر این فرآیند خشککردن به آرامی رخ دهد، زیروژل یکپارچه سالم میتواند تولید شود. اما برای تولید یک آئروژل، باید از عبور از مرز فاز بخار-مایع اجتناب کرد.

شکل 3-2 اصلاح شیمی سطح ژل [34].
روشهای کنونی برای پرهیز از فروپاشی منافذ درساخت آئروژل را میتوان در سه تکنیک کلی دستهبندی کرد. هرکدام از این تکنیکها طراحی شدهاند تا نیروهای مویینگی ناشی از اثرات کشش سطحی را کاسته و یا حذف نمایند. این تکنیکها الف) خشک کردن در شرایط محیط پس از اصلاح سطح، ب) خشک کردن انجمادی و ج) خشک کردن فوق بحرانی است [34]. توضیح کلی درباره هرکدام از این تکنیکها در ادامه آمده است.
3-3-1 فرآیند‌های خشککردن در شرایط محیطاین تکنیکهای خشک کردن طراحی شدهاند تا ژل خیس را در فشار محیط خشک کنند. این روشها نیازمند فرآیندهای شیمیایی با تعویض طولانی مدت حلال برای کاهش نیروهای مویینگی وارد بر نانوساختار یا برای افزایش توانایی نانوساختار در تحمل این نیروهاست (یا با قویتر کردن ساختار و یا با منعطف‌تر ساختن آن). تغییر شیمی سطح ژل خیس بر پایه TEOS برای ارتقاع انقباض قابل برگشت با استفاده از تبادل حلال با هگزان به وسیله اصلاح سطح با فرآیند کاهش گروه سیلانولی با TMCS [35و36]. همچنین استفاده از پیری ژل در محلول الکل یا الکوکسید برای سفت شدن میکرو ساختار به منظور جلوگیری از فروپاشی منافذ است [37]. به علاوه ترکیبکردن شاخه‌های متقاطع سیلیکا آئروژل است که می‌تواند نیروهای مویینگی در حین خشک کردن تحت فشار محیط را تحمل نماید [38].
3-3-2 خشککردن انجمادیخشککردن انجمادی یک ژل خیس منجر به تولید کریوژل میشود. خشککردن انجمادی باعث تولید پودر آئروژل کدر می‌شود [39]. این تکنیک حلال اضافی را با تصعید حذف میکند. ژل خیس منجمد میشود و سپس حلال در فشار پایین تصعید میشود [40]. میکروبلور‌های منجمد که حین فرآیند خشککردن انجمادی شکل می‌گیرند منجر به آئروژل‌های ماکروحفره‌تری در مقایسه با روش استخراج فوق بحرانی میشوند [41].
3-3-3 خشک کردن فوق بحرانیروشهای استخراج فوق بحرانی از مرز بین مایع و بخار با بردن حلال به بالاتر از نقطه فوق بحرانی آن اجتناب می‌کند و سپس از ماتریس سل-ژل به عنوان یک مایع فوق بحرانی حذف می‌شود. در این حالت هیچ مرز مایع-بخاری وجود ندارد، بنابراین هیچ فشار مویینگی دیده نمی‌شود. شکل 3-3 چرخه فشار-دما در طول فرآیند فوق بحرانی را نشان می‌دهد. در عمل انواع متعددی از روشهای استخراج فوق بحرانی وجود دارد که شامل تکنیک‌هایی با دمای بالا، دمای پایین و سریع است.

شکل 3-3 چرخه فشار-دما در حین فرآیند خشک کردن فوق بحرانی [42].
تکنیک‌های استخراج فوق بحرانی الکل دمای بالا، ژل خیس را به حالت فوق بحرانی حلال (معمولاً متانول یا اتانول) در یک اتوکلاو و یا هر مخزن فشار دیگری می‌برد. این مستلزم فشارهای بالا حدود Mpa 8 و دماهای بالا حدود 260 درجهی سانتیگراد می‌باشد [42]. شکل 3-4 شماتیکی از دستگاه خشککن فوق بحرانی اتوکلاو را نشان می‌دهد.

شکل 3-4 شماتیکی از دستگاه خشک کن فوق بحرانی اتوکلاو [42].
تکنیکهای استخراج فوق بحرانی دمای پایین بر اساس استخراج 2CO است که دمای نقطه بحرانی پایین‌تری نسبت به مخلوط الکل باقیمانده در منافذ سل-ژل بعد از پلیمریزاسیون دارد. این روش به تبادل حلال به طور سری نیازمند است، ابتدا حلال غیرقطبی و سپس با کربن دیاکسید مایع پیش از استخراج فوق بحرانی که می‌تواند در نقطه فوق بحرانی 2CO اتفاق بیافتد [43]. مزایای این تکنیک دمای بحرانی پایین‌تر و حلال پایدارتر است؛ هرچند مراحل اضافه شده به فرآیند سبب طولانی‌تر شدن زمان آمادهسازی آئروژل می‌شود. از آنجائیکه فشار بحرانی مورد نیاز نسبت به روشهای فوق بحرانی دما بالا تغییری چندانی ندارد (فشار بحرانی 2CO مشابه متانول و اتانول است)، این فرآیند نیز نیاز به استفاده از مخازن فشار دارد. به علاوه روند انتشار تبادل حلال وابسته به اندازهی ژل است.
تکنیکهای استخراج فوق بحرانی سریع از یک قالب محدود استفاده می‌کند، چه در مخزن فشار و چه در یک فشار داغ هیدرولیک قرار بگیرند. این تکنیکها فرآیندهای تک مرحله‌ای پیش‌ماده به آئروژل هستند و آئروژل را در کمتر از 3 ساعت بهدست می‌آورند. در این روش پیشماده‌های شیمیایی مایع و کاتالیست در یک قالب دو قسمتی ریخته می‌شوند سپس به سرعت گرم می‌شوند [44]. در ابتدا فشار با بستن دو بخش قالب با هم یا با اعمال فشار هیدروستاتیکی خارجی به جای مخازن فشار بزرگ‌تر یا با ترکیبی از این دو تنظیم می‌شود. زمانیکه نقطه فوق بحرانی الکل فرارسید، اجازه داده میشود تا مایع فوق بحرانی خارج شود [45]. برای مثال گوتیه و همکارانش [46] در روند انجام این فرآیند از یک فشار داغ هیدرولیکی برای مهروموم کردن و گرم کردن قالب حاوی مخلوط پیشماده آئروژل استفاده کردند. مخلوط مایع از پیشماده‌های آئروژل در یک قالب فلزی ریخته شد و سپس در فشار داغ قرار گرفت. در طول اجرا، فشار داغ برای مهروموم کردن ترکیب به جای قالب استفاده شد و یک نیروی باز دارندهی فشاری را فراهم کرد. سپس قالب و مخلوط به بالای دما و فشار فوق بحرانی متانول برده شد. در مدت زمان این فرآیند گرم کردن، پیشمادههای آئروژل واکنش نشان داده و یک ژل خیس نانوساختاری متخلخل را تشکیل داد. زمانیکه به حالت بحرانی رسید، فشار کاهش داده شد و مایع فوق بحرانی رها شد.
3-3-4 مقایسه روش‌هاهر یک از روش‌های ساخت آئروژل شرح داده شده در بالا، نقاط قوت و محدودیت‌هایی دارند. مقایسه مستقیم تکنیک‌های مختلف خشک کردن به علت دستورالعمل‌های پیشماده متفاوت، شرایط ژل شدن مختلف، و زمان پیر سازی، به خوبی روش‌های استخراج متفاوت هستند. برای مثال خشککردن فوق بحرانی دما پایین نیاز به زمان پیرسازی کافی دارد، به طوری که ژل‌ها می‌توانند از ظرف اولیه برای استخراج و تبادل حلال خارج شوند.
در فرآیند خشککردن سریع، عموما زمان پیرسازی کوتاه است؛ گرچه، دمای بالا در این فرآیند اثر مشخصی را روی روند واکنش چگالش دارد.
مزیت اصلی تکنیک‌های خشک کردن در فشار محیط، عدم نیاز به تجهیزات فشار بالا می باشد که گران قیمت و به طور بالقوه خطرناک است؛ اگرچه به مراحل پردازش چندگانه با تبادل حلال نیاز دارند. تا به حال مطالعات اندکی در رابطه با استفاده از روش‌های خشککردن انجمادی شده است. این تکنیک‌ها نیاز به تجهیزات خاصی برای رسیدن به دمای پایین لازم برای تصعید حلال و منجر شدن به پودر آئروژل، دارند.
محدودیت اصلی تکنیکهای فوق بحرانی دما بالا، رسیدن به دماهای بالای مورد نیاز برای دست یافتن به نقطه بحرانی حلال الکل و نیز ملاحظات ایمنی در بکار بردن مخزن فشار در این شرایط است.
روش استخراج دما پایین به طور گسترده در تولید آئروژل‌های یکپارچه کوچک تا بسیار بزرگ استفاده شده است، اگرچه می‌تواند روزها تا هفته‌ها تولید آن طول بکشد و مراحل چندگانه تبادل حلال مورد نیاز، آن را تبدیل به فرآیندی پیچیده کند و اتلاف قابل ملاحظه‌ای از حلال و 2CO ایجاد می‌کند. تکنیک‌های خشککردن سریع ساده‌تر و سریع‌تر است. تمامی فرآیند، بر خلاف مراحل چندگانه و مقیاس‌های زمانی در ابعاد روزها و ماهها در سایر روش‌ها، در یک مرحله انجام شده و می‌تواند در چند ساعت تکمیل شود. همچنین این روش‌ها اتلاف کمتری را به وجود می‌آورند. یک ایراد روش‌های خشککردن سریع، نیاز به دما و فشار بالاست [47].
3-4 مروری بر کارهای انجام شدهاگرچه میدانیم که این گزارش‌های جامعی از مقالات مرتبط با نانوکامپوزیت‌های آئروژل نیست، اما تأکید بر این مطلب است که چگونه ترکیب نانوذرات ممکن است احتمال استفاده از آئروژل‌ها را به عنوان مواد جدید افزایش دهد و چگونه مسیر آماده سازی مورد اطمینان برای به‌دست آوردن نانوکامپوزیت‌های آئروژل برای کاربرد خاص را انتخاب نماییم.
پس از آنکه کیستلر در سال 1931 برای اولین بار بدون درهم شکستن ساختار ژل، فاز مایع را از آن جدا کرد، در سال 1938 به مطالعه روی رسانایی گرمایی آئروژل و در سال 1943 درباره سطح ویژه آن‌ها به مطالعه پرداخت [48]. بعد از آن حدود نیمقرن دانشمندان علاقه‌ای به آئروژل‌ها نشان ندادند تا در اویل 1980 آئروژل به عرصه پژوهش بازگشت.
در سال 1992تیلسون و هاربش از TEOS به عنوان پیشمادهی سیلیکا ژل استفاده کردند و از میکروسکوپ الکترونی روبشی برای مشخصه‌یابی آن‌ها استفاده نمودند [49] و سپس هر ساله تحقیقات زیادی روی آئروژل‌ها صورت می‌گیرد.
در سال 2001 کاساس و همکارانش نانوکامپوزیت مغناطیسی را با ورود ذرات اکسید آهن در سیلیکا آئروژل میزبان سنتز کردند. این سنتز که به روش سل-ژل و با خشککردن فوق بحرانی متانول انجام شد، دو نمک آهن استفاده شد: O2H9.(3ON)Fe و O2H2.(EDTA)FeNa. در این پژوهش ارتباط واضحی بین پیشماده، آب و تخلخل و سطح ویژه آئروژل حاصل وجود داشت. استفاده از ترکیب EDTA به عنوان پیش‌مادهی نانوذرات، قطر میانگین حفره‌ها را افزایش داد، گرچه قابلیت حل پایین نمک EDTA در محلول یک مانع بزرگ برای رسیدن به آهن در این روش بود. مساحت سطح ویژه‌ی نمونه‌های کاساس بین /g2m 200 و /g2m 619 بهدست آمد و برخی نمونه‌ها رفتار پارامغناطیس و برخی دیگر رفتار مغناطیس نرم از خود نشان دادند [50].
در سال 2002 واگنر و همکارانش ذرات سیلیکا با هستهی مغناطیسی را با روش ته‌نشینی به‌دست آوردند [51]. و چند سال بعد در سال 2006 ژانگ و همکارانش ذرات پوسته‌ای هسته‌دار را با روش سل-ژل تهیه کردند. این ذرات شامل هستهی مغناطیسی فریت کبالت و پوستهی سیلیکا بودند که از TEOS به عنوان پیشمادهی سیلیکا استفاده کردند. پس از آنکه ژل‌ها به‌دست آمدند، در 110 درجهی سانتیگراد برای 4 ساعت در خلاء خشک شدند زیرا اگر در هوا خشک شوند احتمال ته‌نشینی بلور‌های اکسید وجود داشت. سپس به مدت 2 ساعت در دماهای مختلف برای به‌دست آوردن نانو بلور پراکنده در ماتریس سیلیکا حرارت داده شد. برای نمونه‌ی آن‌ها شکل‌گیری فاز فریت کبالت در دمای 800 درجهی سانتیگرادکامل شد و خوشه‌های فریت کبالت به سمت نانو بلوری شدن پیش رفتند، زمانی که برهم‌کنش بین خوشه‌های فریت کبالت با ماتریس سیلیکا شکسته شد پیوندهای Si-O-Fe ناپدید شدند. بر طبق گزارش آن‌ها اشباع مغناطیسی نانوکامپوزیت‌ها با افزایش غلظت بیشتر فریت در ماتریس افزایش یافت تا مقدار بیشینه emu/g 98/66 برای نمونه با نسبت مولی 1:1 (wt% 80 فریت کبالت) به‌دست آمد [52].
سیلوا و همکارانش در سال 2007 کامپوزیت ذرات فریت کبالت پخش شده در ماتریس سیلیکا را به روش سل-ژل تهیه کردند. آن‌ها از TEOS به عنوان پیشماده سیلیکا و از نیترات به عنوان پیش‌ماده فریت استفاده کردند. پس از گذشت زمان پیرسازی، نمونه برای 12 ساعت در 110 درجهی سانتیگراد خشک شدند و ذرات فریت کبالت در ماتریس سیلیکا شکل گرفتند. پس از آن عملیات حرارتی برای 2 ساعت در دماهای 300، 500، 700 و 900 درجهی سانتیگراد انجام شد که باعث افزایش در اندازهی ذرات شد. رسوب ذرات خوشه‌ای فریت در دیواره‌های منافذ زیروژل با افزایش دما بیشتر شد و در دماهای بالاتر از 700 درجهی سانتیگراد بلورهای بزرگ‌تر کبالت داخل منافذ ماتریس شکل گرفتند و افزایش در مغناطش اشباع و پسماند مغناطیسی را باعث شدند [53].
در همان سال فرناندز و همکارانش نانو کامپوزیت سیلیکا آئروژل/ آهن اکسید را با فرآیند سل-ژل و تبخیر فوق بحرانی حلال سنتز کردند. آن‌ها نمونه‌ها با پیشماده‌های TEOS و TMOS را با تبخیر فوق بحرانی اتانول و متانول خشک کردند. ذرات مغناطیسی با اندازهی متوسط nm 6 با TEOS و متانول سنتز شدند در حالی که فری‌هیدرات‌ها از TMOS و اتانول به‌دست آمدند. بعضی نمونه‌های آن‌ها رفتار ابر پارامغناطیس از خود نشان دادند [54].
دو سال بعد ژنفا زی و همکارانش نانوذرات فریت کبالت را به روش هم‌نهشت شیمیایی و خشک شدن در هوا در دمای80 درجهی سانتیگراد تهیه کردند. اندازهی قطر نانوذرات سنتز شده nm 20 تا nm 30 بود و دمای کوری در فرآیند افزایش دما کمتر از فرآیند کاهش دما بود. مقدار اشباع مغناطیسی این ذرات emu/g 77/61 بهدست آمد که نسبت که مقدار کپه آن کوچک‌تر بود. در این پژوهش مقدار پایین نیروی وادارندگی به دو دلیل اتفاق می‌افتد: ذرات فریت ممکن است ساختار چند دامنه داشته باشند. شکل‌گیری چند دامنه‌ها و حرکت دیوارهای دامنه می‌تواند کاهش دامنه را نتیجه دهد. همچنین اگر اندازهی بحرانی ذرات [55] بهدست آمده بزرگ‌تر از قطر میانگین ذرات باشد، رفتار تک دامنه را از خود نشان می‌دهند. آن‌ها گزارش کردند که کاهش وادارندگی نمونه‌ها به رفتار وابسته به اندازهی ذرات بستگی دارد [56].
بلازینسکی و همکارانش در پژوهشی که در سال 2013 انجام دادند، سیلیکا آئروژل را با روش سل-ژل و فرآیند فوق بحرانی تهیه کردند. آن‌ها دریافتند که روش خشک کردن فوق بحرانی مؤثرترین روش برای بهدست آوردن بهترین ویژگی این محصولات است. بدین منظور آن‌ها دستگاه خشک کن فوق بحرانی را برای خود ساختند که فشار و دما به طور دستی تنظیم می‌شد و مرحله مهم در آمادهسازی سیلیکا آئروژل‌ها بود. به این ترتیب آن‌ها سیلیکا آئروژل‌های شفاف با مساحت سطح ویژه بالا به‌دست آوردند [57].
در گزارشی دیگر در سال 2014 ساجیا و همکارانش پودر آمورف فریت کبالت را به روش سل-ژل تهیه کردند و این روش را بهترین روش تهیه نانوذرات عنوان کردند. آن‌ها دریافتند که عملیات حرارتی برای تجزیه کامل مقدار مواد آلی و نیترات حاضر در پودر آمورف لازم است. در این فرآیند برای جلوگیری از ته‌نشینی یا رسوبگذاری این واکنش اسید سیتریک به آن اضافه کردند و سپس مراحل خشک کردن و عملیات حرارتی انجام شد. پارامترهای عملیات حرارتی، مرحله نهایی در آماده‌سازی نانوذرات فریت کبالت بودند که بررسی شدند. ساختار اسپینل در همهی نمونه‌های آن‌ها شکل گرفته بود و هنگامی که ذرات شروع به رشد کردند ناخالصی‌ها حذف شد. ویژگی مغناطیسی مرتبط با رفتار فریمغناطیس این نمونه‌ها مقدار emu/g 62 برای اشباع مغناطیسی را نشان می‌دهد [58].
در جدیدترین پژوهشی که دربارهی آمادهسازی و ارزیابی نانوکامپوزیت سیلیکا آئروژل/فریت در سال 2014 صورت گرفته است، کاتاگر و همکارانش نانوذرات فریت را به روش ته‌نشینی آماده کردند و سپس TMOS را به آن اضافه نمودند. برای این کار آن‌ها O2H6. 2NiCl، O2H6. 3FeCl و 2ZnCl را با اضافه کردن آب مقطر حل کردند. PH محلول در رفلاکس 110 درجهی سانتیگراد به مدت 24 ساعت 13 تنظیم شده بود. با حذف NaOH که برای PH اضافه شده بود، و شستن مکرر با آب مقطر و اتانول نانوذرات نتیجه شدند. بعد از بهدست آمدن نانوذرات به طور مستقیم به TMOS اضافه شدند و 3NH و آب دیونیزه به عنوان کاتالیست برای تهیه سل همگن اضافه گردیدند. برای مرحله پیر سازی قالب‌های حاوی سل را در اتانول به مدت 2 ساعت و دمای 50 درجهی سانتیگراد پیرسازی کردند و در نهایت ژل خیس را با خشک کردن فوق بحرانی کربن دی اکسید بهدست آوردند. تحقیقات آن‌ها نشان داد که زمان ژل شدن با افزایش نسبت مولی اتانول/TMOS افزایش یافت. همچنین به دلیل کشش سطحی اتانول، نمونه‌ها منقبض می‌شوند یا ترک می‌خورند. نانوکامپوزیت به‌دست آمده ساختار اسکلت شبکه‌ی سه بعدی را حفظ کرد. مساحت سطح ویژه با افزایش مقدار فریت از /g2m 700 تا /g2m 300 تغییر کرد. به علاوه ویژگی مغناطیسی فریت در ساختار نانو کامپوزیت تغییر نکرد [59].
3-5 برخی از کاربردهای آئروژل3-5-1 آئروژل‌ها به عنوان کامپوزیتهمانطور که پیشمادهی الکوکسید سیلیکون برای شکل‌گیری شبکه‌ی ژل با اکسیدهای فلزی دیگر به اندازه‌ی کافی واکنشی است، مطالعات زیادی در زمینه سنتز سیلیکا آئروژل برای کاربردهای مختلف صورت گرفته است [1].
3-5-2 آئروژل‌ها به عنوان جاذبآئروژل‌های فوق آبگریز و انعطافپذیر برای در جذب حلال‌های معدنی و روغن‌ها سنتز شدند. ونکاتشوارا رائو و همکارانش چگالی جذب و واجذب سیلیکا آئروژل‌های فوق آبگریز را با استفاده از یازده حلال و سه روغن بررسی کردند [60].
3-5-3 آئروژل‌ها به عنوان حسگرآئروژل‌ها تخلخل بالا، حفره‌های در دسترس، و سطح در معرض بالا دارند. از این رو کاندیداهای خوبی برای استفاده به عنوان حسگر هستند.بر اساس مطالعه وانگ و همکارانش روی آئروژل لایه‌ی نازک نانوذرات سیلیکا آئروژل نشان داد که مقاومت الکتریکی به طور قابل ملاحظه‌ای با افزایش رطوبت کاهش یافت. زیروژل همان مواد حساسیت کم‌تری را نشان داد. آئروژل‌هایی که اصلاح سطح شدند در مقایسه با آئروژل‌های آب‌گریز کمتر تحت تأثیر رطوبت قرار گرفتند و می‌توانند به عنوان ضد زنگ و عوامل آب‌گریز مورد استفاده قرار بگیرند [61].
چن و همکارش آئروژل‌هایی را برای کاربرد حسگرهای زیستی مطالعه کردند. در مطالعه آن‌ها، آئروژل‌های مزوحفره به وسیله پلیمریزاسیون سل-ژل با یک مایع یونی به عنوان حلال تهیه کردند. نتایج نشان می‌دهدکه آئروژل آماده شده می‌تواند به عنوان یک بسترشناسایی برای اسید نوکلوئیدها به کار رود [62].
3-5-4 آئروژل به عنوان مواد با ثابت دی الکتریک پایینلایه نازک‌های آئروژل 2SiO توجه خاصی را به خود اختصاص داد، به دلیل ثابت دی الکتریک خیلی پایین، تخلخل و پایداری حرارتی بالا. پارک و همکارانش لایه نازک سیلیکا آئروژل را برای لایهی داخلی دی الکتریک مورد بررسی قرار دادند و ثابت دی الکتریک را تقریبا 9/1 اندازه‌گیری کردند. آن‌ها ثابت دی الکتریک بسیار پایین فیلم‌های آئروژل را برای لایهی داخلی مواد دی الکتریک تولید کردند. فیلم های سیلیکا آئروژل به ضخامت Å 9500، % 5/79 تخلخل، و ثابت دی الکتریک پایین 2 با روش فرآیند خشک کردن محیط با استفاده از n-هپتان به عنوان حلال خشک کن به‌دست آوردند [63].
3-5-5 آئروژل به عنوان کاتالیزورمساحت سطح ویژه‌ی بالای آئروژل‌ها منجر به کاربردهای زیادی می‌شود، از جمله جاذب شیمیایی برای پاکسازی نشتی. این ویژگی کاربرد زیادی را به عنوان کاتالیزور یا حامل کاتالیزور به همراه دارد. آئروژل‌ها در کاتالیست‌های همگن مناسب هستند، زمانی که واکنش‌دهنده‌ها هم در فاز مایع و هم در فاز گاز هستند [27].
3-5-6 آئروژل به عنوان ذخیره سازیتخلخل بالا و مساحت سطح زیاد سیلیکا آئروژل‌ها می‌تواند برای کاربردهایی مثل فیلترهای گازی، جذب رسانهای برای کنترل اتلاف، محصور سازی، ذخیره سوخت هیدروژن به کار رود. آئروژل‌ها می‌توانند در مقابل تنش گذار مایع/گاز مقاومت کنند زیرا بافت آنها در طول پخت تقویت شد به عنوان مثال در ذخیره سازی، انتقال مایعات چون سوخت موشک‌ها کار برد دارد. به علاوه وزن پایین آئروژل‌ها بزرگ‌ترین مزیت است که در سیستم حمل دارو به دلیل ویژگی زیست سازگار آن‌ها مورد استفاده است [64]. کربن آئروژل‌ها در ساخت الکتروشیمی ابر خازن دو لایه کوچک استفاده شد. ابر خازن‌های آئروژل مقاومت ظاهری پایینی در مقایسه با ابر خازن‌های معمولی دارد و می‌تواند جریان بالا را تولید یا جذب کند.
3-5-7 آئروژل‌ها به عنوان قالبفیلم‌های سیلیکا آئروژل برای سلول‌های خورشیدی رنگ حساس استفاده شدند. مساحت سطح ویژه‌ی فیلم‌های آئروژل روی فیلم‌های شیشه‌ای رسانا تهیه شدند. نشست لایه اتمی برای پوشش قالب آئروژل با ضخامت‌های مختلف 2TiO با دقت کمتر از نانومتر انجام شد. غشاء آئروژل پوشش داده شده با 2TiO در سلول خورشیدی رنگ حساس گنجانیده شد. طول نفوذ شارژ با افزایش ضخامت 2TiO افزایش یافت که منجر به افزایش جریان شد [65].
3-5-8 آئروژل به عنوان عایق گرماجدای از تخلخل بالا و چگالی پایین یکی از جذاب‌ترین ویژگی‌های آئروژل رسانندگی گرمایی پایین آن‌ها است، علاوه بر این، از یک شبکه‌ی سه بعدی با ذرات ریز متصل شده تشکیل شده‌اند. بنابراین انتقال گرما از میان بخش جامد آئروژل‌ها از طریق مسیر پر پیچ و خمی است. فضای اشغال نشده در یک جامد توسط آئروژل به طور معمول با هوا پر شده مگر آن که تحت خلاء مهروموم شده باشد. این گازها می‌توانند انرژی حرارتی را از طریق آئروژل انتقال دهند. حفره‌های آئروژل باز هستند و اجازه عبور گاز از میان مواد را می‌دهند [27].
3-5-9 آئروژل‌ها در کاربرد فضاییناسا از آئروژل‌ها برای به دام انداختن ذرات گرد و غبار روی فضاپیما استفاده کرد. ذرات در برخورد با جامد اسیر شده، گازها تبخیر می‌شوند و ذرات در آئروژل به دام می‌افتند [27].
جدول 3-1 کاربردهای مختلف آئروژل‌ها را به طور مختصر نشان می‌دهد.
3-6 خلاصهدر این فصل پس از مقدمه‌ی کوتاه، اندکی در مورد سنتز آئروژل با روش سل-ژل گفته شد. پس از آن فرآیند‌های لازم برای شکل‌گیری ژل بیان شد و سپس تکنیک‌های مختلف خشک کردن و شرایط لازم برای این کار با مختصری توضیح نوشته شد. بعد مروری کوتاه به برخی از تلاش‌های انجام شده در این زمینه داشتیم و در آخر برخی از کاربردهای مختلف آئروژل‌ها را با ذکر مثال درج شد.
جدول 3-1 کاربردهای مختلف آئروژل‌ها [27].
خاصیت ویژگی کاربرد
رسانایی الکتریکی بهترین جامد عایق
شفاف
مقاومت در برابر درجه حرارت بالا
سبک ساخت و ساز ساختمآن‌ها و عایقبندی لوازم خانگی
ذخیره سازی
ماشین، وسیله نقلیه فضایی
دستگاه‌های خورشیدی
چگالی/تخلخل سبک‌ترین جامد مصنوعی
سطح ویژه_ی بالا
کامپوزیت‌های چندگانه کاتالیزور
حسگر
ذخیرهی سوخت
تبادل یون
فیلترهای آلاینده‌های گازی
اهداف ICF
حامل رنگ‌دانه
قالب
اپتیکی شفافیت
شاخص بازتاب پایین
کامپوزیت‌های چندگانه اپتیک سبک وزن
آشکارسازهای چرنکوف
راهنماهای نوری
عایق صوتی سرعت صوت پایین اتاق‌های ضد صدا
تطبیق مقاومت ظاهری صوتی در التراسونیک
مکانیکی الاستیک
سبک جاذب انرژی
تله برای ذرات سرعت بالا
الکتریکی ثابت دی الکتریک پایین
قدرت دی الکتریک بالا
سطح ویژهی بالا دی الکتریک برای ICها
جدا کنندهی الکترودهای خلا
خازن
فصل چهارمسنتز و بررسی ویژگی‌های نانوکامپوزیت سیلیکا آئروژل/نانوذرات فریت کبالت21434265186580مقدمهآئروژل‌ها کاندیدا‌های ایدهآلی برای طراحی نانوکامپوزیت‌های کاربردی تقویت شده با نانوذرات فلزی یا اکسید فلزی هستند. مساحت سطح ویژهی بالا با ساختار حفره‌ای، آئروژل‌ها را قادر می‌سازد تا به طور موثری میزبان نانوذرات ریز پراکندهشده باشند و این اطمینان را می‌دهد که نانوذرات در دسترس هستند.
راه گسترش آئروژل‌های کاربردی برای تهیهی مواد کاربردی خلاق از طریق طراحی نانوکامپوزیت‌ها است، به طوری که نانوذرات فلز یا اکسید فلز به داخل ماتریس آئروژل الحاق می‌شوند. با توجه به گسترش محدوده و قابلیت زیستی آئروژل‌ها، تهیه این نانوکامپوزیت‌ها برای جلوگیری از تجمع نانوبلورها و رشد از طریق ذرات بستر برای یک کاربرد خاص را فراهم می‌کند.
4-1 مواد مورد استفاده در پژوهش آلکوکسیدهای فلزی یک دسته از خانواده‌ی ترکیبات آلی فلزی میبا شند که شامل یک بنیان آلی چسبیده به یک عنصر فلزی یا شبهفلزی میباشند. تترا اتیل اورتو سیلیکات (TEOS) که دارای نماد شیمیایی 4)5H2Si(OC می‌باشد از جمله الکوکسیدهایی است که به عنوان پیشماده در سنتز سیلیکا آئروژل به کار می‌رود. در این پژوهش از TEOS به عنوان پیشماده سیلیکا ژل با جرم مولی g/mol 33/208 استفاده شد. متداول‌ترین آئروژل‌ها با بسپارش سل-ژل سیلیکا الکوکسید سنتز شدند [66]. نیترات آهن(ΙΙΙ) 9 آبه و نیترات کبالت(ΙΙ) 6 آبه به ترتیب با جرم مولی‌های g/mol 404 و g/mol 04/291 برای تهیه نانوذرات فریت کبالت به کار رفت. متانول و آب دیونیزه به عنوان حلال نیاز بود.
4-2 روش تجربی و جزئیاتدر ابتدا برای سه درصد وزنی مورد نظر میزان گرم و لیتر مورد نیاز هر ماده محاسبه شد که در جدول 1 نشان داده شدهاست. در همهی درصد وزنی‌ها نسبت نیترات آهن(ΙΙΙ) 9 آبه به نیترات کبالت(ΙΙ) 6 آبه 2 به 1 باقی ماند.
جدول 4-1 میزان گرم و لیتر مواد مورد نیاز.
10% 15% 20% lit 0/20 lit 9/18 lit 8/17 TEOS
gr 4/2 gr 0/4 gr 8/4 نیترات آهن(ΙΙΙ) 9 آبه
gr 87/0 gr 4/1 gr 7/1 نیترات کبالت(ΙΙ) 6 آبه
پس از آن برای تهیه نانوذرات فریت کبالت ابتدا نیترات آهن(ΙΙΙ) 9 آبه در مقدار لازم آب دیونیزه روی همزن مغناطیسی بهخوبی حل شد و به طور همزمان نیترات کبالت(ΙΙ) 6 آبه در متانول حل گردید. پس از آنکه هرکدام از نیترات‌ها به مدت 30 دقیقه هم خوردند، محلول اول به محلول دوم اضافه شد و ترکیب حاصل 30 دقیقه دیگر روی همزن مغناطیسی باقی ماند. بعد TEOS به آرامی به آن اضافه شد.

شکل 4-1 فازهای مجزا نمونه روی همزن.

Payan name 2013

با توجه به آنکه تشخیص کنتورهای خراب توسط خود شرکت گاز با استفاده از دادههای موجود مقدور نمیباشد، این شرکت برای تعویض و شناسایی کنتورهای خراب میبایست مأمورینی داشته باشد که در محل حضور داشته و بصورت فیزیکی اقدام به تست کنتور نماید تا اگر احتمالا خراب بود اقدامات لازم را انجام دهند که با توجه به وجود تعداد زیاد مشترکین این عمل یک فرایند زمان بر، پرهزینه و سخت خواهد بود. نوع تحقیق حاضر براساس هدف طراحی و کاربردی می باشد. هدف از طراحی، طراحی یک روش ترکیبی از شبکه عصبی و درخت تصمیم برای کاوش دادههای شرکت شرکت ملی گاز در راستای کاهش هزینه پروژهی تعویض کنتورهای خراب میباشد که شرکت مذکور هر 7 سال یکبار باید اقدام به انجام آن در حوزه مربوطه مینماید. پروژه حاضر سعی دارد تا با طراحی روش ترکیبی از شبکه عصبی و درخت تصمیم فرآیند دادهکاوی را جهت تحلیل دادههای حوزه کرمانشاه استفاده کرده و کنتورهایی با احتمال بالای خرابی را شناسایی و به شرکت نام برده ارائه دهد تا در حد توان جهت کمینه کردن هزینه تشخیص و تعویض کنتورها کمک نماید.
1-2 اهمیت و ضرورت تحقیقامروزه علم داده کاوی در هر جایی که داده وجود داشته باشد کاربرد پیدا کرده است و روش ترکیب روشهای مختلف آن برای حصول نتیجه بهتر را میتوان کاری جدید دانست. همانطور که در بیان مسأله نیز شرح داده شد، شرکت ملی گاز قادر به تشخیص کنتورهای خراب از پایگاه داده بدون حضور در محل و همچنین کشف الگوهای مرتبط با مسأله که در پایگاه داده شرکت موجود است، نمیباشد. از این رو این پروژ با استفاده از علم داده کاوی و با ترکیب الگوریتمهای موجود، سعی در حل مسأله تشخیص میکند.
داده کاوی به عنوان یک ابزار مهم برای کسب دانش از پایگاه داده های حجیم میباشد]5[ و با توجه به حجیم بودن پایگاه داده شرکت ملی گاز میتوان فهمید که کار تجزیه و تحلیل پایگاه داده بدون استفاده از علم داده کاوی و بصورت دستی امری محال میباشد. به این ترتیب با توجه به موارد مطرح شده در بیان مسأله میتوان به اهمیت موضوع کاملا پی برد.
1-3 جنبه نوآوری تحقیقداده کاوی به تازگی وارد صنعت ملی گاز شده[9]، با توجه به این مسأله و همچنین تحقیقات و بررسیهای انجام شده در ادارات گاز استان کرمانشاه و ارومیه انجام این پروژه در این ادارات بی سابقه بوده است. امروزه روشها و الگوریتمهای داده کاوی در زمینههای مختلف وارد میشوند و روش ترکیبی جدیدی که در این پروژه طراحی و تست و ارزیابی میشود میتواند راهنمایی برای کارهای مشابه باشد.

1-4 اهداف تحقیقاز نتایج و کارهای انجام شده در آن بطور خلاصه و نکتهای میتوان به موارد زیر اشاره کرد:
ارائه یک روش ترکیبی و یک مدل قابل قبول از درخت تصمیم و شبکه عصبی برای حل مشکل تشخیص کنتور خراب
تحلیل دادههای شرکت ملی گاز برای کاهش هزینه تشخیص و تعویض کنتور خراب
مقایسه الگوریتمهای مختلف موجود در روشهای درخت تصمیم
1-5 سوالات پروژهمهم‌ترین سؤالات این تحقیق در پنج مورد زیر خلاصه می‌شود.
برای تحلیل دادههای شرکت گاز کدام ترکیب از الگوریتمهای گفته شده مناسبتر است؟
معیارهای مناسب جهت تشخیص کنتور خراب چیست؟
کدام ساختار برای شبکه عصبی پیشنهادی مناسبتر است؟
مدل حاصله چگونه آموزش داده میشود؟
آیا میتوان احتمال خرابی یک کنتور را با مدل تصمیم گیری ارائه شده با دقت قابل قبول تشخیص داد؟
1-6 فرضیه‌هادر این پروژه موارد زیر به عنوان فرضیه جهت حل مسأله و پاسخ به سوالات پروژه در نظر گرفته شده است:
الگوریتم ترکیبی از درخت تصمبم و شبکه عصبی راهکار مناسبی برای حل مسأله است.
معیارها و فاکتورهای ارزیابی خرابی کنتور در جریان اجرای الگوریتم از پایگاه دادهها قابل دسترسی و محاسبه است.
تعداد ورودیها بستگی به تعداد متغیرها داشته و نتیجهی حاصله شامل کنتورهای خراب میباشد. پس ساختار مورد استفاده شامل چندین ورودی و یک خروجی میباشد.
اگر بنا بر دسته بندی کنتورهای خراب در چندین دسته مانند کنتورهای خراب، کنتورهایی با احتمال بالای خرابی، کنتورهایی با احتمال پایین خرابی و... شبکه دارای چندین خروجی خواهد شد.
با استفاده از دادههایی که از شناسایی یکسری محدود دادههای کنتورهای سالم و همچنین یکسری محدود دادههای کنتورهای خراب، شبکه آموزش داده میشود.
اختلافات بوجود آمده بین دادههای یک مشترک در طول زمان و استمرار آن را میتوان دلیل بر خرابی کنتور دانست.
1-7 راهکار ارائه شدهبا توجه به حساسیت این شرکت بر روی دادهها قبلا مجوز دسترسی به فیلدهای مربوطه گرفته شده است و منبع دادهها پایگاه داده شرکت ملی گاز کرمانشاه است. الگوریتمهای داده کاوی را از یک دید کلی بر اساس نوع میتوان به 2 گروه تقسیم کرد که عبارتند از دسته بندی و خوشه بندی. دسته بندی شامل بررسی ویژگیهای یک شی جدید و تخصیص آن به یکی ازمجموعههای از قبل تعریف شده میباشد ولی خوشه بندی به عمل تقسیم ناهمگن به تعدادی از زیر مجموعهها یا خوشههای همگن گفته میشود]3[. با توجه به تعاریف، نوع استفاده شده در این پروژه دسته بندی میباشد. با توجه به گسسته بودن اطلاعات روشی مشتمل بر شبکه عصبی و درخت تصمیم برای حل مساله مطرح شده طراحی میشود. با استفاده از پرسشنامه جهت دستیابی به تجارب مسئولین مرتبط با هدف پروژه، معیارهایی برای تعریف کنتور سالم و کنتور خراب از دیدگاه شرکت مشخص خواهد شد. نتیجه این پرسشنامه که ویژگیهای کنتور خراب را از دید مسئولین مشخص خواهد کرد که در تشخیص معیارهای ارزیابی کمک خواهد نمود. با توجه به معیارهای بدست آمده و ترکیب آنها با معیارهای مهندسی شده درمورد ساختار شبکه عصبی تصمیم گرفته خواهد شد و همچنین معیارهای مقایسه در درخت تصمیم مورد نظر بدست میآید. دادههای ارزیابی شده به عنوان مجموعه اعتبارسنجی انتخاب میشود که جدای از دادههای آموزش شبکه میباشد. بعد از آموزش شبکه عصبی و درخت تصمیم نسبت به ارزیابی و اعتبار سنجی آنها با مناسبترین الگوریتم از بین الگوریتمهای نام برده شده در شرح مسأله اقدام خواهد شد. بعد از اتمام طراحی و اعتبار سنجی روش حاصل توسط ابزارهای داده کاوی تست و اجرا میشوند و در صورت بروز مشکل یا احتمال خطا با توجه به تکرارپذیر بودن داده کاوی مراحل گفته شده دوباره تا حصول بهترین نتیجه تکرار خواهند شد. بعد از اتمام کلی و نهایی شدن طراحی، روش حاصله توسط ابزارهای داده کاوی تست و اجرا گشته و در نهایت نتایج جهت کمینه کردن هزینهی پروژهی مذکور در شرکت ملی گاز کرمانشاه به آن شرکت ارائه خواهد گردید.
روند داده کاوی نیز طبق متودلوژی CRISP-DM ]6[ پیش خواهد رفت که در شکل 1 میتوان آن را مشاهده نمود.

شکل 1- مدل فرآیند CRISP-DM برای کاربردهای داده کاوی]6[با توجه به اینکه داده کاوی یک فرآیند تکرارشونده است این مراحل تا حصول یک نتیجه قابل قبول تکرار خواهند شد.
تکنیکهای داده کاوی را میتوان به منظور ساخت سه نوع مدل، برای سه نوع فعالیت بکار برد که عبارتند از نمایه سازی توصیفی، نمایه سازی هدایت شده و پیش بینی]3[ که پروژه حاضر از نوع نمایه سازی هدایت شده میباشد.
با توجه به استفاده از درخت تصمیم و شبکه عصبی در این پروژه مراحل انجام طراحی برای هر قسمت جداگانه در ادامه توضیح داده خواهد شد.
الگوریتمهای درخت تصمیم در دسته بندی دادههای جدید بهترین عملکرد را ندارد. میتوان اینگونه گفت که درخت، الگوهای کلی را در گرههای بزرگ و الگوهای خاص را در گرههای کوچکتر مییابد. به عبارتی، درخت بر مجموعه آموزشی محاط شده که نتیجه آن یک درخت بیثبات و ناتوان در پیش بینیهای مناسب میباشد. علاج کار، حذف تقسیمات ناپایدار از طریق ادغام برگهای کوچکتر توسط فرآیندی است که هرس کردن نام دارد]10[. برای هرس کردن یکی از الگوریتمهای موجود مانند هرس کارت ]11[، هرس C5 ]11[، هرس ثبات محور ]10[ استفاده خواهد شد.
برای اندازه گیری خلوص ارزیابی تقسیمات در متغیرهای تابع هدف درخت تصمیم با توجه به دستهای یا عددی بودن آن از روشهای رایج مانند جینی ( پراکندگی جمعیت)]12[، آنتروپی (بهره اطلاعاتی)]13[، نسبت بهره اطلاعاتی که بیشترین کارایی را دارد استفاده شده است]10[.
برای طراحی شبکه عصبی در راستای اهداف پروژه مراحل زیر دنبال خواهد شد]10[:
تشخیص مشخصههای ورودی و خروجی
تبدیل ورودیها و خروجیها به نحوی که در یک بازه کوچک قرار گیرند.
ایجاد شبکه با یک ساختار مناسب
آموزش دادن شبکه به کمک مجموعه دادههای آموزشی
استفاده از مجموعه اعتبار سنجی، جهت انتخاب مجموعه اوزانی که خطا را به حداقل میرساند
ارزیابی شبکه با استفاده از مجموعه آزمون به منظور بررسی کیفیت عملکرد آن
به کار گرفتن مدل ساخته شده توسط شبکه جهت پیش بینی نتایج متناظر با ورودیهای نامعلوم
بعد از طراحی شبکه عصبی توسط مراحل گفته شده میتوان به سوالات زیر پاسخ داد:
تابع فعال سازی چیست؟
ساختار شبکه چگونه است؟
شبکه چگونه آموزش داده میشود؟
ساختار شبک دارای حداقل دو لایه پنهان است. بر روی یالهای شبکه اوزانی با استفاده از روش پس انتشار خطا برای تنظیم و تشخیص ورودیها در نظر گرفتیم. در نهایت بعد از طراحی، مدل را ساخته و در نرم افزار Rapid Miner 5 تست و اجرا کردیم و اشکالات را یافته و با تکرار مراحل طراحی آنها را رفع کردیم تا در نهایت مدل طراحی شده بتواند به مسأله مطرح شده پاسخ قابل قبولی را ارائه دهد.
1-8 ساختار پایان‌نامهدر ادامهی متن پایان نامه، ساختار کلی فصول مختلف به صورت زیر خواهند بود:
فصل دوم: این فصل مروری بر ادبیات و پیشینه پروژه میباشد که در آن به معرفی اولیه الگوریتمها و روشهای اجرا شده در پروژه اشاره میکنیم.
فصل سوم: در این فصل فرآیند داده کاوی انجام شده و روشها تست و ارزیابی میشوند و در نهایت روش ترکیبی از بهترین نتایج بدست آمده را تشکیل داده و معرفی میکنیم.
فصل چهارم: این فصل به نتیجه نهایی پروژه و معرفی راهکارهای آینده اشاره میکند.
فصل دوم
مروری بر ادبیات و پیشینه تحقیق

2-1 داده کاوی چیست؟بنا بر اعلام دانشگاه MIT دانش نوین داده کاوی یکی از ده دانش در حال توسعه‌ای است که دهه آینده را با انقلاب تکنولوژیکی مواجه می‌سازد. این تکنولوژی امروزه دارای کاربرد بسیار وسیعی در حوزه‌های مختلف است، به گونه‌ای که امروزه حد و مرزی برای کاربرد این دانش در نظر نگرفته‌اند [14].
داده کاوی، تحلیل داده و کشف الگوهای پنهان با استفاده از ابزارهای خودکار و یا نیمه خودکار است و هم چنین فرآیندی پیچیده جهت شناسایی الگوها و مدل های صحیح، جدید و به صورت بالقوه مفید در حجم وسیعی از داده می‌باشد، به طریقی که این الگوها و مدلها برای انسان‌ها قابل‌درک باشند. جمع‌آوری داده‌ها سبب شده سازمان‌ها منابع داده غنی و دانش ناچیزی داشته باشند. حجم این مجموعه داده‌ها به سرعت افزایش می‌یابد و باعث محدود شدن استفاده کاربردی از داده‌های ذخیره‌شده می‌شود. هدف اصلی داده کاوی استخراج الگوها از داده‌های موجود، افزایش ارزش ذاتی‌شان و تبدیل داده به دانش است [14].
با گسترش سیستمهای پایگاهی و حجم بالای داده‌های ذخیره‌شده در این سیستمها، به ابزاری نیاز است تا بتوان این داده‌ها را پردازش کرد و اطلاعات حاصل از آن را در اختیار کاربران قرارداد. معمولاً کاربران پس از طرح فرضیه‌ای بر اساس گزارشات مشاهده‌شده به اثبات یا رد آن می‌پردازند درحالی‌که امروزه به روش‌هایی نیاز داریم که به کشف دانش می‌پردازند، یعنی روش‌هایی که با کمترین دخالت کاربر و به صورت خودکار الگوها و رابطه‌های منطقی را پیدا کرده و بیان نماید.
امروزه، بیش‌ترین کاربرد داده کاوی در بانک‌ها، مراکز صنعتی و کارخانجات بزرگ، مراکز درمانی و بیمارستان‌ها، مراکز تحقیقاتی، بازاریابی هوشمند می‌باشد. داده کاوی فرآیند اکتشاف اطلاعات و روندهای نهفته از درون حجم بسیار زیاد داده‌هایی است که در قالب پایگاه‌های داده‌ای، انباره های داده‌ای و یا هر نوع انباره اطلاعاتی ذخیره می‌شود. داده کاوی اطلاعات موجود در انبار داده‌ها را استخراج و داده‌ها را به دانشی حیاتی و مهم در ارتباط با کسب و کار تبدیل می‌نماید [15]. از طریق داده کاوی و دانش جدیدی که در اختیار قرار می‌دهد، افراد می‌توانند از داده‌ها به عنوان اهرمی جهت خلق فرصت‌ها یا ارزش‌های جدید در سازمان خود استفاده کنند و همچنین برای مسائل طبقه‌بندی و رگرسیون بکار گرفته شود. در مسائل طبقه‌بندی، دسته‌ای از اشیاء که در داخل یک طبقه‌ای قرار دارند پیش‌بینی می‌شوند و در مسائل رگرسیون، یکسری از اعداد، پیش‌بینی می‌گردند.
در حال حاضر، داده کاوی مهم‌ترین فناوری جهت بهره‌برداری موثر از داده‌های حجیم است و اهمیت آن رو به فزونی است [16]. به طوری که تخمین زده شده است که مقدار داده‌ها در جهان هر 20 ماه به حدود دو برابر برسد. در یک تحقیق که بر روی گروه‌های تجاری بسیار بزرگ در جمع‌آوری داده‌ها صورت گرفت مشخص گردید که 19 درصد از این گروه‌ها دارای پایگاه داده‌هایی با سطح بیشتر از 50 گیگابایت می‌باشند و 59 درصد از آن‌ها انتظار دارند که در آینده‌ای نزدیک در چنین سطحی قرار گیرند [16].
2-2 تعاریف متنوعی از داده کاوی
در زیر به تعاریف داده کاوی از دیدگاههای مختلف میپردازیم:
داده کاوی کشف دانش از پایگاه داده‌ها نامیده می‌شود) نشانگر فرآیند جالب استخراج دانش از قبل ناشناخته (الگو از داده است [17].
فرآیند کشف الگوهای مفید از داده‌ها را داده کاوی می‌گویند [16].
فرآیند انتخاب، کاوش و مدل کردن داده‌های حجیم، جهت کشف روابط نهفته باهدف به دست آوردن نتایج واضح و مفید، برای مالک پایگاه داده‌ها را، داده کاوی گویند [17].
"فاید"، داده کاوی را این‌گونه تعریف کرد، یک فرایند استخراج از اطلاعات ضمنی ناشناخته و مفید از داده‌های ذخیره‌شده در پایگاه داده‌هاست [18].
"گودیچی"، نیز داده کاوی را فرایند انتخاب، اکتشاف ومدل سازی مقادیر زیادی از داده‌ها برای به دست آوردن نتایج روشن و مفید برای پایگاه داده‌ها تعریف می‌کند [18].
اما تعریفی که در اکثر مراجع به اشتراک ذکرشده عبارت است از: "استخراج اطلاعات و دانش و کشف الگوهای پنهان از یک پایگاه داده‌های بسیار بزرگ و پیچیده"[17].
داده کاوی یک متدلوژی بسیار قوی و با پتانسیل بالا می‌باشد که به سازمان‌ها کمک می‌کند که بر روی مهم‌ترین اطلاعات از مخزن داده‌های خود تمرکز نمایند [19].
ابزارهای داده کاوی الگوهای پنهانی را کشف و پیش‌بینی می‌کنند که متخصصان ممکن است به دلیل اینکه این اطلاعات و الگوها خارج از انتظار آن‌ها باشد، آن‌ها را مدنظر قرار ندهند و به آن‌ها دست نیابند [19].
2-3 آیا داده کاوی سودمند است؟داده کاوی به دو دلیل سودآور است:
داده کاوی منجر به تصمیمات واقع‌بینانه می‌شود.
داده کاوی منجر به تکرار تصمیمات سودآور اتفاق افتاده در گذشته می‌شود.
با استفاده از داده کاوی تصمیمات احساسی کنار گذاشته میشوند و بر اساس واقعیت‌ها تصمیمات گرفته میشوند. بنابراین ضررهای ناشی از ناآگاهی مدیران حذف می‌شود. داده کاوی همچنین فضای سال‌های گذشته‌ی شرکت شما را بازبینی می‌کند و در نهایت نشان می‌دهد کدام تصمیمات منجر به سود شده است درحالی‌که شما از آن تصمیمات اطلاعی ندارید. شرکت‌ها و سازمان‌ها هر لحظه در حال اتخاذ تصمیمات جدیدی هستند که منجر به سود یا زیان آن مجموعه می‌شود. بسیاری از تصمیمات بر اساس واقعیات موجود گرفته نمی‌شود و عواملی چون «فراموشی»، «تخلفات و تقلبات»، «اشکالات خط تولید»، «منافع شخصی» و «سیاست‌های اعمال نفوذ شده از جاهای دیگر» منجر به اتخاذ تصمیمات غیر شفاف و در نتیجه زیانبار می‌شود[20].
اما داده کاوی فضای حاکم بر کسب‌ وکار شما را شفاف می‌کند و شما را ملزم می‌کند واقع‌بینانه تصمیم بگیرید. تصمیم‌گیری واقع‌بینانه کلید از بین بردن تصمیمات احساسی و در نتیجه از بین بردن بهره‌وری پایین و ضررهای ناشی از ناآگاهی است. به طور کلی فضای تصمیم‌گیری در یک کسب‌ و کار شباهت بسیار زیادی به فضاهای تصمیم‌گیری اتفاق افتاده در 10 سال گذشته‌ی آن مجموعه دارد. این شباهت در یاد تصمیم‌گیرندگان آن کسب‌ و کار باقی نمی‌ماند و اغلب آشکار نیز نمی‌شود. داده کاوی فضای سال‌های گذشته‌ی کسب‌ و کار شما را بازخوانی می‌کند و به شما می‌گوید کدام تصمیمات منجر به سود شده است و کدام تصمیمات منجر به زیان کسب‌ و کار شده است. بنابراین داده کاوی باعث می‌شود تصمیمات زیان ده کسب و کارتان در گذشته را تکرار نکنید ولی تصمیمات سودآور اتفاق افتاده در گذشته را دوباره تکرار کنید. به لحاظ فنی، داده کاوی عبارت از فرآیندی است که در میان حوزه‌های گوناگون بانک‌های اطلاعاتی ارتباطی بزرگ، همبستگی‌ها یا الگوهایی را پیدا می‌کند [21].
2-4 آمار و داده کاویتلاش برای الگوهای موجود در دادهها مدت زمان طولانی در بسیاری از زمینه ها، از جمله آمار، الگوشناسی ، و تجزیه و تحلیل دادههای اکتشافی مورد مطالعه قرار گرفته شده است]4[. داده کاوی اساساً یک رشته کاربردی است و یک داده کاوی باید از روش‌های آماری درک خوبی داشته باشد. در داده کاوی تلاش می‌شود بین آمار و علوم رایانه‌ای رابطه‌ای برقرار گردد. برقراری این ارتباط به دلیل وجود یک سلسله از فرضیات ضمنی و غیر واضح و دشوار بودن تبدیل مفاهیم نظری به الگوریتم‌های رایانه‌ای در ادبیات آماری و به دلیل وجود الگوریتم‌های فراوان در ادبیات رایانه‌ای دشوار است. لذا داشتن درکی درست از مدل‌سازی و الگوریتم‌های محاسباتی برای کارهای داده کاوی ضروری است.
روابط در داده کاوی غالباً به صورت الگوها و مدلهایی از قبیل معادلات رگرسیونی، سری‌های زمانی، خوشه‌ها، رده‌بندی‌ها، گراف‌ها و غیره ارائه می‌شوند. در داده کاوی نیز همانند آمار غالباً داده‌هایی که تحلیل می‌شوند، نمونه‌ای از جامعه هستند که به تبع بزرگ بودن جامعه با نمونه‌ای حجیم مواجه هستیم. در هنگام کار با مجموعه داده‌های حجیم مشکلات تازه‌ای بروز می‌کند. برخی از این مشکلات به نحوه ذخیره‌سازی یا فراخوانی داده‌ها مربوط می‌شود و برخی دیگر مربوط به مسائلی مانند نحوه تحلیل داده‌ها در زمانی مناسب و استخراج الگوها و مدلهای حاکم بر داده‌ها است [22]. به طور کلی فرآیند کاوش الگوها، مدل ها و روابط مطلوب در یک مجموعه داده شامل مراحل زیر است:
معین ساختن طبیعت و ساختار مورد نظر
تصمیم‌گیری در مورد میزان برازش نمایش‌های متفاوت به داده‌ها، یعنی انتخاب یک تابع امتیاز
اتخاذ یک فرآیند الگوریتمی برای بهینه‌سازی تابع امتیاز
تصمیم‌گیری در مورد اصول مدیریت داده‌ها برای اجرای موثر الگوریتم
با توجه به اینکه مدلها و الگوها، توابع امتیاز، روش‌های بهینه‌سازی و راهکارهای مدیریت داده‌ها چهار مؤلفه اصلی الگوریتم‌های داده کاوی را تشکیل می‌دهند، با توجه به اینکه ماهیت داده‌ها در آمار با داده کاوی متفاوت است، داده کاوی به برخی از روش‌های آماری که دارای ویژگی‌های خاصی می‌باشند توجه بیشتری نشان می‌دهد.
یکی از ویژگی‌های مورد توجه روش‌های آماری در داده کاوی، سادگی تعبیر آن‌ها است. از این رو به استفاده از مدلهای نسبتاً ساده و قابل تعبیر مانند گراف‌ها گرایش زیادی وجود دارد. در داده کاوی مواردی که در آن‌ها با تعداد بسیار زیادی متغیر، مدل و یا فرضیه مواجه هستیم، فراوان است. از طرفی داده کاوی یک فرآیند اکتشافی و تکراری است به این معنی که در خلال تحلیل داده‌ها اطلاعات جدید کشف می‌شوند و فرضیه‌های قبلی اصلاح و فرضیه‌های جدید ارائه می‌شوند و این کار ممکن است با داده‌های زیاد، بارها تکرار شود. لذا از دیدگاه آمار روش‌هایی با کارایی محاسباتی بالا، تحلیل‌های محاسباتی و تحلیل‌های تقریبی، مورد توجه خاص داده کاوی هستند. تاکید بیشتر داده کاوی بر بعضی روش‌های آماری، به معنی عدم استفاده از سایر روش‌های آماری نیست و در عمل از طیف گسترده‌ای از روش‌های آماری برای تحلیل داده‌ها استفاده می‌شود.
آمار و داده کاوی هر دو با روش‌های تحلیل و مدل بندی داده‌ها مرتبط می‌باشند. بنابراین اشتراک زیادی بین این دو رشته وجود دارد. به عنوان یک شوخی، یکی از نویسندگان در پاسخ سؤال اینکه "داده کاوی چیست؟ بیان می‌کند که "همان آمار است، اما با یک نام خیلی بهتر" البته این ویژگی به معنای یکسان دانستن داده کاوی وآنالیزآماری نیست، در جدول زیر این تفاوت‌ها آورده شده است [23،21].
جدول (2-1): مقایسه آنالیز آماری و داده کاوی [22]آنالیز آماری داده کاوی
آمار شناسان همیشه با یک فرضیه شروع به کار می‌کنند. به فرضیه احتیاجی ندارد.
آمار شناسان باید رابطه‌هایی را ایجاد کنند که به فرضیه آن‌ها مربوط شود الگوریتم‌های داده کاوی در ابزارها به طور اتوماتیک روابط را ایجاد می‌کنند
آن‌ها از داده‌های عددی استفاده می‌کنند. ابزارهای داده کاوی از انواع مختلف داده و نه فقط عددی می‌توانند استفاده کنند.
آن‌ها می‌توانند داده‌های نابجا و نادرست را در طول آنالیز تشخیص دهند داده کاوی به داده‌های صحیح و درست طبقه‌بندی شده بستگی دارد.
آن‌ها می‌توانند نتایج کار خود را تفسیر کنند و برای مدیران بیان کنند. نتایج داده کاوی آسان نیست و همچنان به متخصصان آمار برای تحلیل آن‌ها و بیان آن‌ها به مدیران نیاز است.
2-5 پیچیدگی و هزینه زمانیتحلیلگران دریافتهاند که پیچیدگی و زمانبر بودن دسترسی به حجم زیاد دادههای مورد نیاز و پردازش آن‌ها توسط بعضی ابزارهای داده کاوی، استفاده از این ابزارها را در هر نقطه از زمان و مکان غیرممکن ساخته است.
وزارت امنیت داخلی ایالات‌متحده آمریکا در آگوست 2006، به 12 تلاش داده کاوی دست زد که یکی از آن‌ها سیستم TVIS بود. این سیستم به منظور ایجاد و بهبود اشتراک دانش از خطرات تروریستی بالقوه، به روشی واحد دادههای زنده تولیدشده به وسیله خلبانان را ترکیب میکرد. نتایج تحلیلها نشانداد که اگرچه این سیستم در یک دوره تناوب دو ساعته کار می‌کند، کاربران قادر به استفاده روزانه از آن نبوده و فقط دو تحلیلگر امکان استفاده همزمان از آن را دارند. این منجر به اتلاف وقت تحلیلگران در زمان جستجو در پایگاه دادههای مضاعف شد. مشکل پیچیدگی و هزینه زمانی بعضی تکنیکهای داده کاوی، موجب کاهش پذیرش استفاده زمان واقعی از این سیستمها توسط افراد و روی آوردن به سیستمهایی با عملکرد ضعیفتر میشود [24].
2-6 محرمانگی دادههابا وجود تکنیکهای داده کاوی و اشتراک اطلاعات، توجه بسیاری از تحلیلگران به پیادهسازی محرمانگی و امنیت دادهها معطوفشدهاست. بعضی کارشناسان پیشنهاد کرده‌اند که بعضی کاربردهای ضد تروریسمی داده کاوی میتواند برای یافتن الگوهای تبهکارانه و مقابله با انواع جرمها مفید باشد. تا کنون، با وجود دیدگاه‌های متضاد بحث شده، توافق کمی درباره اینکه داده کاوی به چه صورت باید اجرا شود وجود دارد. بعضی مخالف سبک سنگینی برای ایجاد محرمانگی و تأمین امنیت هستند. بعضی ناظران نیز پیشنهاد کرده‌اند که قوانین و مقررات مربوط به حمایت از محرمانگی کافی هستند و هیچ تهدیدی برای محرمانگی وجود ندارد. هنوز ناسازگاریهایی در باب این مسئله وجود دارد که باید برطرفشوند. به موازات پیشرفت‌های داده کاوی، سؤالات متنوعی افزایش مییابند شامل اینکه نهادهای شهری و دولتی تا چه اندازه می‌بایست دادههای تجاری را با دادههای دولتی استفاده و ترکیب کنند، آیا منابع داده به منظورهایی غیر از هدف اصلی طراحی میشوند و کاربردهای ممکن از اعمال محرمانگی چیست؟ [25]
2-7 محدودیت‌های داده کاوی "گـرچه داده کاوی پیشرفت شگرفی در نوع ابزارهای تحلیلی موجود به وجود آورده است، لکن محدودیت‌هایی نیز درباره کاربردپذیری آن وجود دارد. یکی از محدودیت‌ها این است که ابزارهای داده کاوی هنوز استانداردسازی نشده‌اند و از نظـر تأثیرگذاری اختـلاف فـاحشـی با یکـدیگـر دارنـد. محدودیت دیگر آن است که گــرچــه داده کـاوی می‌تواند بـه آشکـارسـازی انگاره‌ها و رابطه‌ها کمک کند اما نمی‌تواند ارزش یا اهمیت این انگاره‌ها را به کاربر بگوید. بـنــابــرایــن، خــود کــاربـر بـایـد ایـن اطـلاعـات را مشخـص کنـد. محـدودیـت دیگـر این است که گرچه داده کاوی می‌تواند روابط بین رفتارها یا متغیرها را شناسایی کند، اما لزوما نمی‌تواند یک رابطه تصادفی را شناسایی کند"[26].
2-8 مراحل داده کاویچرخهی داده کاوی شامل روشها و مراحل مختلفی میباشد که ما در این پروژه از متدولوژی CRIDP-DM استفاده میکنیم. مراحل متدولوژی نام برده به ترتیب زیر است:
درک کسب و کار: در اولین قدم بایستی یک تعریف مناسب از مسأله و فضایی که قرار است پروژه در آن اجرا شود، داشت.
درک دادهها: در دومین قدم بایستی تمامی دادهها جمع آوری شود و مورد بررسی قرار گیرند. در این مرحله دادهها تعریف و یک دید از هرکدام از دادهها ارائه میشود.
آماده سازی دادهها: در این بخش دادههای مورد نیاز تشخیص داده شده و یا دادههای جدید از ترکیب دادههای قبلی تولید میشوند.
ساخت مدل: در این مرحله بایستی با استفاده از دادههای موجود مدلی برای حل مسأله ساخته شود. این مدل میتواند با هر یک از روشهای داده کاوی در راستای هدف تعریف شده ساخته شود.
تست و ارزیابی: در این مرحله مدل ساخته شده با دادههای مشخص بایستی مورد تست و ارزیابی قرار بگیرند. در این ارزیابی بنا به تعریف مسأله میتوان معیارهایی مانند دقت و یا سرعت مدل را مورد بررسی قرار داد.
ارائه مناسب از مدل و نتایج: در آخرین مرحله از این فرآیند بایستی روشی مناسب برای ارائه مدل و نتایج حاصل از اجرا و تست و ارزیابی پروژه انتخاب نمود.
باید توجه داشت که جمع‌آوری و محافظت از داده‌ها نکته بسیار مهمی می‌باشد. اصولاً چون قالب و نوع داده‌ها در طول زمان تغییر می‌کند ممکن است بسیاری از داده‌های موجود در قالب‌های متفاوت باشند و همچنین بسیاری از داده‌های قدیمی از بین رفته و دور ریخته شوند. درحالی‌که ممکن است اهمیت این داده‌ها از داده‌های جدید به هیچ‌وجه کمتر نباشد. همچنین به علت اینکه داده‌ها از منابع مختلف داخلی و خارجی مانند کارکنان شرکت، مدیران، مشتریان، کارفرمایان، پیمانکاران باشند باز هم ممکن است قالب داده‌ها باهم یکسان نباشد. به همین دلیل انتخاب داده‌های درست و یکپارچه‌سازی قالب آن‌ها به منظور استفاده در داده کاوی از اهمیت بسیار بالایی برخوردار می‌باشد[27].
2-9 وظایف و تکنیک های داده کاویکلاس‌بندی
تخمین
پیش‌بینی
گروه‌بندی وابستگی‌ها
خوشه‌بندی
نمایه‌سازی توصیفی
2-9-1 کلاس‌بندیکلاس‌بندی به معنای یادگیری تابع نگاشت ترکیب مقادیر خصایص به دسته‌های مختلف و تعیین کلاس از یک شی پایه بر اساس ویژگی‌هایش می‌باشد. هر شی‌ای که کلاس‌بندی می‌شود به صورت عمومی توسط رکوردهایی در جدول یک پایگاه داده یا در یک فایل بیان می‌گردد و عمل کلاس‌بندی با اضافه نمودن یک ستون جدید به همراه کد کلاس انجام می‌شود. وظیفه کلاس‌بندی به خوبی توسط تعریف کلاس‌ها و یک مجموعه آموزشی شامل نمونه‌های کلاسه‌ای از پیش تعریف‌شده مشخص می‌گردد .و در نهایت مدلی ساخته می‌شود که می‌توان داده‌های غیر کلاس‌بندی به این کلاس‌ها تخصیص داد [28].
2-9-2 تخمین
برآورد کردن با مقادیر خروجی پیوسته سروکار دارد .به صورت تجربی برآورد کردن اغلب قبل از کلاس‌بندی استفاده می‌شود. از مزایای رویکرد برآورد این است که رکودهای منحصربه‌فرد می‌توانند مطابق با برآورد رتبه ترتیبی اتخاذ نمایند [28].
2-9-3 پیش‌بینیپیش‌بینی همانند کلاس‌بندی است و انتظار می‌رود رکودهایی که کلاس‌بندی شده‌اند بر طبق بعضی از ویژگی‌های کلاس‌ها بتوانند پیش‌بینی‌های رفتارهای آینده به همراه تخمین ارزش‌های آینده باشند. در پیش‌بینی تنها راهی که مشخص می‌کند کلاس‌بندی ما صحیح بوده این است که منتظر بمانیم و ببینیم. داده‌های تاریخی برای ساخت مدلهای مفید هستند که رفتار مشاهدات جاری را توصیف نمایند و زمانی که مدل پیش‌بینی برای ورودی‌های جاری بکار برده می‌شود ،حاصلش این است که رفتارهای آینده را پیش‌بینی می‌نماید [28].
2-9-4 قواعد وابستگی یا گروه‌بندی پیوستگی‌هاقواعد انجمنی قابلیتی برای یافتن روابط ناشناخته موجود در اطلاعات است. این روابط مواردی از قبیل اینکه حضور مجموعه‌ای از مقولات اشاره به این دارند که مجموعه مقولات دیگری نیز احتمالاً وجود دارند را شامل می‌شود. این قواعد و وابستگی‌ها برای مشخص کردن چیزهایی است که باهم هستند .این وظیفه قلب تحلیل سبد بازار است و رویکردی ساده برای تولید قاعده دار داده می‌باشد[28].
2-9-5 خوشه‌بندیاین وظیفه برای بخش‌بندی جمعیت ناهمگن به زیرمجموعه‌های همگن یا همان خوشه‌ها می‌باشد. تفاوت عمده خوشه‌بندی با کلاس‌بندی در این است که بر اساس کلاس‌های از پیش تعریف‌شده عمل نمی‌نماید. در کلاس‌بندی هر رکورد به کلاس‌های از پیش تعریف‌شده‌ای که بر پایه توسعه مدل یادگیری می‌باشند، تخصیص داده می‌شود درحالی‌که در خوشه‌بندی کلاس‌های از پیش تعریف‌شده وجود ندارد و رکوردها بر پایه شباهت‌هایشان، گروه‌بندی می‌شوند [28].
2-9-6 نمایه‌سازی توصیفیبعضی اوقات هدف از داده کاوی ساده‌سازی توصیف و اینکه در پایگاه داده‌های پیچیده از چه طریقی می‌توان با شناخت افراد، میزان عرضه و تقاضای محصولات را افزایش داد. درخت تصمیم‌گیری ابزار قدرتمندی برای پروفایل نمودن مشتری می‌باشد [28].
2-10 معماری سیستم مبتنی بر داده کاویمعماری سیستم مبتنی بر داده کاوی از اجزای زیر تشکیل شده است :
پایگاه داده، انباره داده تحلیلی، سایر مخزن‌های اطلاعاتی که شامل یک یا مجموعه‌ای از پایگاه داده، انباره داده‌های تحلیلی، صفحات گسترده است و تکنیک های پالایش و تجمیع روی این داده‌ها انجام می‌گردد. سرویس‌دهنده پایگاه داده یا انبار داده تحلیلی که مسئول واکشی داده‌های مرتبط با درخواست‌های داده کاوی کاربران می‌باشد.
بانک دانش: دامنه دانشی است که به منظور راهنمای تحقیق و یا ارزیابی نتایج جالب‌توجه الگوها مورد استفاده قرار می‌گیرد.
موتور داده کاوی :از اجزای اصلی سیستم های داده کاوی است و مشتمل بر مجموعه‌ای از توابع برای وظایف داده کاوی می‌باشد .
الگوها: دانش به دست آمده در قالب الگوهایی ارائه و توسط توابعی صحت و دقت آن‌ها ارزیابی می‌شود .
واسط کاربر: به عنوان ارتباط‌دهنده‌ی میان کاربر و سیستم داده کاوی می‌باشد و ابزاری است برای بصری سازی الگوهای کاوشی در فرم های متفاوت [28].

شکل (2-1): معماری سیستم مبتنی بر داده کاوی [28].2-11 روش‌های داده کاوی
اهداف داده کاوی شامل پیش‌بینی و توصیف یا ترکیبی از آن‌هاست. هدف پیش‌بینی تمرکز بر روی دقت در توانایی پیش‌بینی بوده و توصیف بر درک فرآیند تولید داد ه ها تمرکز دارد. در پیش‌بینی تا زمانی که مدل قدرت پیش‌بینی دارد، کاربر توجهی به این ندارد که مدل انعکاس دهنده واقعیت است. به هر ترتیب، اهداف داده کاوی با استفاده از روش‌های داده کاوی، محقق می‌شوند. اصطلاح روش‌های داده کاوی در واقع بیانگر جمع کثیری از الگوریتم‌ها و فنون است که از علومی مانند آمار، یادگیری ماشین، پایگاه داده وتجسم سازی، استنتاج شده‌اند. روش‌های داده کاوی مشهوری که در این پژوهش معرفی خواهند شد شامل شبکه‌های عصبی، درختان تصمیم می‌باشد که در ادامه این روش ها را شرح می دهیم و همچنین دو روش ترکیبی جدید از روشهای گفته شده برای حل مسأله تشخیص کنتور خراب معرفی و بررسی خواهیم کرد.
2-12 درخت تصمیم‌گیریدرخت تصمیم‌گیری از نسل جدید تکنیک های داده کاوی بشمار می‌آید که در دو دهه اخیر توسعه زیادی یافته است. از این تکنیک هم می‌توان برای کشف و استخراج دانش از یک پایگاه داده و هم برای ایجاد مدل های پیش‌بینی استفاده نمود. درخت تصمیم‌گیری یکی از ابزارهای قوی و متداول برای دسته‌بندی و پیش‌بینی می‌باشد که قادر به تولید توصیفات قابل‌درک برای انسان، از روابط موجود در یک مجموعه داده‌ای است. ساختار تصمیم‌گیری می‌تواند به شکل تکنیک های ریاضی و محاسباتی که به توصیف، دسته‌بندی و عام سازی یک مجموعه از داده‌ها کمک می‌کنند نیز معرفی شوند.
درخت تصمیم، شیوه منحصر به فردی از ارائه یک سیستم است، که تصمیم‌گیری‌های آتی را تسهیل و سیستم را به نحو مناسبی تعریف می‌کند. با توجه به اینکه اکثر سیستم های مهندسی، اجرایی و محاسباتی را می‌توان در قالب یک سری داده (ویژگی یا ویژگی‌ها و خروجی منطبق با آن‌ها) تعریف کرد، می‌توان با استفاده از یک الگوریتم، (ایجاد درخت) ویژگی‌ها و خروجی‌ها را آنالیز کرد و سیستم را بر اساس این داده‌ها در قالب یک درخت تصمیم ارائه کرد [29]. درخت تصمیم‌گیری، ساختاری بازگشتی برای بیان یک فرآیند طبقه‌بندی متناوب می‌باشد که به وسیله مجموع‌های از صفات تشریح گردیده و یک وضعیت را به مجموع‌های گسسته از طبقات تخصیص می‌دهد [23].
هر برگ درخت تصمیم‌گیری، نماینده یک طبقه می‌باشد. درخت تصمیم روش کارآمد ویژه‌ای برای ایجاد دسته‌بندی کننده‌ها از داده‌ها است. مهم‌ترین خصوصیت درخت‌های تصمیم، قابلیت آن‌ها در شکستن فرآیند پیچیده تصمیم‌گیری به مجموع‌های از تصمیمات ساده‌تر است که به راحتی قابل تفسیر هستند [31،30].
نواحی تصمیم پیچیده سراسری (خصوصاً در فضاهایی با ابعاد زیاد) می‌توانند با اجتماع نواحی تصمیم محلی ساده‌تر در سطوح مختلف درخت تقریب زده شوند. برخلاف دسته‌بندی کننده‌های تک مرحله‌ای رایج که هر نمونه، روی تمام دسته‌ها امتحان می‌شود، در یک دسته‌بندی کننده درخت، یک نمونه روی زیرمجموعه‌های خاصی از دسته‌ها امتحان شده و محاسبات غیر لازم حذف می‌شوند. در دسته‌بندی کننده تک مرحله‌ای، فقط از زیر مجموعه‌های از صفات، برای روش بین دسته‌ها استفاده می‌شود که معمولاً با یک معیار بهینه سراسری انتخاب می‌شود. در دسته‌بندی کننده درخت، انعطاف‌پذیری انتخاب زیرمجموعه‌های مختلفی از صفات در گروه‌های داخلی مختلف درخت وجود دارد، به شکلی که زیرمجموعه انتخاب‌شده به شکل بهینه بین دسته‌های این گروه را تفکیک می‌کند. این انعطاف‌پذیری ممکن است بهبودی در کارایی را نسبت به دسته‌بندی کننده‌های تک مرحله‌ای ایجاد کند [31،23].
2-13 نقاط قوت درخت تصمیم‌گیریفهم مدل ایجادشده توسط درخت تصمیم‌گیری آسان می‌باشد. به عبارت دیگر با اینکه ممکن است الگوریتم‌هایی که درخت را ایجاد می‌کنند چندان ساده نباشد ولی فهم نتایج آن آسان می‌باشد ADDIN EN.CITE <EndNote><Cite><Author>Wasan</Author><Year>2006</Year><RecNum>12</RecNum><DisplayText>[14]</DisplayText><record><rec-number>12</rec-number><foreign-keys><key app="EN" db-id="xxseratwrwp5d2ep5s2vvealxsfed2vsetv5">12</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Harleen Kaur and Siri Krishan Wasan</author></authors></contributors><titles><title>Empirical Study on Applications of Data Mining Techniques in Healthcare</title><secondary-title>Journal of Computer Science 2 (2): 194-200</secondary-title></titles><periodical><full-title>Journal of Computer Science 2 (2): 194-200</full-title></periodical><pages>194-200</pages><section>194</section><dates><year>2006</year></dates><urls></urls></record></Cite></EndNote>[33].
درخت تصمیم‌گیری این توانایی را دارد که پیش‌بینی‌های خود را در قالب یک سری قوانین ارائه دهد.
نیاز به محاسبات خیلی پیچیده‌ای برای دسته‌بندی داده‌ها ندارد.
برای انواع مختلف داده‌ها قابل‌استفاده می‌باشد.
درخت تصمیم‌گیری نشان می‌دهد کدام فیلد یا متغیرها تأثیرات مهمی در پیش‌بینی و دسته‌بندی دارند.
سادگی در تحلیل و قابلیت تحلیل ساختار در مواقع پیچیدهتر و در حضور داده‌های ناقص نیز وجود دارد.
در صورت نیاز می‌توان به سادگی با نتایج روش‌های دیگر ترکیب‌شده و مدل را گسترش داد.
این ساختار قادر به کار کردن با مقادیر غیر عددی بوده و تعامل بهتری با اطلاعاتی با ماهیت غیر عددی دارد.
2-14 معایب درختان تصمیم در مقابل این مزیت‌ها میتوان به معایبی از جمله عدم تطابق با ویژگی‌های پیوسته در این درخت نیز اشاره نمود، این ساختار تنها قادر به کار کردن با ویژگی‌های است که مقادیر گسسته (با تعداد محدود) را در بر بگیرند. برای غلبه بر این مشکل، روشهای بسیاری پیشنهادشده تا مقادیر پیوسته به تعدادی خوشه‌های کوچک‌تر تقسیم شوند و به جای استفاده از مقادیر پیوسته هر ویژگی، مشخصه خوشه‌ای که این مقدار را در بر می‌گیرد در تصمیم‌گیری ساختار درخت تصمیم مورد استفاده قرار گیرد. برای این کار میتوان از روشهای خوشه‌بندی و یادگیری بدون ناظر استفاده نمود. همان طور که در بخشهای بعدی توضیح داده خواهد شد، در این پژوهش برای حل چنین مشکل‌هایی از الگوریتم خوشه‌بندی K-means استفاده ‌شده که در بخش مربوطه توضیح داده خواهد شد.
از دیگر مشکلات درخت تصمیم، نحوه ساختن یک درخت بهینه با کمترین میزان خطا و تا حد ممکن ساده است. فرآیند ساخت درخت، یک فرآیند واحد نمیباشد. متأسفانه، مشکل پیدا کردن کوچک‌ترین درخت تصمیم از روی یک نمونه دادهای، مسئله NP-Complete است ADDIN EN.CITE <EndNote><Cite><Author>Wasan</Author><Year>2006</Year><RecNum>12</RecNum><DisplayText>[14]</DisplayText><record><rec-number>12</rec-number><foreign-keys><key app="EN" db-id="xxseratwrwp5d2ep5s2vvealxsfed2vsetv5">12</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Harleen Kaur and Siri Krishan Wasan</author></authors></contributors><titles><title>Empirical Study on Applications of Data Mining Techniques in Healthcare</title><secondary-title>Journal of Computer Science 2 (2): 194-200</secondary-title></titles><periodical><full-title>Journal of Computer Science 2 (2): 194-200</full-title></periodical><pages>194-200</pages><section>194</section><dates><year>2006</year></dates><urls></urls></record></Cite></EndNote>[34]. به همین دلیل، اکثراً روش‌هایی بر پایه روشهای ساخت درخت غیر عقبگرد و به صورت حریصانه عمل مینمایند.
از معایب دیگر آن می‌توان به موارد زیر اشاره کرد:
در مواردی که هدف از یادگیری، تخمین تابعی با مقادیر پیوسته است مناسب نیستند.
در موارد با تعداد دسته‌های زیاد و نمونه آموزشی کم، احتمال خطا بالاست.
تولید درخت تصمیم‌گیری، هزینه محاسباتی بالا دارد.
هرس کردن درخت هزینه بالایی دارد.
در مسائلی که دسته‌های ورودی با نواحی مکعبی به خوبی جدا نشوند و دسته‌ها همپوشانی داشته باشند، خوب عمل نمی‌کنند.
در صورت همپوشانی گره‌ها تعداد گره‌های پایانی زیاد می‌شود.
در صورتی که درخت بزرگ باشد امکان است خطاها از سطحی به سطحی دیگر جمع شوند (انباشته شدن خطای لایه‌ها بر روی یکدیگر) [35].
طراحی درخت تصمیم‌گیری بهینه، دشوار است. کارایی یک درخت دسته‌بندی کننده به چگونگی طراحی خوب آن بستگی دارد.
احتمال تولید روابط نادرست وجود دارد.
بازنمایی درخت تصمیم دشوار است.
وقتی تعداد دسته‌ها زیاد است، می‌تواند باعث شود که تعداد گره‌های پایانی بیشتر از تعداد دسته‌های واقعی بوده و بنابراین زمان جستجو و فضای حافظه را افزایش می‌دهد.
این الگوریتم به حافظه زیادی نیاز دارد [35].
2-15 آنتروپیدر نظریه اطلاعات آنتروپی میزان خلوص (بی‌نظمی یا عدم خالص بودن) مجموعه‌ای از مثال‌ها را مشخص می‌کند. اگر مجموعه S شامل مثال‌های مختلف با کلاس‌های مشخص 1و 2و .. وn باشد و pi نشان‌دهنده نسبت تعداد اعضای کلاس i به کل داده‌های موجود باشد، در این صورت داریم:
EntropyS= -1log⁡(n) i-1npilog⁡(pi) (1-2)
با توجه به تعریف آنتروپی هر چقدر که نسبت کلاس‌ها به کل نمونه‌های موجود به همدیگر نزدیک‌تر باشد، آنتروپی مقدار بیشتری به خود می‌گیرد و در واقع زمانی که همه کلاس‌ها دقیقاً به یک اندازه باشند، میزان آنتروپی به بیش‌ترین مقدار خود یعنی 1 خواهد رسید:
∀i: pi= 1n ⟹ EntropyS=1 (2-2)

دانلود پایان نامه ارشد- مقاله تحقیق

 برای دانلود فایل کامل به سایت منبع مراجعه کنید  : homatez.com

یا برای دیدن قسمت های دیگر این موضوع در سایت ما کلمه کلیدی را وارد کنید :

 

و وقتی که همه نمونه‌ها متعلق به یکی از کلاس‌ها باشند و باقی کلاس‌ها هیچ عضوی نداشته باشند در این صورت میزان آنتروپی به کمترین مقدار خود، یعنی صفر خواهد رسید. شکل زیر نحوه تغییر میزان آنتروپی را برای مجموعه‌ای با دو کلاس نشان می‌دهد. در این شکل، میزان فراوانی کلاس اول با P1 (که در نتیجه مقدار فراوانی کلاس دیگر برابر خواهد بود با 1- P1 ) بر روی محور افقی نمایش داده‌شده و محور عمودی آنتروپی مجموعه S را بر اساس این پراکندگی نشان می‌دهد [36]:

شکل (2-2): تغییر میزان آنتروپی را برای مجموعه‌ای با دو کلاساز روی مفهوم آنتروپی می‌توان، مفهوم بهره اطلاعاتی مجموعه نمونه S برای ویژگی A را به صورت زیر تعریف نمود:
GainS,A= EntropyS- v∈Values(A)SvS EntropySv (3-2)
که Values(A) مجموعه تمام مقادیری است که ویژگی A به خود می‌گیرد و همچنین Sv نیز نشان‌دهنده زیرمجموعه‌ای از S است که در آن‌ها ویژگی A مقدار v را به خود گرفته است. در هر مرحله از شاخه زنی درخت تصمیم (انتخاب یک ویژگی برای رأس‌های میانی)، ویژگی انتخاب خواهد شد که بهره اطلاعاتی بیشتری داشته باشد و به عبارت دیگر با انتخاب این ویژگی، میزان آنتروپی نسبت به حالت قبل از شاخه زنی بیش‌ترین کاهش را داشته باشد. الگوریتم درخت تصمیم از گره ریشه شروع به شاخه زنی و تقسیم مجموعه نمونه‌ها به زیرمجموعه‌های کوچک‌تر کرده و سپس این کار را به صورت بازگشتی بر روی زیرمجموعه‌های به وجود آمده از این شاخه زنی نیز تکرار میکند و این کار را تا جای ممکن ادامه میدهد:
در گره n، که شامل مجموعه نمونه‌های S است، ویژگی A را طوری انتخاب کن که بیش‌ترین بهره اطلاعاتی را برای مجموعه S داشته باشد، در صورتی که شاخه زنی ممکن نباشد، الگوریتم تمام شده است [36].
2-16 هرس درخت تصمیم تولیدشدهبا توجه به اینکه درخت تصمیم تولیدشده در این مرحله تا جای ممکن گسترش داده‌شده، یعنی شاخه زنی در این درخت تا جایی ادامه یافته که هر کدام از برگهای درخت شامل نمونههای آموزشی با تنها یک کلاس باشند، برگهای موجود در این درخت به شدت به تک‌تک نمونه‌های استفاده‌شده وابسته بوده و به همین درخت تولیدشده دلیل نسبت به نویز دادههای آموزشی حساسیت زیادی دارد ADDIN EN.CITE <EndNote><Cite><Author>Wasan</Author><Year>2006</Year><RecNum>12</RecNum><DisplayText>[14]</DisplayText><record><rec-number>12</rec-number><foreign-keys><key app="EN" db-id="xxseratwrwp5d2ep5s2vvealxsfed2vsetv5">12</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Harleen Kaur and Siri Krishan Wasan</author></authors></contributors><titles><title>Empirical Study on Applications of Data Mining Techniques in Healthcare</title><secondary-title>Journal of Computer Science 2 (2): 194-200</secondary-title></titles><periodical><full-title>Journal of Computer Science 2 (2): 194-200</full-title></periodical><pages>194-200</pages><section>194</section><dates><year>2006</year></dates><urls></urls></record></Cite></EndNote>[37].
درخت با داده‌های آموزشی مطابق روش قبل یاد گرفته می‌شود. سپس برای یک گره داخلی (غیر برگ n ) زیرشاخه n حذف می‌گردد. این زیرشاخه با یک برگ جایگزین می‌شود. به این برگ دسته مثال‌های اکثریت یعنی دسته‌بندی اکثر مثال‌های قرارگرفته تحت این شاخه نسبت داده می‌شود. عملکرد درخت بر روی نمونه‌های تست که در آموزش درخت از آن‌ها استفاده نکرده‌ایم بررسی می‌شود: اگر درخت هرس شده عملکرد بهتر و یا مساوی با درخت فعلی داشت از درخت هرس شده استفاده می‌شود. هرس کردن آن‌قدر ادامه می‌یابد تا هرس بیشتر، سودی نداشته باشد.
2-17 شبکه عصبی مصنوعی یکی از ابزارهای تحلیلی داده کاوی است که می‌تواند برای پیش‌بینی شاخص بهداشت و درمان مانند هزینه و استفاده از تسهیلات مناسب به کار گرفته شود. شبکه‌های عصبی شناخته‌شده برای تولید نتایج بسیار دقیق در پزشکی و هم چنین ابزاری قدرتمند برای کمک به پزشکان در تجزیه و تحلیل، مدل و ایجاد داده‌های بالینی پیچیده در طیف گسترده‌ای از برنامه‌های کاربردی می‌باشد ADDIN EN.CITE <EndNote><Cite><Author>Wasan</Author><Year>2006</Year><RecNum>12</RecNum><DisplayText>[14]</DisplayText><record><rec-number>12</rec-number><foreign-keys><key app="EN" db-id="xxseratwrwp5d2ep5s2vvealxsfed2vsetv5">12</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Harleen Kaur and Siri Krishan Wasan</author></authors></contributors><titles><title>Empirical Study on Applications of Data Mining Techniques in Healthcare</title><secondary-title>Journal of Computer Science 2 (2): 194-200</secondary-title></titles><periodical><full-title>Journal of Computer Science 2 (2): 194-200</full-title></periodical><pages>194-200</pages><section>194</section><dates><year>2006</year></dates><urls></urls></record></Cite></EndNote>[38]. این شبکه‌ها مجموعه‌ای از اتصالات ورودی و خروجی است که هر اتصال دارای وزن مختص به خود می‌باشد ADDIN EN.CITE <EndNote><Cite><Author>Aqueel Ahmed</Author><Year> 2012</Year><RecNum>2</RecNum><DisplayText>[3, 15]</DisplayText><record><rec-number>2</rec-number><foreign-keys><key app="EN" db-id="xxseratwrwp5d2ep5s2vvealxsfed2vsetv5">2</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Aqueel Ahmed, Shaikh Abdul Hannan</author></authors></contributors><titles><title>Data Mining Techniques to Find Out Heart Diseases: An Overview</title><secondary-title>International Journal of Innovative Technology and Exploring Engineering (IJITEE)</secondary-title></titles><periodical><full-title>International Journal of Innovative Technology and Exploring Engineering (IJITEE)</full-title></periodical><pages>18-23</pages><volume>1</volume><number>4</number><section>18</section><dates><year> 2012</year><pub-dates><date>Sep--ber 2012</date></pub-dates></dates><urls></urls></record></Cite><Cite><Author>Dan-Andrei SITAR-TĂUT</Author><Year>2010</Year><RecNum>15</RecNum><record><rec-number>15</rec-number><foreign-keys><key app="EN" db-id="xxseratwrwp5d2ep5s2vvealxsfed2vsetv5">15</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author><style face="normal" font="default" size="100%">Dan-Andrei SITAR-T</style><style face="normal" font="default" charset="238" size="100%">ĂUT, Adela-Viviana SITAR-TĂUT</style></author></authors></contributors><titles><title>Overview on How Data Mining Tools May Support Cardiovascular Disease&#xD;Prediction</title><secondary-title>Journal of Applied Computer Science &amp; Mathematics</secondary-title></titles><periodical><full-title>Journal of Applied Computer Science &amp; Mathematics</full-title></periodical><pages>57-62</pages><volume>no. 8 (4)</volume><section>57</section><dates><year>2010</year></dates><urls></urls></record></Cite></EndNote>[16،14]. این مدل شبیه مغز انسان است و شامل یادگیری الگوها از یک مجموعه داده‌ها برای پیش‌بینی در پزشکی می‌باشد ADDIN EN.CITE <EndNote><Cite><Author>Wasan</Author><Year>2006</Year><RecNum>12</RecNum><DisplayText>[14]</DisplayText><record><rec-number>12</rec-number><foreign-keys><key app="EN" db-id="xxseratwrwp5d2ep5s2vvealxsfed2vsetv5">12</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Harleen Kaur and Siri Krishan Wasan</author></authors></contributors><titles><title>Empirical Study on Applications of Data Mining Techniques in Healthcare</title><secondary-title>Journal of Computer Science 2 (2): 194-200</secondary-title></titles><periodical><full-title>Journal of Computer Science 2 (2): 194-200</full-title></periodical><pages>194-200</pages><section>194</section><dates><year>2006</year></dates><urls></urls></record></Cite></EndNote>[39]. شبکه‌های عصبی توانایی استنتاج معانی را از داده‌های مبهم و پیچیده را دارد ADDIN EN.CITE <EndNote><Cite><Author>Aqueel Ahmed</Author><Year> 2012</Year><RecNum>2</RecNum><DisplayText>[3]</DisplayText><record><rec-number>2</rec-number><foreign-keys><key app="EN" db-id="xxseratwrwp5d2ep5s2vvealxsfed2vsetv5">2</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Aqueel Ahmed, Shaikh Abdul Hannan</author></authors></contributors><titles><title>Data Mining Techniques to Find Out Heart Diseases: An Overview</title><secondary-title>International Journal of Innovative Technology and Exploring Engineering (IJITEE)</secondary-title></titles><periodical><full-title>International Journal of Innovative Technology and Exploring Engineering (IJITEE)</full-title></periodical><pages>18-23</pages><volume>1</volume><number>4</number><section>18</section><dates><year> 2012</year><pub-dates><date>Sep--ber 2012</date></pub-dates></dates><urls></urls></record></Cite></EndNote>[40] و شامل فرایندهای یادگیری، پیش‌بینی مشاهدات جدید و تعیین توالی می‌باشد. اما اشکال آن در این است که توضیحی راجع به اینکه چگونه به این نتیجه خاص رسیده است را نمی‌دهد. در حقیقت شبکه‌های عصبی مصنوعی بر آن هستند تا با ورودی‌های خاص یک خروجی خاص ایجاد کنند و بر این اساس مفهوم آموزش یا تنظیم و یادگیری شبکه عصبی مصنوعی به وجود می‌آید. شبکه‌های عصبی در زمینه پزشکی قادر به تجزیه و تحلیل نمونه‌های خون و ادرار، ردیابی سطح گلوکز در بیماران دیابتی، تعیین سطح یون در مایعات بدن و تشخیص آسیب شناختی و تشخیص بیماری قلبی شده است ADDIN EN.CITE <EndNote><Cite><Author>Wasan</Author><Year>2006</Year><RecNum>12</RecNum><DisplayText>[14]</DisplayText><record><rec-number>12</rec-number><foreign-keys><key app="EN" db-id="xxseratwrwp5d2ep5s2vvealxsfed2vsetv5">12</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Harleen Kaur and Siri Krishan Wasan</author></authors></contributors><titles><title>Empirical Study on Applications of Data Mining Techniques in Healthcare</title><secondary-title>Journal of Computer Science 2 (2): 194-200</secondary-title></titles><periodical><full-title>Journal of Computer Science 2 (2): 194-200</full-title></periodical><pages>194-200</pages><section>194</section><dates><year>2006</year></dates><urls></urls></record></Cite></EndNote>[33].
ایده اصلی این‌گونه شبکه‌ها الهام گرفته از شیوه کارکرد سیستم عصبی موجودات زنده و به خصوص مغز انسان، برای پردازش داده‌ها، و اطلاعات به منظور یادگیری و ایجاد دانش قرار دارد ADDIN EN.CITE <EndNote><Cite><Author>Wasan</Author><Year>2006</Year><RecNum>12</RecNum><DisplayText>[14]</DisplayText><record><rec-number>12</rec-number><foreign-keys><key app="EN" db-id="xxseratwrwp5d2ep5s2vvealxsfed2vsetv5">12</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Harleen Kaur and Siri Krishan Wasan</author></authors></contributors><titles><title>Empirical Study on Applications of Data Mining Techniques in Healthcare</title><secondary-title>Journal of Computer Science 2 (2): 194-200</secondary-title></titles><periodical><full-title>Journal of Computer Science 2 (2): 194-200</full-title></periodical><pages>194-200</pages><section>194</section><dates><year>2006</year></dates><urls></urls></record></Cite></EndNote>[41]. عنصر کلیدی این ایده، روشی برای محاسبه است که بر پایه اتصال به هم پیوسته چندین واحد پردازشی ساده به نام نورون ساخته می‌شود که برای حل یک مسئله با هم هماهنگ عمل می‌کنند و توسط سیناپس‎ها (ارتباطات الکترومغناطیسی) اطلاعات را بین یکدیگر منتقل میکنند و یادگیری این شبکه‌ها بر پایه این اتصالات به هم پیوسته واحدهای پردازشی ساخته می‌شود. شبکه از تعداد دلخواهی سلول یا گره یا واحد یا نرون تشکیل می‌شود که مجموعه ورودی را به خروجی ربط می‌دهند ADDIN EN.CITE <EndNote><Cite><Author>Wasan</Author><Year>2006</Year><RecNum>12</RecNum><DisplayText>[14]</DisplayText><record><rec-number>12</rec-number><foreign-keys><key app="EN" db-id="xxseratwrwp5d2ep5s2vvealxsfed2vsetv5">12</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Harleen Kaur and Siri Krishan Wasan</author></authors></contributors><titles><title>Empirical Study on Applications of Data Mining Techniques in Healthcare</title><secondary-title>Journal of Computer Science 2 (2): 194-200</secondary-title></titles><periodical><full-title>Journal of Computer Science 2 (2): 194-200</full-title></periodical><pages>194-200</pages><section>194</section><dates><year>2006</year></dates><urls></urls></record></Cite></EndNote>[36،39].
از نقاط قوت استفاده از شبکه‌های عصبی، قابلیت مدلسازی داده‌ها، با متغیرهای پیوسته و گسسته بوده و قابلیت تقریب قوی در این ساختارها است. طبق قضیه "سایبنکو"، یک شبکه پرسپترون با یک لایه مخفی و تعداد کافی نورون غیرخطی، میتواند نقش یک تقریب زننده جهانی را ایفا کند، یعنی میتواند هر تابع پیوسته بر روی هر زیر فضای بسته را تقریب زند. با این حال، یافتن وزنهای بهینه برای یک شبکه‌های عصبی مصنوعی به منظور کمینه کردن خطا بسیار پیچیده است ADDIN EN.CITE <EndNote><Cite><Author>Wasan</Author><Year>2006</Year><RecNum>12</RecNum><DisplayText>[14]</DisplayText><record><rec-number>12</rec-number><foreign-keys><key app="EN" db-id="xxseratwrwp5d2ep5s2vvealxsfed2vsetv5">12</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Harleen Kaur and Siri Krishan Wasan</author></authors></contributors><titles><title>Empirical Study on Applications of Data Mining Techniques in Healthcare</title><secondary-title>Journal of Computer Science 2 (2): 194-200</secondary-title></titles><periodical><full-title>Journal of Computer Science 2 (2): 194-200</full-title></periodical><pages>194-200</pages><section>194</section><dates><year>2006</year></dates><urls></urls></record></Cite></EndNote>[42]. از سوی دیگر با وجود اینکه این روش کارایی بسیار خوبی برای کار با دادههای عددی دارد ولی با داده‌های رستهای نیز مانند دادههای عددی برخورد میکند. به همین دلیل، نحوه تفسیر عددی از دادههای رستهای به عنوان دادههای عددی، میتواند در عملکرد الگوریتم تأثیرگذار باشد. از دیگر معایب شبکههای عصبی ماهیت جعبه سیاه آن است یعنی پس از انجام مرحله آموزش و برآورد وزنهای مدل، تفسیر این وزنها و استدلال درباره دادهها بر اساس این پارامترها ناممکن است. از دیگر معایب این الگوریتمها، زمان بیشتر آموزش دادن مدل نسبت به دیگر الگوریتمهای به‌کاررفته در این پژوهش میباشد [36].
یکی از معروف‌ترین انواع شبکه‌های عصبی مصنوعی، شبکه عصبی پرسپترون چند لایه می‌باشد. این شبکه‌ها، شامل چند لایه از گره‌هایی به نام پرسپترون هستند که توسط یک شبکه feed-forward کاملاً به هم پیوسته به یکدیگر متصل میشوند. نورون های همه لایه‌ها به جز لایه ورودی (که خطی هستند) به صورت نورون هایی با تابع فعال‌سازی غیرخطی مدل میشوند. از معروف‌ترین توابع فعال‌سازی مورد استفاده برای پرسپترون میتوان به موارد زیر اشاره نمود:

شکل (2-3): توابع نرمال سازی ADDIN EN.CITE <EndNote><Cite><Author>Wasan</Author><Year>2006</Year><RecNum>12</RecNum><DisplayText>[14]</DisplayText><record><rec-number>12</rec-number><foreign-keys><key app="EN" db-id="xxseratwrwp5d2ep5s2vvealxsfed2vsetv5">12</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Harleen Kaur and Siri Krishan Wasan</author></authors></contributors><titles><title>Empirical Study on Applications of Data Mining Techniques in Healthcare</title><secondary-title>Journal of Computer Science 2 (2): 194-200</secondary-title></titles><periodical><full-title>Journal of Computer Science 2 (2): 194-200</full-title></periodical><pages>194-200</pages><section>194</section><dates><year>2006</year></dates><urls></urls></record></Cite></EndNote>[36]
در این شبکه‌ها، هر نورون در لایه‌های غیر پایانی، به هر کدام از نورون های لایه بعدی توسط اتصال (در نقش سیناپس های مغز) با وزن wij نسبت داده میشود تا تأثیر خروجی نورون (پالس تولیدشده) را بر روی نورون های لایه بعدی نشان دهد. در این شبکه، خروجی هر نورون در هر لایه به تک‌تک نورون های لایه بعدی فرستاده می‌شود (با تأثیرپذیری از وزن wij) و مجموع مقادیر ورودی به هر نورون در نورونهای لایه بعد، ورودی این نورون ها را تشکیل میدهند.
مرحله یادگیری یک شبکه پرسپترون چند لایه از طریق تعیین وزن‌های شبکه عصبی انجام می‌شود به طوری که این وزنها بتوانند میزان خطای خروجی شبکه را نسبت به کلاس‌بندی واقعی تا جای ممکن کاهش دهند. معروف‌ترین روش برای این کار، الگوریتم پس انتشار خطا می‌باشد.
الگوریتم آموزش پس انتشار خطا به این صورت است: وزن‌های شبکه با اعداد تصادفی کوچکی وزن دهی میشوند. برای هر نمونه آموزشی، خروجی شبکه با توجه به وزن‌های موجود تعیین شود. خروجی شبکه با کلاس واقعی داده نمونه مقایسه شود [36]. اگر تفاوتی بین کلاس پیش‌بینی‌شده و کلاس واقعی وجود داشت، میزان تغییرات مورد نیاز برای اعمال بر روی وزن‌ها طبق قانون پس انتشار خطا محاسبه میشوند. اگر مجموع خطا بر روی تمام داده‌های نمونه، در حد قابل قبولی بود الگوریتم پایان پذیرفته، در غیر این صورت به مرحله 2 برگشته و بار دیگر داده‌های خروجی را به الگوریتم داده و وزنها را بر حسب میزان خطا به روز مینماییم.

bew128

معاون پژوهشی و فناوری دانشگاه آزاد اسلامی- واحد رشت
مدیرگروه یا رئیس تحصیلات تکمیلی واحد:
نام و نامخانوادگی
محل امضاء
نمره حاصل از ارزشیابی پروژه - ریسرچ/ مقالات دانشجو برابر ضوابط ( ازسقف 2نمره ) ........................... محاسبه و نمره نهایی پایان نامه ( مجموع نمره دفاع و پروژه - ریسرچ) به عدد.............................. به حروف............................................................................................... با درجه.................................. به تصویب رسید.
تأییدکارشناس حوزه پژوهشی تأییدمعاون پژوهشی و فناوری دانشگاهآزاداسلامی- واحدرشت
توجه : این فرم بدون امضای مسئولین ذیربط و مهر دانشگاه فاقد اعتبار است.
2422277-260985
باسمه تعالی
«تعهد اصالت پایان‌نامه»
اینجانب اقدس کریمی مریدانی دانش‌آموخته مقطع کارشناسی ارشد ناپیوسته در رشته مدیریت بازرگانی که در تاریخ 20/11/ 93 از پایان‌نامه خود تحت عنوان: بررسی تأثیر ویژگی‌های شخصیتی مصرف‌کننده بر شخصیت برند و وفاداری به برند در شرکت‌های بیمه استان گیلان با کسب نمره 5/17 و درجه بسیار خوب دفاع نموده‌ام، بدینوسیله متعهد می‌شوم:
این پایان‌نامه حاصل تحقیق و پژوهش انجام شده توسط اینجانب بوده و در مواردی که از دستاوردهای علمی و پژوهشی دیگران (اعم از پایان‌نامه، کتاب، پروژه - ریسرچو...) استفاده نموده‌ام، مطابق ضوابط و رویه موجود، نام منبع مورد استفاده و سایر مشخصات آن را در فهرست مربوطه ذکر و درج کرده‌ام.
این پایان‌نامه قبلاً برای دریافت هیچ مدرک تحصیلی (هم سطح، پایین‌تر یا بالاتر) در سایر دانشگاه‌ها و مؤسسات آموزش عال یارائه نشده است.
چنانچه بعد از فراغت از تحصیل، قصد استفاده و هرگونه بهره‌برداری اعم از چاپ کتاب، ثبت اختراع و... از این پایان‌نامه داشته باشم، از حوزه معاونت پژوهشی واحد مجوزهای مربوطه را اخذ نمایم.
چنانچه در هر مقطعی زمانی خلاف موارد فوق ثابت شود، عواقب ناشی از آن را می‌پذیرم و واحد دانشگاهی مجاز است با اینجانب مطابق ضوابط و مقررات رفتار نموده و در صورت ابطال مدرک تحصیلی‌ام هیچگونه ادعایی نخواهم داشت./
اقدس کریمی مریدانی
20/11/1393
تقدیر و تشکر:
بر خود واجب می‌دانم که به پاس زحمات بی‌دریغ جناب آقای دکتر میرهادی موذن جمشیدی، استاد محترم راهنمای اینجانب که همواره در طول مراحل مختلف این تحقیق، با سعه‌ی صدر و دلسوزی مثال زدنی از هیچ گونه کمک و مساعدتی دریغ نفرمودند، کمال تشکر و سپاس قلبی خود را ابراز می‌نمایم.
همچنین از زحمات و مساعدت‌های بی‌دریغ استادان محترم داوران جناب آقایان دکتر حمید رضا رضایی کلیدبری و دکتر کامبیز شاهرودی و مدیر محترم گروه جناب آقای دکتر ابراهیم چیرانی نیز صمیمانه تقدیر و تشکر نموده و از درگاه خداوند متعال برای این عزیزان کامیابی و بهروزی روز افزون را مسئلت می‌نمایم.

به رسم ادب تقدیم می‌شود به:
پیشگاه آسمانی پدر و مادرم که با تحمل سختی‌های فراوان زمینه آموختنم را فراهم نمودند.
به پاس تعبیر عظیم و انسانی‌شان از کلمه ایثار و از خودگذشتگی؛
به پاس عاطفه سرشار و گرمای امید بخش وجودشان که در این سردترین روزگاران بهترین پشتیبان است؛
به پاس قلب بزرگشان که فریاد رس است و سرگردانی و ترس در پناهشان به شجاعت می‌گراید؛
و به پاس محبت های بی دریغ ایشان که هرگز فروکش نمی‌کند.

فهرست مطالب
عنوان صفحه
فصل اول: کلیات تحقیق
TOC o "1-3" h z u 1-1) مقدمه31-2) بیان مسئله41-3) ضرورت و اهمیت تحقیق71-4) چهارچوب نظری تحقیق81-5) سوالات تحقیق91-5-1) سوال اصلی91-5-2) سوالات فرعی101-6) فرضیه‌های تحقیق101-6-1) فرضیه‌های اصلی111-6-2) فرضیه‌های فرعی111-7) تعریف متغیرهای تحقیق121-7-1) وفاداری برند121-7-2) شخصیت برند121-7-3) تعاریف سه عامل شخصیت برند121-7-3-1) هیجان121-7-3-2) صلاحیت131-7-3-3) دلفریب131-7-4) پنج عامل بزرگ شخصیتی مشتری131-7-5) تعاریف پنج عامل بزرگ شخصیت141-7-5-1) دلپذیر بودن141-7-5-2) با وجدان بودن141-7-5-3) برونگرایی141-7-5-4) انعطاف پذیری151-7-5-5)روان رنجوری151-8) اهداف تحقیق151-8-1) هدف اصلی151-8-2) اهداف علمی161-9) روش انجام تحقیق161-10) قلمرو تحقیق161-10-1) قلمرو موضوعی161-10-2) قلمرو مکانی161-10-3) قلمرو زمانی16فصل دوم: مروری بر ادبیات موضوع تحقیق (بررسی متون)
2-1) بخش اول: ادبیات تحقیق182-1-1) وفاداری182-1-2) تاریخچه وفاداری192-1-3) رفتار مصرف کننده192-1-4) برند202-1-5) وفاداری به برند222-1-6) وفاداری به برند رویکرد نگرشی، رفتاری، وابستگی، ترکیبی؟262-1-6-1) رویکرد نگرشی وفاداری به برند262-1-6-2) رویکردهای رفتاری وفاداری به برند272-1-6-2-1) رویکرد الماس وفاداری (واکر و ناکس، 1995)282-1-6-2-2) رویکرد چهارc292-1-6-3) رویکرد وابستگی وفاداری به برند292-1-6-4) رویکرد ترکیبی وفاداری به برند292-1-7) انواع و حالت وفاداری به برند302-1-8) سطوح وفاداری از دیدگاه آکر312-1-9) مزایای وفاداری به برند332-1-10) چرا وفاداری مهم است؟352-1-11) شناسایی برند352-1-12) ویژگی وفاداری به برند362-1-13) کارکردهای برند362-1-13-1) متمایز سازی362-1-13-2) اطمینان بخشی362-1-13-3) بخش بندی بازار372-1-13-4) تشخیص خوب از بد372-1-13-5) خلق مزیت رقابتی372-1-13-6) کمک در انتخاب382-1-13-7) ارائه دهنده دوستی و رضایت382-1-13-8) بهبود عملکرد کسب و کار382-1-14) شخصیت برند392-1-14-1) منابع شخصیت برند432-1-14-2) نقش شخصیت برند432-1-14-3) مزایای شخصیت برند432-1-14-4) اهداف استراتژیک شخصیت برند442-1-14-5) چگونه شخصیت برند ساخته می‌شود؟442-1-15) فواید برند452-1-16) مفهوم شخصیت برند452-1-16-1) انتقادات به مدل شخصیت برند472-1-16-2) از شخصیت انسان به شخصیت برند482-1-17) هویت برند482-1-18) تصویر برند502-1-19) مدیریت برند522-1-20) شخصیت چیست؟532-1-21) ویژگی شخصیتی532-1-22) روابط متغیرها562-1-22-1) مفهوم شخصیت مصرف‌کننده یا خود انگاره (خویشتن بینی)562-1-22-2) روابط بین شخصیت مصرف‌کننده و شخصیت برند582-1-22-3) رابطه شخصیت برند و وفاداری برند582-2) بخش دوم: پیشینه تحقیق59فصل سوم: روش اجرای تحقیق.
3-1) مقدمه653-2) روش اجرای تحقیق653-3) روش و ابزار گردآوری داده‌های تحقیق653-4) معرفی پرسشنامه‌ها و سوالات آن663-5) جامعه و نمونه آماری673-6) روش نمونه گیری و محاسبه حجم نمونه683-7) روایی و پایایی پرسشنامه تحقیق693-7-1) پایایی و روایی در pls70 3-7-2) بررسی برازش مدل اندازه گیری........................................................................70
3-7-3) پایایی و روایی مدل اندازه گیری.......................................................................71
3-7-4) پایایی سازگاری درونی ................................................................................ 71
3-7-5) پایایی مرکب............................................................................................. 72
3-7-6)پایایی معرفها.............................................................................................. 72
3-7-7)تجزیه و تحلیل روایی ابزار اندازه گیری .............................................................. 74
3-7-7-1) روایی همگرا........................................................................................ 74
3-7-7-2) روایی واگرا .........................................................................................74
3-8) روش‌های تجزیه و تحلیل داده‌ها75فصل چهارم: تجزیه و تحلیل داده‌ها و اطلاعات
4-1) مقدمه774-2) آمار توصیفی774-2-1) جنسیت پاسخگویان774-2-2) سن پاسخگویان784-2-3) میزان تحصیلات پاسخگویان794-2-4) میزان درآمد پاسخگویان804-3) توصیف متغیرهای تحقیق814-3-1) توصیف متغیر وفاداری مشتری824-3-2) توصیف متغیر های مربوط به ابعاد شخصیتی برند824-3-2-1) توصیف متغیر هیجان درک شده برند824-3-2-2) توصیف متغیرصلاحیت درک شده برند834-3-2- 3) توصیف متغیر دلفریبی درک شده برند844-3-3) توصیف متغیرهای مربوط به پنج عامل بزرگ شخصیتی854-3-3-1) توصیف متغیر روان رنجوری854-3-3-2) توصیف متغیر برونگرایی864-3-3-3) توصیف متغیر انعطاف پذیری874-3-3-4) توصیف متغیر دلپذیری884-3-3-5) توصیف متغیر با وجدان بودن89آزمون مدل ساختاری914-4) آمار استنباطی954-4-1) بررسی فرضیات تحقیق954-4-1-1) آزمون فرضیات مربوط به تأثیر سه بعد شخصیت برند درک شده بر وفاداری مشتری954-4-1-2) آزمون فرضیات مربوط به بررسی تأثیر پنج عامل بزرگ شخصیتی بر دلفریبی درک شده برند964-4-1-3) آزمون فرضیات مربوط به برررسی تأثیر پنج عامل بزرگ شخصیتی بر هیجان درک شده برند974-4-1-4) آزمون فرضیات مربوط به برررسی تأثیر پنج عامل بزرگ شخصیتی بر صلاحیت درک شده برند98فصل پنجم: نتیجه‌گیری و پیشنهادات
5-1) مقدمه1005-2) نتایج آمار توصیفی1005-3) نتایج آمار استنباطی1015-4) پیشنهادات تحقیق1045-5) محدودیت‌های تحقیق1075-6) پیشنهادات برای تحقیقات آینده108منابع109
فهرست جداول
عنوان صفحه
TOC o "4-4" h z u جدول3-1) توزیع سؤالات مربوط به عوامل شخصیتی67جدول 3-2) مقادیر آلفای کرونباخ71جدول 3-3) مقادیر ضرایب دیلون- گلدشتاین72جدول 3-4) وزن بارهای عاملی73جدول 3-5) مقادیر متوسط واریانسAVE استخراج شده74جدول 3-6) محاسبه جذر مقادیر متوسط واریانس استخراج شده75جدول 3-7) بررسی روایی واگرا75جدول 4-1) توزیع فراوانی و درصد جنسیت پاسخگویان77جدول 4-2) توزیع فراوانی و درصد سن پاسخگویان78جدول 4-3) توزیع فراوانی و درصد میزان تحصیلات پاسخگویان79جدول 4-4) توزیع فراوانی و درصد میزان درآمد پاسخگویان (بر حسب تومان)80جدول4-5) توصیف متغیر وفاداری مشتری82جدول 4-6) توصیف متغیر هیجان درک شده برند82جدول 4-7)توصیف متغیرصلاحیت درک شده برند83جدول 4-8) توصیف متغیر دلفریبی درک شده برند84جدول 4-9) توصیف متغیر روان رنجوری85جدول 4-10) توصیف متغیر برونگرایی86جدول 4-11) توصیف متغیر انعطاف پذیری87جدول 4-12) توصیف متغیر دلپذیری88جدول 4-13) توصیف متغیر با وجدان بودن89جدول 4-14) مقدار ضریب تأثیر (R2) و برازش کلی مدل (GOF)94جدول1-15) ضرایب مسیر و بررسی فرضیات مربوط به تأثیر ابعاد شخصیتی‌درک‌شده از برند بر وفاداری مشتریان (برند)95جدول 4-16) ضرایب مسیر و بررسی فرضیات مربوط به تأثیر شخصیتی مشتری بر دلفریبی درک شده برند96جدول 4-17) ضرایب مسیر و بررسی فرضیات مربوط به تأثیرگذاری پنج عامل بزرگ شخصیتی بر هیجان درک شده از برند97جدول 4-18) ضرایب مسیر و بررسی فرضیات مربوط تأثیر ویژگیهای شخصیتی مشتری بر صلاحیت درک شده از برند98فهرست نمودارها
عنوان صفحه
TOC o "5-5" h z u نمودار 4-1) نمودار توزیع فراوانی جنسیت پاسخگویان78نمودار 4-2) هیستوگرام سن پاسخگویان79نمودار 4-3) هیستوگرام میزان تحصیلات پاسخگویان80نمودار 4-4) هیستوگرام توزیع فراوانی و درصد میزان درآمد پاسخگویان (بر حسب تومان)81نمودار 4-5) هیستوگرام متغیر وفاداری مشتری82نمودار 4-6) هیستوگرام متغیر هیجان درک شده برند83نمودار 4-7) هیستوگرام متغیرصلاحیت درک شده برند84نمودار 4-8) هیستوگرام متغیر دلفریبی درک شده برند85نمودار 4-9) هیستوگرام متغیر روان رنجوری86شکل 4-10) هیستوگرام متغیر برونگرایی87شکل 4-11) هیستوگرام متغیر انعطاف پذیری88نمودار 4-12) هیستوگرام متغیر دلپذیری89نمودار 4-13) هیستوگرام متغیر با وجدان بودن90نمودار 4-14) مدل مورد بررسی در تحقیق91نمودار 4- 15) مقادیر ضرایب استاندارد شده مسیر و R292نمودار 4- 16) مقادیر آماره t به جهت بررسی معنی دار بودن یا نبودن فرضیات93
فهرست شکل‌ها
عنوان صفحه
TOC o "6-6" h z u شکل 2-1) هرم وفاداری آکر1991 PAGEREF _Toc408967295 h 31شکل 3-1) مدل مورد آزمون70پیوست ها
الف- پرسشنامه 117ب) خروجی نرم افزار120
چکیده:
موضوع وفاداری مشتری به یک محصول یا علامت تجاری خاص حائز اهمیت فراوانی است، چرا که می‌توان گفت با اهمیت ترین دارایی بسیاری از شرکت‌ها مشتریان وفادار آنها می باشند. از طرفی شخصیت برند مقوله بسیار مهمی در مدیریت برند است که در ایران توجهی به آن نشده است با تمام تلاش های انجام شده در شرکتهای بیمه بر اساس یافته مشتری وفاداری وجود ندارد در حال حاضر صنعت بیمه ایران با خلاء وفاداری فعال مشتری مواجه است بدین معنی که تحقیقات کافی در این زمینه صورت نگرفته و نه تنها مشتریان بلکه شرکت های بیمه گذار نیز در این زمینه بصورت منفعلانه حرکت می کنند. سوال اصلی تحقیق:آیا مدل تأثیرگذاری پنج عامل بزرگ شخصیتی و شخصیت درک شده از برند از قابلیت پیش بینی مناسب وفاداری برند برخوردار میباشد؟ هدف تحقیق حاضر شناسایی ارتباط میان ویژگی های شخصیتی مشتریان و شخصیت برند و شناسایی ارتباط میان شخصیت برند بر روی وفاداری به برند فرضیه اصلی تحقیق: مدل تأثیرگذاری پنج عامل بزرگ شخصیتی و شخصیت درک شده از برند از قابلیت پیش‌بینی مناسب وفاداری برند برخوردار می‌باشد.. جامعه آماری پژوهش حاضر مشتریان شرکت‌های بیمه در استان گیلان می باشد تعداد 250 عدد پرسشنامه به روش نمونه گیری در دسترس توزیع و در پایان 243 عدد در تحلیل آماری مورد استفاده قرار گرفت. همچنین لازم به ذکر است که آزمون فرضیات تحقیق با استفاده از روش حداقل مربعات جزئی و با بهره گیری از نرم افزار تحلیل آماری PLS انجام شده است. نتایج نشان می‌دهد که هر یک از ابعاد پنجگانه ویژگی‌های شخصیتی مشتریان (انعطاف‌پذیری، با وجدان بودن، برون گرایی، دلپذیر بودن و روان رنجور) حداقل بر یکی از ابعاد شخصیت درک شده برند (دلفریبی، صلاحیت و هیجان) تأثیر معنی داری دارد و نیز هر یک از این ابعاد شخصیت درک شده برند بر وفاداری به برند تأثیر معنی داری دارند.
2455766262699500واژگان کلیدی: پنج عامل بزرگ شخصیت، شخصیت برند، وفاداری به برند، شرکتهای بیمه استان گیلان
فصل اول
کلیات تحقیق
25300061991029
1-1) مقدمهامروزه برند و نام تجاری یکی از مهمترین مباحث بازاریابی است که پیش روی تمامی شرکت‌ها، من جمله شرکت‌ها ی تجاری قرار دارد. این اهمیت تا حدی است که مدیریت برند به رشته مستقلی در محافل علمی تبدیل شده است. برندها از لحاظ اقتصادی و استراتژیک جزء دارایی‌های با ارزش شرکت‌ها و حتی بدون اغراق از با ارزش‌ترین دارایی‌های آنها محسوب می‌شوند. در سال های اخیر محققان به این نتیجه رسیده‌اند که ارزش واقعی محصولات و خدمات برای شرکت‌ها در درون محصولات و خدمات نیست، بلکه این ارزش در ذهن مشتریان واقعی و بالقوه وجود دارد و این برند است که ارزش واقعی را در ذهن مشتریان پدید می‌آورد (دهدشتی شاهرخ و همکاران، 1391).
با توجه به اینکه رقابت در بازار روز به روز شدیدتر می‌گردد پاسخ گویی به نیازهای مشتریان با هدف جلب و رضایت و ایجاد وفاداری در آن اهمیت بیشتری می‌یابد و شرکت‌ها باید برای حفظ و نگهداری مشتریان فعلی و ایجاد رابطه بلند مدت و سودآور با آنها تاکید نمایند. این نکته قابل ذکر است که در کسب و کار امروز، دیگر رضایت مندی مشتریان کافی نیست و نباید تنها به رضایت مندی مشتریان اکتفا کرد بلکه باید علاوه بر رضایت مندی، به وفاداری مشتریان توجه کرد (حسن زاده و قدیری، 1389).
شخصیت برند مقوله مهمی است که در صنعت بیمه کمتر به آن توجه شده است. علی‌رغم تحقیقات انجام گرفته در حوزه برند و بیمه، پژوهشی در ارتباط با شخصیت برند و تأثیر آن برقصد خرید مجدد از طریق پیامدهای شخصیت برند، یعنی ارزش ادراک شده و وفاداری به برند در شرکت‌های بیمه صورت نگرفته است وخلاء مطالعاتی شگرفی در این زمینه احساس می‌شود و در این تحقیق به این مقوله پرداخته‌ایم.
همچنین شخصیت یکی از عوامل تعیین کننده‌ی سازگاری افراد با شغل است زیرا هر ویژگی شخصیتی دارای شرایطی است که متناسب با شغل خاصی است. با دانستن این که کدام ویژگی متناسب با کدام شغل است کمک بسیاری به سازمان‌ها می‌شود تا با انتخاب مناسب نیروها، بهره‌وری سازمان شان را بالا برده، باعث افزایش رضایت شغلی نیروهایشان شوند. همچنین از زیان های احتمالی انتخاب نا مناسب بدین وسیله اجتناب شده و در هزینه‌های بسیار زیاد اقتصادی که به واسطه انتخاب نامناسب بر آن‌ها تحمیل می‌گردد نیز صرفه جویی می‌شود (کریمی، 1388).
لذا این تحقیق متمرکز بر این است که چه رابطه‌ای بین بررسی تأثیر ویژگی‌های شخصیتی مصرف کننده بر شخصیت برند و وفاداری به برند در شرکت‌های بیمه استان گیلان وجود دارد.
1-2) بیان مسئلههدف اصلی هر سازمان علاوه بر فروش محصول خود، ایجاد نوعی رابطه و پیوند پایدار بین محصول و گروه خاصی از مشتریان می‌باشد، عصاره این رابطه پایدار، نوعی تعهد و وفاداری مشتری نسبت به محصول را به دنبال دارد. ایجاد چنین تعهدی نسبت به یک محصول با نام تجاری خاص فرایندی شامل مراحل آشنا شدن مشتری با محصول، شناخت پیدا کردن نسبت به آن و سپس ترجیح محصول با نام تجاری خاص را در بر می‌گیرد. امروزه مشتریان کالاها و خدمات در کشورهای مختلف به ویژه کشور توسعه یافته هزینه بیشتری را برای کالاهای دارای برند معروف می‌پردازند، زیرا برند بخش قابل توجهی از اطمینانی که مشتری به دنبال آن است را اعطا می‌کند(غفاری آشتیانی و میر،1390).
منظور از شخصیت برند، جنبه احساسی تصویر برند در ذهن انسان است، این تصویر از تمام تجربیاتی که مصرف کننده از یک برند دارد شکل گرفته است. مصرف‌کنندگان معمولا نام تجاری را از جنبه‌هایی که بطور عمده از شخصیت فرد اقتباس شده است درک می‌کنند و آن را به برند تعمیم می‌دهند. بعد شخصیتی برند را می‌توان توسعه و تعمیم داد و ابعاد شخصیتی انسان را در قلمرو نام تجاری تعریف کرد. در شخصیت نام تجاری دو عنصر اصلی وجود دارد که عبارتند از: نوعی منفعتی که از طریق نام تجاری نصیب فرد می‌شود و نوع مصرف‌کننده‌ای که آن (برند) را ترجیح می‌دهد (غفاری آشتیانی و میر،1390).
مصرف‌کنندگان محصولات مانند سخنگویانی برای برند خواهند بود و اساس و پایه‌ای را برای عرضه کنندگان ایجاد خواهند کرد که هویت و خصوصیت برند را بسازند (لین،2010).
با خصوصیات خاص یک برند، مصرف‌کنندگانی که این ویژگی شخصیتی را تایید می‌کنند جذب خواهند شد و اولویت و ترجیح به آن برند به تدریج افزایش خواهد کرد. علاوه بر این شرکت می‌تواند روابط خوب و مطلوب خود را با مشتریان خود از طریق شخصیت و خصوصیت برند خود ارتقا ببخشد، چون هر برندی دارای خصوصیت ویژه خود است و مشتریان ممکن است به مانند یک انسان واقعی با برند رفتار کنند (لین،2010).
آگاهی از اینکه مشتریان یک شرکت نسبت به برند در چه سطحی از وفاداری قرار دارند، کمک می‌کند تا برنامه بازاریابی که شامل حفظ مشتری و جذب مشتریان جدید می‌باشد به گونه‌ای موثرتر تدوین شود از آنجاکه یک توافق کلی بر سر این موضوع که مشتریان وفادار سود آورترند وجود دارد، سازمان‌ها علاقه‌مند هستند تا روابط بلند مدت با مشتریان وفادار به برند برقرار کنند (کی فرزندی اصل، 1391).
تمام فعالیت‌های بازاریابی هدفشان باور دادن و شناساندن شخصیت و خصوصیت برند خود به مصرف‌کنندگان است و اینکه بتوانند ارتباط میان برند و مصرف کننده را تقویت کنند تا بدین وسیله وفاداری و عدالت برند را ارتقاء دهند (لین،2010).
شخصیت برندکه به عنوان ارتباط حسی بین برند و مصرف کننده می‌تواند درک شود و نقش مهم زیادی را ایفا می‌کند در خلق، گسترش و حفظ برندهای بزرگ و مهم، دانشمندان ثابت کرده‌اند که احساسات در لایه زیرین، رفتار انسان‌ها را هدایت می‌کند بنابراین ویژگی برند باید با عنوان یک عنصر مهم در موفقیت برند درک شود.
در سال‌های اخیر اگر چه در مورد شخصیت برند تحقیقاتی در حوزه برندها ی مربوط به محصولاتی همچون کالاهای بادوام، کالاهای مصرفی، سرگرمی، وکالاهای لوکس صورت گرفته است (لین،2010).
شخصیت مفهومی است که هم به صورت عامیانه و هم به صورت کاربردی مورد استفاده قرار می‌گیرد. اصولاً هر کسی خصوصیات، منش، توانایی‌ها و ویژگی‌های منحصر به فردی دارد که الگو های رفتاری، شیوه‌های پاسخ دهی، و واکنش‌های وی را به محیط درونی و بیرونی نشان می‌دهد که این خصوصیات شخصیت وی را شکل می‌دهند. شخصیت انسان‌ها همیشه مورد توجه بوده و توجه محققان و صاحب نظران بسیاری را به خود جلب کرده است. ریشه کلمه شخصیت معادل کلمهPersonality انگلیسی یاPersonalit'eفرانسه است ودرحقیقت از ریشه لاتینPersonaگرفته شده است که به معنی نقاب یا ماسکی بودهاست که در یونان و روم قدیم بازیگران تئاتر بر چهره می‌گذاشتند(کریمی،1386).
مصرف‌کنندگان صرفاً به دنبال خرید یک کالا نیستند . آنها در عین حال می‌خواهند نیازهای خود را ارضا یا مسا ئل و مشکلاتشان را نیز حل کنند (هاوکینز،1385)، سه مجموعه مشخص از موضوعات تحقیق رفتار مصرف کننده از گذشته مورد توجه واقع شده است:
1) تحقیقات در زمینه قضاوت و انتخاب مصرف کننده .
2) بررسی پاسخ های مصرف کننده به محرک های ایجادشده توسط بازار (مثل تبلیغات، بسته بندی، قیمت).
۳ ) تحقیقات توصیفی در زمینه الگوهای رفتار مصرف، مثل ارزیابی مصرف‌کنندگان از نتایج مصرف (محمودی میمند،1391).
اگر چه شخصیت افرد به عنوان یک عامل موثرمی تواند در رفتار آنها موثر باشد. اگر چه بر اساس نظر متخصصان بازاریابی و برند، شخصیت برند به عنوان یک عامل تأثیرگذار می‌تواند در جذب مشتریان موثر باشد اما در کشورما ایران تعداد کمی از پژوهش‌ها، تأثیر شخصیت مشتریان را بر علاقه آنها به خرید کالا یا خدمت و همینطور تأثیر شخصیت برند را بر عمل خرید و وفاداری مشتریان مورد بررسی قرار داده است، که این تحقیقات محدود نیز تنها برای تعداد بسیار ناچیزی از برندها صورت گرفته است بنابراین پوشاندن این شکاف تحقیقاتی و مطالعاتی اولین انگیزه این پژوهش است.
مصرف‌کنندگان ممکن است بر اساس ویژگی شخصیتی خود و خصوصیت برند به زعم خودشان اولویت خود را مشخص کنند. اگر چه ترجیح به یک برند فقط میل و علاقه و وفاداری به آن برند را درگیر می‌کند، ولی ممکن است رفتار خرید را اصلا بهبود نبخشد. تعداد کمی از محققان همزمان وفاداری عملی و وفاداری عاطفی را در مطالعاتشان در مورد ارتباط ویژگی شخصیتی خود و شخصیت برند با وفاداری به برند تلفیق کرده اند. بنابراین انگیزه دوم این مطالعه برای پر کردن و پوشاندن این شکافت تحقیقاتی شکل می‌گیرد (لین،2010).
در مباحث نظری و مطالعات کتابخانه‌ای از نشریات علمی،کتب و گزارشات واحدهای بازاریابی در رقتار آنها از جمله تمایل به خرید، خرید و وفاداری و گزارشات واحدهای بازاریابی مسائل و مشکلات زیر در سازمانها و شرکت‌های ایرانی دیده شده است:
عدم توجه به تأثیر ویژگی‌های شخصیتی مشتریان
عدم توجه به شخصیت برند بر میل به خرید و وفاداری مشتریان
عدم وجودیت نگاه سیستماتیکبه مسئله برند بر اساس تأثیر عوامل روانشناختی بر رفتار مشتریان،خرید،رضایت و وفاداری
شکاف تحقیقاتی موجود در زمینه شخصیت مشتریان و برند
عدم توجه به مسئله نرومارکیتینگ( بازاریابی عصبی)
عدم اعتماد به شرکتهای بیمه باعث کاهش وفاداری مشتریان
عدم رضایت و کمبود وفاداری بیمه گذاران نسبت به شرکتهای بیمه
با توجه به اهمیت مشتریان در صنعت بیمه، عدم توجه به برند باعث گردیده که این شرکت‌ها در مبادلات بین المللی توان رقابت را در مقابل رقبای خارجی نداشته باشند و نتوانند در عرصه بین المللی قوی ظاهر بشوند.و در این رساله منظور از مصرف کنندگان، همان بیمه گذاران می باشند.
پس در این تحقیق می‌خواهیم به این موضوع بپردازیم که آیا ویژگی‌های شخصیتی مصرف‌کنندگان از طریق شخصیت برند درک شده بر وفاداری به برند تأثیر معنی‌داری دارد؟
1-3) ضرورت و اهمیت تحقیقموضوع وفاداری مشتری به یک محصول یا علامت تجاری خاص حائز اهمیت فراوانی است، چرا که می‌توان گفت با اهمیت ترین دارایی بسیاری از شرکتها مشتریان وفادار آنها می‌باشند. تحقیقات تجربی نشان می‌دهد که هزینه جذب یک مشتری جدید 25 تا 400 درصد بیشتر از هزینه‌های حفظ مشتریان فعلی است. بنابراین با افزودن 5 درصد به هزینه‌های مربوط به حفظ مشتریان فعلی خود می‌توان تا 75 درصد به میزان سودآوری شرکت افزود. البته تجزیه و تحلیل مذکور بر این فرض استوار است که مشتریان فعلی سودآور باشند. یا به عبارت دیگر، ارزش چرخه حیات آنها (درآمدی تحقق یافته از محل خریداری آنها طی مدت زمانی که از شرکت خریداری می‌کنند منهای هزینه‌های لازم) برای حفظ آنها مثبت است (رسائی، 1391).
در سازمان‌ها معمولاً بنابر دلایلی از جمله: «تعداد کمتر مشتریان، تداوم بیشتر از خدمات توسط آنها، و روابط نزدیکتر و عمیق‌تر با مشتریان و حرفه ای بودن مشتریان و اهمیت بالای حفظ و تقویت روابط بلندمدت سازمان با مشتریان» موجب شده است توجه به عوامل موثر بر وفاداری مشتریان از اهمیت بسزایی برخوردار باشد (جایاواردهن و همکارانش2007).
کمتر شرکتی را می‌توان یافت که در بدو تولد برند خود، هویت و جایگاهی برای آن تعریف کرده باشد و آن هویت را درتمامی ارتباطات با مصرف‌کنندگان هدفش حفظ کند و منجر به ایجاد تصویر و شخصیتی خاص در ذهن گردد. وقتی برند در ذهن مصرف‌کنندگان یک شخصیت قوی، مستحکم و منحصر به خود داشته باشد، ارتباط پایدار، ماندگار و اثربخشی با آنان خواهد داشت. این ارتباط هدف نهایی تمامی فعالیت‌های بازاریابی است (حسنقلی پور،1391).
با توجه به اینکه رقابت در بازار روز به روز شدیدتر می‌گردد پاسخ به نیازهای مشتریان با هدف جلب و رضایت و ایجاد وفاداری در آن اهمیت بیشتری می‌یابد و شرکت‌ها باید به حفظ و نگهداری مشتریان فعلی و ایجاد رابطه بلندمدت و سودآور با آنها تأکید نمایند. این نکته قابل ذکر است که در کسب و کار امروز، دیگر رضایت‌مندی مشتریان کافی نیست و نباید تنها به رضایت‌مندی مشتریان اکتفا کرد بلکه باید علاوه بر رضایت‌مندی، به وفاداری مشتریان نیز توجه کرد (حسن زاده و قدیری، 1389).
شخصیت برند مقوله بسیار مهمی در مدیریت برند است که در ایران توجهی به آن نشده است. کمترشرکتی را می‌توان یافت که در بدو تولد برند خود، هویت و جایگاهی برای آن تعریف کرده باشد و آن هویت را درتمامی ارتباطات با مصرف‌کنندگان هدفش حفظ کند و منجر به ایجاد تصویر و شخصیتی خاص در ذهن گردد. وقتی برند در ذهن مصرف‌کنندگان یک شخصیت قوی، مستحکم و منحصر به خود داشته باشد، ارتباط پایدار، ماندگار و اثربخشی با آنان خواهد داشـت. این ارتباط هـــدف نهایی تمامی
فعالیت‌های بازاریابی است(حسنقلی پور،1391).
1-4) چهارچوب نظری تحقیقهر تحقیق به یک چهارچوب نظری نیاز دارد، چهارچوب نظری مبنایی است که تمام تحقیق بر روی آن قرار داده می‌شود. چهارچوب نظری یک شبکه منطقی، توسعه یافته، توصیف شده و کامل بین متغیرهایی است که از طریق فرایندهایی مانند مصاحبه، مشاهده و بررسی (پیشینه تحقیق) فراهم آمده است. در این مرحله آشکار می‌شود که برای پیدا کردن راه حل‌های مساله ابتدا محقق باید مساله را بشناسد سپس متغیرهایی را که در مساله نقش دارند معین کند، بعد از شناسایی متغیرهای مناسب، باید شبکه ارتباطات بین متغیرها به درستی بنا شود، به نحوی که بتوان فرضیه‌های مربوط را ایجادو سپس آزمون کرد (خاکی، 1390).
اولین اقداماتی که در زمینه شناخت ساختار شخصیت صورت می‌گیرد بر محور اقداماتی می‌چرخد که در زمینه شناسایی و تشخیص خصوصیات همیشگی است و نشان دهنده رفتار او می‌باشد. این ویژگی‌ها عبارتند از کمرویی، پرخاشگری، حجب و حیا، تنبلی، بلند پروازی، وفاداری یا بزدلی و ترسویی. هنگامی که این خصوصیات‌ها در موارد متعددی ابراز گردد، آنها را خصوصیت یا ویژگی می‌نامند (رابینز). در این تحقیق پنج عامل بزرگ شخصیت به عنوان متغیر مستقل می‌باشد که دارای ابعاد برون گرایی، دلپذیر بودن، با وجدان، روان رنجوری و انعطاف پذیری است.
شخصیت برند ویژگی‌هایی است که به برند نسبت داده می‌شود این ویژگی‌ها بخشی از هویت برند را شکل می‌دهند. آکر عقیده دارد برندها با تعریف شخصیت خود، وعده‌ای را به مصرف‌کنندگان می‌دهند، این ویژگی‌ها نیز مانند تصویر در اثر فعالیت‌های شرکت در ذهن مصرف کننده می‌شود. این شخصیت مبنایی است که ارتباطات برند با مصرف‌کنندگان بر اساس آن شکل می‌گیرد (جلیلوند،1391).
در این تحقیق شخصیت برند به عنوان متغیر میانجی می‌باشد که دارای ابعاد هیجان، صلاحیت، دلفریبی است.
از آنجا که نگه داشتن مشتریان قدیمی چهار تا شش برابر، کمتر هزینه تراز ایجاد مشتریان جدید است، مدیران بهتر است اولویت نخست را به ایجاد راهبردهایی که وفاداری به برند را توسعه و حفظ می‌کند، بدهند(موون و مینور، 1388). در این تحقیق وفاداری به برند متغیر وابسته می‌باشد.
مدل زیر مدل مفهومی تحقیق حاضر است(لین،2010):
00برون گرایی
دلپذیر بودن
باوجدان
روان رنجوری
انعطاف پذیری
هیجان درک شده از برند
صلاحیت درک شده از برند
دلفریبی درک شده از برند
وفاداری برند
برون گرایی
دلپذیر بودن
باوجدان
روان رنجوری
انعطاف پذیری
برون گرایی
دلپذیر بودن
باوجدان
هیجان درک شده از برند
صلاحیت درک شده از برند
روان رنجوری
انعطاف پذیری
برون گرایی
دلپذیر بودن
باوجدان
00برون گرایی
دلپذیر بودن
باوجدان
روان رنجوری
انعطاف پذیری
هیجان درک شده از برند
صلاحیت درک شده از برند
دلفریبی درک شده از برند
وفاداری برند
برون گرایی
دلپذیر بودن
باوجدان
روان رنجوری
انعطاف پذیری
برون گرایی
دلپذیر بودن
باوجدان
هیجان درک شده از برند
صلاحیت درک شده از برند
روان رنجوری
انعطاف پذیری
برون گرایی
دلپذیر بودن
باوجدان

شخصیت درک شده از برند پنج عامل بزرگ شخصیت
1-5) سوالات تحقیق1-5-1) سوال اصلیآیا مدل تأثیرگذاری پنج عامل بزرگ شخصیتی و شخصیت درک شده از برند از قابلیت پیش بینی مناسب وفاداری برند برخوردار میباشد؟
1-5-2) سوالات فرعیسوالات مربوط به تأثیر سه بعد شخصیت برند درک شده بر وفاداری مشتری
سوال فرعی 1-1 : آیا دلفریبی بر وفاداری به برند تأثیر دارد؟
سوال فرعی2-1: آیا صلاحیت بر وفاداری به برند تأثیر دارد؟
سوال فرعی 3-1: آیا هیجان بر وفاداری به برند تأثیر دارد؟
سوالات مربوط به بررسی تأثیر پنج عامل بزرگ شخصیتی بر دلفریبی درک شده برند
سوال فرعی 1-2: آیا انعطاف پذیری بر دلفریبی درک شده تأثیر دارد؟
سوال فرعی 2-2: آیا با وجدان بودن بر دلفریبی درک شده تأثیر دارد؟
سوال فرعی 3-2: آیا برون گرایی بر دلفریبی درک شده تأثیر دارد؟
سوال فرعی 4-2: آیادلپذیر بودن بر دلفریبی درک شده تأثیر دارد؟
سوال فرعی5-2 : یا روان رنجوری بر دلفریبی درک شده تأثیر دارد؟
سوالات مربوط به بررسی تأثیر پنج عامل بزرگ شخصیتی بر هیجان درک شده برند
سوال فرعی1-3 :آیا انعطاف پذیری برهیجان درک شده تأثیر دارد؟
سوال فرعی2-3: آیا با وجدان بودن برهیجان درک شده تأثیر دارد؟
سوال فرعی3-3: آیا برون گرایی بر هیجان درک شده تأثیر دارد؟
سوال فرعی4-3: آیادلپذیر بودن برهیجان درک شده تأثیر دارد؟
سوال فرعی5-3: آیا روان رنجوری بر هیجان درک شده تأثیر دارد؟
سوالات مربوط به بررسی تأثیر پنج عامل بزرگ شخصیتی برصلاخیت درک شده برند
سوال فرعی1-4:آیا انعطاف پذیری برصلاخیت درک شده تأثیر دارد؟
سوال فرعی2-4: آیا با وجدان بودن برصلاحیت درک شده تأثیر دارد؟
سوال فرعی3-4: آیا برون گرایی بر صلاحیت درک شده تأثیر دارد؟
سوال فرعی4-4: آیا دلپذیر بودن برصلاحیت درک شده تأثیر دارد؟
سوال فرعی5-4: آیا روان رنجوری برصلاحیت درک شده تأثیر دارد؟

دانلود پایان نامه ارشد- مقاله تحقیق

 برای دانلود فایل کامل به سایت منبع مراجعه کنید  : homatez.com

یا برای دیدن قسمت های دیگر این موضوع در سایت ما کلمه کلیدی را وارد کنید :

 

1-6) فرضیه‌های تحقیقبا توجه به موضوع تحقیق و متغیرهای آن، فرضیه‌های تحقیق عبارتند از:
1-6-1) فرضیه‌های اصلیمدل تأثیرگذاری پنج عامل بزرگ شخصیتی و شخصیت درک شده از برند از قابلیت پیش‌بینی مناسب وفاداری برند برخوردار می‌باشد.
1-6-2) فرضیه‌های فرعیفرضیات مربوط به تأثیر سه بعد شخصیت برند درک شده بر وفاداری مشتری
فرضیه فرعی1-1: دلفریبی بر وفاداری برند تأثیر معنی داری دارد.
فرضیه فرعی2-1: صلاحیت بر وفاداری برند تأثیر معنی داری دارد.
فرضیه فرعی3-1: هیجان بر وفاداری برند تأثیر معنی داری دارد.
فرضیات مربوط به بررسی تأثیر پنج عامل بزرگ شخصیتی بر دلفریبی درک شده برند
فرضیه فرعی1-2: انعطاف پذیری بر دلفریبی درک شده از برند تأثیر معنی داری دارد.
فرضیه فرعی2-2: با وجدان بودن بر دلفریبی درک شده از برند تأثیر معنی داری دارد.
فرضیه فرعی3-2: برون گرایی بر دلفریبی درک شده از برند تأثیر معنی داری دارد.
فرضیه فرعی4-2: دلپذیر بودن بر دلفریبی درک شده از برند تأثیر معنی داری دارد.
فرضیه فرعی5-2: روان رنجور خویی بر دلفریبی درک شده از برند تأثیر معنی داری دارد
فرضیات مربوط به برررسی تأثیر پنج عامل بزرگ شخصیتی بر هیجان درک شده برند
فرضیه فرعی1-3: انعطاف پذیری بر هیجان درک شده از برند تأثیر معنی داری دارد.
فرضیه فرعی2-3: با وجدان بودن بر هیجان درک شده از برند تأثیر معنی داری دارد.
فرضیه فرعی3-3: برون گرایی بر هیجان درک شده از برند تأثیر معنی داری دارد.
فرضیه فرعی4-3: دلپذیر بودن بر هیجان درک شده از برند تأثیر معنی داری دارد.
فرضیه فرعی5-3: روان رنجور خویی بر هیجان درک شده از برند تأثیر معنی داری دارد.
فرضیات مربوط به برررسی تأثیر پنج عامل بزرگ شخصیتی بر صلاحیت درک شده برند
فرضیه فرعی1-4: انعطاف پذیری بر صلاحیت درک شده از برند تأثیر معنی داری دارد.
فرضیه فرعی2-4: با وجدان بودن برصلاحیت درک شده از برند تأثیر معنی داری دارد.
فرضیه فرعی3-4: برون گرایی بر صلاحیت درک شده از برند تأثیر معنی داری دارد.
فرضیه فرعی4-4: دلپذیر بودن بر صلاحیت درک شده از برند تأثیر معنی داری دارد.
فرضیه فرعی5-4: روان رنجور خویی بر صلاحیت درک شده از برند تأثیر معنی داری دارد.
1-7) تعریف متغیرهای تحقیقمتغیر های تحقیق مطابق فرضیه‌های فوق الذکر بصورت زیر تعریف می‌شوند.
1-7-1) وفاداری برندتعریف مفهومی: وفاداری به برند عبارت است از واکنش رفتاری متعصبانه در خرید که فرد در طول زمان نسبت به برند پیدا می‌کندو این رفتار باعث می‌شود که در فرایندهای تصمیم گیری و ارزیابی از مجموعه نام‌هایی که در ذهن دارد گرایش خاصی به برند پیدا کند این واکنش تابعی از فرایندهای روانشناختی و ذهنی فرد است (وظیفه دوست و همکاران، 1389).
تعریف عملیاتی: در این پژوهش وفاداری برند بر اساس معرفها و آیتم‌هایی شامل انتخاب شرکت بیمه در میان چند شرکت بیمه دیگر، پیشنهاد شرکت بیمه به دیگران، انتخاب مجدد شرکت بیمه برای سایر خدمات بیمه ای مورد سنجش قرار گرفته است و شامل سوالات 1تا 5 پرسشنامه وفاداری برند می‌باشد.
1-7-2) شخصیت برندتعریف مفهومی: آکر شخصیت برندرا مجموعه‌هایی از صفات و ویژگی‌های انسانی نسبت داده شده به نام تجاری تعریف نمود نام تجاری و مشتریان می‌توانند همانند دو فرد با هم رابطه داشته باشند. این رابطه می‌تواند دوستانه باشد و این دو رابطه نزدیکی هم داشته باشند یا تنها به یک رابطه سطحی با هم اکتفا کنند. شخصیت برند ابزاری استراتژیک و استعاره‌ای است که می‌تواند به استراتژی‌های نام تجاری در فهم و ادراک افراد از نام تجاری، تمایز میان نام‌های تجاری و در نهایت خلق ارزش ویژه نام تجاری کمک نماید (موتمنی و همکاران،1392).
تعریف عملیاتی: در این پژوهش شخصیت برند بر اساس معرف‌ها و آیتم‌هایی شامل هیجان، صلاحیت و دلفریبی مورد سنجش قرار گرفته است و شامل سؤالات 1 تا 11 پرسشنامه شخصیت برند می‌باشد.
1-7-3) تعاریف سه عامل شخصیت برند1-7-3-1) هیجانتعریف مفهومی: هیجان به درجه‌ای از پرحرفی، آزادی، شادی و انرژی گفته می‌شود که در ویژگی‌های شخصیتی برند نمایان است(لین،2010).
تعریف عملیاتی: در این پژوهش هیجان بر اساس معرف‌ها و آیتـم‌هایی شامل ایجاد شور و هیجــــان و
منحـصر به فرد بودن و به روز بودن و ایجــاد روحیه شاد مورد ســـنجش قرار گرفتــه است که شـامل
سؤالات1، 2، 3 پرسشنامه شخصیت برند می‌باشد.
1-7-3-2) صلاحیتتعریف مفهومی: صلاحیت به درجه‌ای از مسئولیت پذیری، تصمیم گیری و صبوری در ویژگی شخصیتی که برند دارد گفته می‌شود(لین،2010).
تعریف عملیاتی: در این پژوهش صلاحیت بر اساس معرف‌ها و آیتم‌هایی شامل ایجاد شایستگی و صلاحیت، صداقت و امنیت، قابل اعتماد و خدمات قابل اطمینان مورد سنجش قرار گرفته است و شامل سؤالات 4، 5، 6، 7 موجود در پرسشنامه شخصیت برند می‌باشد.
1-7-3-3) دلفریب تعریف مفهومی: دلفریبی به درجه‌ای از وقار و سبک در ویژگی شخصیتی که برند دارد گفته می‌شود. (لین،2010).
تعریف عملیاتی: دراین پژوهش دلفریبی بر اساس معرف‌ها و آیتم‌هایی شامل جذاب بودن، با کلاس بودن، شیک بودن و پر زرق و برق مورد سنجش قرار گرفته است و شامل سؤالات 8،9،10،11موجود در پرسشنامه شخصیت برند می‌باشد.
1-7-4) پنج عامل بزرگ شخصیتی مشتریتعریف مفهومی: بطور کلی، به الگوهای همسان افراد در رفتار، احساسات و افکار، ویژگی‌های شخصیتی گفته می‌شود.از ویژگی‌های شخصیتی، می‌توان برای خلاصه کردن، پیش بینی و تبیین رفتار فرد استفاده کرد. نظریه ویژگی‌های شخصیتی افراد بر این باور است که برای تعیین رفتار فرد باید به فرد مراجعه کرد تا به موقعیت. همه نظریه پردازان نیز در این امر توافق دارند که صفات شخصیتی انسان، عنصر اصلی شخصیت او را تشکیل می‌دهند. همچنین محققان برآنند که ویژگی‌های شخصیتی افراد را بر اساس پنج بعد گسترده و دو قطبی تنظیم کرد.این ابعاد به عنوان"پنج بزرگ"خوانده می‌شوند و این بزرگی نه به دلیل عظمت آنها، بلکه به دلیل گسترده انتزاعی بودن آنها است. بنابراین منظور از ویژگی‌های شخصیتی،پنج صفت اصلی پنج عامل شخصیت می‌باشند (لین،2010).
تعریف عملیاتی: در این پژوهش ویژگی‌های شخصیتی براساس معرف‌ها و آیتم‌هایی شامل دلپذیربودن، با وجدان بودن، برونگرایی، انعطاف پذیری،روان رنجوری مورد سنجش قرار گرفته است و شامل سوالات 1 تا 25 پرسشنامه پنج عامل بزرگ شخصیتی مشتری می‌باشد.
2520315-21136196 1-7-5) تعاریف پنج عامل بزرگ شخصیت
1-7-5-1) دلپذیر بودن
تعریف مفهومی: دلپذیر بودن به میزانی که اعضای تیم مهربان، نجیب، همیار، بخشنده، امیدوار، در برابر زود رنجی، بیباکی، بدگمانی، عدم همکاری و انعطاف ناپذیری هستند، گفته می‌شود(جمشیدی و همکاران،2011). در واقع دلپذیربودن شامل ملاطفت و ملایمت، تحمل، صبوری، صلح طلبی وخوش طبعی در مقابل تحریک‌پذیری، ستیزه جویی، پرخاشگری و تندمزاجی در عین حال وظیفه شناسی یا وجدان کار ی است (سماواتیان و همکاران،1390).
تعریف عملیاتی: در این پژوهش دلپذیر بودن بر اساس معرفها و آیتمهایی شامل، اعتماد،درستکاری و صراحت، نوعدوستی، فرمانبرداری، میانه‌روی و فروتنی مورد سنجش قرار گرفته است و شامل سؤالات 4، 9، 14، 19و 24 موجود در پرسشنامه پنج عامل بزرگ شخصیت می‌باشد.
1-7-5-2) با وجدان بودن
تعریف مفهومی: با وجدان بودن میزانی که اعضای تیم با دقت، کامل، دستاوردگرا، مسئول، سازمان یافته، منظم، وسواسی در برابر وظیفه نشناسی، آشفتگی، بی‌نظمی و بی پروایی هستند، اطلاق می‌شود (جمشیدی و همکاران،2011). افراد با وجدان تمایل به سازماندهی، کارآمدی، خویشتن داری، پیشرفت‌گرایی و منطق گرایی دارند(ادیب منش و همکاران،1392).
تعریف عملیاتی: در این پژوهش باوجدان بودن بر اساس معرف‌ها و آیتم‌هایی شامل کفایت، نظم، وظیفه‌شناسی، پیشرفت طلبی، خویشتنداری مورد سنجش قرار گرفته است و شامل سؤالات 5، 10، 15،20، 25 موجود در پرسشنامه پنج عامل بزرگ شخصیت می‌باشد.
1-7-5-3) برونگرایی
تعریف مفهومی: برونگرایی به میزانی که اعضای تیم اجتماعی، پرحرف، مدعی و فعال در مقابل کناره‌گیر، موقر، کم حرف و محتاط هستند، گفته می‌شود (جمشیدی و همکاران،2011). افراد برونگرایی تمایل زیادی به برقراری ارتباط اجتماعی با دیگران، خودباوری، احساس آرامش در موقعیت‌های اجتماعی مختلف، مشارکت در فعالیت‌های گروهی، شادابی، انرژی زیاد و خوش بینی دارند (سماواتیان و همکاران،1390).
تعریف عملیاتی: در این پژوهش برونگرایی بر اساس معرف‌ها و آیتم‌هایی شامل گرمی و محبت، جمع‌گرایی، جرات ورزی، فعالیت، عواطف مثبت و مطلوب مورد سنجش قرار گرفته است و شامل سؤالات 2، 7،12، 17 و 22 موجود در پرسشنامه پنج عامل بزرگ شخصیت می‌باشد.
1-7-5-4) انعطاف پذیری
تعریف مفهومی: انعطاف پذیری شامل خلاقیت، عقل، فلسفه گرایی، استعداد، فرهیختگی، بذله گویی، خلاف عرف بودن در مقابل سربه راه بودن است. در واقع، به میزانی که اعضای تیم تخیلی، حساس، روشنفکر، مؤدب، در مقابل بی‌عاطفه، کوته فکر، خام و بی‌تکلف هستند، گفته می‌شود (جمشیدی و همکاران،2011).
تعریف عملیاتی: در این پژوهش انعطاف‌پذیری بر اساس معرفها و آیتمهایی شامل خیال پردازی، احساسات، اعمال،آراء و عقاید،ارزش‌ها مورد سنجش قرار گرفته است و شامل سؤالات 3، 8، 13، 18و 23 موجود در پرسشنامه پنج عامل بزرگ شخصیت می‌باشد.
1-7-5-5)روان رنجوری
تعریف مفهومی: روان رنجوری با ویژگی‌هایی از قبیل ترس، زودرنجی، تحریک پذیری، اضطراب اجتماعی، ضعف در کنترل تکانه‌ها و احساس درماندگی مشخص می‌شود. به طور کلی روان رنجوری پیش بینی کننده میزان خستگی عاطفی است و افراد روان رنجور از نظر عاطفی غیر قابل پیش بینی هستند (بهادری خسروشاهی و همکاران،1391).
تعریف عملیاتی: در این پژوهش روان رنجوری بر اساس معرفها و آیتمهایی شامل اضطراب، خصومت خشمانه، افسردگی، کمرویی، آسیب پذیری مورد سنجش قرار گرفته است و شامل سؤالات 1، 6،11، 16 و 21 موجود در پرسشنامه پنج عامل بزرگ شخصیت می‌باشد.
1-8) اهداف تحقیق1-8-1) هدف اصلیهدف اصلی این تحقیق بررسی تأثیر پنج عامل بزرگ شخصیتی مشتری بر شخصیت برند و وفاداری به برند در شرکت‌های بیمه استان گیلان است. علاوه بر این در این راستا اهداف علمی زیر قابل دستیابی است.
1-8-2) اهداف علمیبررسی تأثیر ویژگی‌های شخصیتی مشتریان بر وفاداری به برند از طریق شخصیت درک شده از برند
سنجش میزان تأثیر برون گرایی بر متغیرهای ابعاد شخصیت برند
سنجش میزان تأثیر دلپذیر بودن بر متغیرهای ابعاد شخصیت برند
سنجش میزان تأثیر با وجدان بودن بر متغیرهای ابعاد شخصیت برند
سنجش میزان تأثیر روان رنجوری بر متغیرهای ابعاد شخصیت برند
سنجش میزان تأثیر انعطاف پذیری بر متغیرهای ابعاد شخصیت برند
سنجش میزان تأثیر هیجان برند درک شده بروفاداری برند
سنجش میزان تأثیر صلاحیت برند درک شده بر وفاداری برند
سنجش میزان تأثیر دلفریبی برند درک شده بر وفاداری برند
1-9) روش انجام تحقیقتوصیفی از نوع همبستگی
از نظر هدف (میدانی) کاربردی و از نظر روش همبستگی
1-10) قلمرو تحقیق قلمرو تحقیق از سه بعد موضوعی، زمانی و مکانی مورد بررسی قرار گرفته است.
1-10-1) قلمرو موضوعیقلمرو موضوعی این تحقیق در حوزه علوم انسانی و مدیریت بازاریابی قرار می‌گیرد که به بررسی تأثیر ویژگی شخصیتی مصرف کننده بر شخصیت درک شده از برند و وفاداری به برند در شرکت‌های بیمه استان گیلان می‌باشد.
1-10-2) قلمرو مکانیقلمرو مکانی این تحقیق شرکت‌های بیمه استان گیلان می‌باشد.
1-10-3) قلمرو زمانیمطالعه در مورد تحقیق، از اوایل تابستان 1393 آغاز و بررسی و جمع آوری اطلاعات در پاییز 1393صورت گرفته است.
فصل دوم:
مروری برادبیات موضوع تحقیق (بررسی متون(
2490249269488
2-1) بخش اول: ادبیات تحقیق2-1-1) وفاداریاز دیگر مفاهیم معتبر و معروف در زمینه بازاریابی، وفاداری به برند است که نقش مهمی در ایجاد منافع بلندمدت برای سازمان دارد زیرا مشتریان وفادار نیازی به تلاش های ترفیعی گسترده ندارند.آن‌ها با کمال میل حاضر هستند مبلغ بیشتری را برای کسب مزایا و کیفیت برند مورد علاقه خود بپردازند. سازمان‌ها می‌توانند سهم بیشتری از بازار را با کمک وفاداری به برند، بدست آورند زیرا مشتریان وفادار به طور مکرر برند را خریداری نموده و در برابر عوامل موقعیتی و تلاش های بازاریابی رقبا مقاومت می‌کند.(Yoo, 2008)
وفاداری علاوه بر افزایش سهم بازار، موجب تقاضای سازمان برای دریافت قیمت بالاتر نسبت به رقبا می‌شود و همچنین تبلیغات دهان به دهان مثبت را در بین مشتریان افزایش می‌دهد ( Hsieh & Li,2008).
امروزه، با شدیدتر شدن رقابت در بخش های تولیدی و خدماتی، نقش وفاداری مشتری برجسته تر از گذشته شده است، در دیدگاه امروزی بازاریابی شامل رشد دادن مشتری، یعنی توجه به رضایت‌مندی و کیفیت از دیدگاه مشتری و وفاداری مشتری و ارتباط مؤثر با وی است، در نتیجه سازمان‌ها تلاش می‌کنند تا مشتریان وفادار داشته باشندبا توجه به این که در بخش خدمات روابط بین فردی گسترده‌تری بین ارائه‌دهنده خدمات ومشتریان وجود دارد نقش وفاداری در این بخش اهمیت ویژه ای دارد. وفاداری مشتریان به نام تجاری می‌تواند باعث افزایش سهم بازار شرکت شود و سهم بازار رابطه نزدیکی با نرخ بازگشت سرمایه و سودآوری شرکت دارد. وفاداری مشتریان به نام تجاری باعث تبلیغات دهان به دهان مثبت، ایجاد موانع اساسی برای ورود رقبا، توانمندتر ساختن شرکت در پاسخ به تهدیدات رقابتی، ایجاد فروش و درآمد بیشتر و کاهش حساسیت مشتریان به تلاش های بازاریابی رقبا می‌شود. تعداد زیاد مشتریان وفادار به یک نام تجاری، دارایی شرکت محسوب می‌شوند و به عنوان شاخص اصلی ارزش ویژه نام تجاری شناخته می‌شوند و همچنین حساسیت مشتریان وفادار به تغییر قیمت ها در مقایسه با مشتریان غیر وفادار، کمتر است (حسینی و احمدی نژاد،1387).
یک برند شخصیت دارد و با آن خصوصیت پیدا می‌کندراحترین راه برای شخصیت دادن به یک برند این است که آن را با یک سخنران، ستاره یا حیوان ارائه‌دهنده مردم شخصیت‌های اشیاء غیر جاندار را بر اساس نظرات خود و ارزیابی آن به هم مربوط می‌کند. این شخصیت برند است که برای روابط فوق عمق احساسات و ارتباطات بوجود می‌آورد در نتیجه شخصیت برند یک استراتژی مهم در برند است که بازاریابان از آن استفاده می‌کنند،تا مشتریان را هدف قرار دهند و با آنها ارتباط برقرار کنند وفاداریی به برند و شخصیت برند جهت گیری بلند مدتی دارند و در نتیجه آن‌ها باید مدیریت سلیم عوامل مختلط بازاریابی را نیز در بر بگیرند.(روشندل، 1388)
2-1-2) تاریخچه وفاداریدر مبحث بازاریابی وفاداری مشتریان »به تلاشهای کوپلند در سال 1923 وتوجه به موضوع چرچیل در سال 1924 باز می‌گردد. از آن زمان بود که مفهوم وفاداری به عنوان یک موضوع علمی در ادبیات بازاریابی مطرح گردیده و تعدادی مطالعه تجربی با هدف توضیح و تشریح این مفهوم طراحی و اجرا گردید. اما در حال حاضر مقالات، مطالعات و پژوهشهای قابل ملاحظه ای درخصوص بحث بازاریابی و یا مفاهیم مرتبط با آن انجام نشده است
در سال 1978 جاکوبی و چستنات در خصوص مفهوم وفاداری و سایر مفاهیم مرتبط با این موضوع تحقیق جامعی انجام دادند که طی آن ایشان بیش از 300 پروژه - ریسرچپیرامون بحث وفاداری مشتریان را مورد تجزیه و تحلیل قرار دادند. در طی تلا شهای ایشان که به منظورسیستماتیک نمودن این تعداد پروژه - ریسرچدرخصوص بحث وفاداری انجام گردید، جاکوبی و چستنات بیش از 50 روش متنوع را در درک وفاداری شناسایی نموده و به دنبال آن این چنین نتیجه گیری نمودند:تمایل شدیدی در درک و شناخت موضوع وفاداری وجود دارد اما پس از مطالعه این مجموعه به این نتیجه رسیدیم که هنوز هیچ توافقی در زمینه این موضوع وجود ندارد که منظور از وفاداری چیست؟ (رسائی، 1391)
2-1-3) رفتار مصرف کنندهرفتار مصرف کننده تحت تأثیر عوامل درونی و بیرونی بسیاری قرار می‌گیرد، تعیین عوامل خاصی که بر رفتار مصرف کنندگان و الگوهای خریدشان تأثیرگذار باشد، مسئله بسیار مهمی برای محققین رفتاری شده است. امروزه بیشتر مطالعات درحوزه رفتار مصرف‌کننده بر پایه نظریه‌های یادگیری اجتماعی استوار شده‌اند و بر محیط به عنوان عامل تعیین کننده رفتار تاکید دارند. به عبارت دیگر، برای درک بهتر رفتار مصرف‌کننده لازم است که ارتباط بین فرد و زمین‌های که فرد در آن قرار دارد، مدنظر باشد (صفر زاده و همکاران، 1390)
حوزه رفتار مصرف‌کننده به مانند دریایی است که هر کس میتواند فقط بخشی از آن را بشناسد، رفتار مصرف‌کننده تحت تأثیر عوامل درونی و بیرونی شکل میگیرد، و با توجه به اینکه مصرف کنندگان در محیطی پویا و دائما در حال تغییر فعالیت میکنند و محصولات و خدمات مصرفی دائما در حال تغییر و تحول میباشند به منظور شناخت این جریان دائمی وایجاد یک آمیخته بازاریابی مناسب برای یک بازار تعریف شده، مدیران بازاریابی باید شناخت دقیقی از رفتار مصرف‌کننده داشته باشند. به عقیده آقای مک دانیل رفتار مصرف‌کننده به تشریح چگونگی تصمیم خرید مصرف کنندگان و نحوه استفاده از کالا یا خدمت خریداری شده، میپردازد. مطالعه رفتار مصرف‌کننده همچنین شامل تجزیه و تحلیل عوامل تأثیرگذار بر تصمیم گیری خرید و استفاده از محصول نیز می‌باشد (صفرزاده و همکاران، 1390).
2-1-4) برندانجمن بازاریابی آمریکا (AMA) برند عبارت است از اسم، عبارت، سمبل، طرح، و یا ترکیبی از این موارد است که بیان کننده ماهیت اصلی ووجودی یک شرکت، محصول و یا یک خدمت است.در درجه نخست برند یک تعهد است و می‌گوید که شما آن نام را می‌شناسید و به تعهد آن اعتماد دارید. اعتماد هدف اصلی و حیاتی برند است. امروزه برند و نام تجاری یکی از مهمترین مباحث بازاریابی است که پیش روی تمامی شرکت ها، من جمله شرکت ها ی تجاری قرار دارد. این اهمیت تا حدی است که مدیریت برند به رشته مستقلی در محافل علمی تبدیل شده است. برندها از لحاظ اقتصادی واستراتژیک جزو دارایی‌های با ارزش شرکت‌ها و حتی بدون اغراق از با ارزش ترین دارایی های آنها محسوب می‌شوند(دهدشتی شاهرخ و همکاران،1391)
در دنیای رقابتی امروز که کالاها از نظر فیزیکی تمایز چندانی با یکدیگر ندارند یک نام تجاری معتبر که وسیله ارتباطی بسیار مهمی در فرآیند مدیریت ارتباط با مشتری می‌باشد، می‌تواند مزیت رقابتی چشمگیری ایجاد کند. نام‌های تجاری به مصرف‌کنندگان وسیله ای برای انتخاب ارائه می‌دهند و تنها وجود نام‌های تجاری است که موجب می‌شود یک محصول از محصول دیگر به آسانی متمایز شود (غفاری آشتیانی و میر، 1390).
برند چکیده ای است از هویت، اصالت، ویژگی و تفاوت. برند این اطلاعات را در یک کلمه با علامت متمرکز شده است، بر می‌انگیزد. به همین دلیل است که برند برای تبادلات کسب و کار حیاتی‌اند. برند به عنوان ابزار بازاریابی نقش ویژه ای را در شرکت‌های خدماتی ایفا می‌کنند چرا که برند قوی اعتماد را در محصولات ناملموس افزایش داده و مشتریان را قادر به ادراک بهتر و ملموس تر شدن آنها می‌کند. یکی از مهم ترین استراتژی های هر سازمان برای پیروزی، تدوین مدیریت و چشم انداز برند است. برند به عنوان رکن و اساس بازی رقابتی امروز، عنصری است که باید به دقت تعریف، ایجاد و مدیریت شود تا سازمان و شرکت‌ها بتوانند با تکیه بر این ستون خیمه گاه کسب و کار خود، سودآوری هر چه بیشتر را رقم بزنند (مؤتمنی و همکاران، 1389).
برند در واقع خلاصه ای از فعالیت شرکت است که باعث ارتباط مشتری با شرکت می‌گردد. در دنیای پر رقابت امروز که سرعت ورود رقبای جدید به بازار و ارائه خدمات متفاوت بسیار بالا است، با توجه به هزینه‌های بالای یافتن مشتریان جدید، حفظ مشتریان فعلی بسیار مهم است. برای این منظور داشتن رابطه عمیق با مشتریان بسیار حائز اهمیت است که می‌توانیم با استفاده از اعتبار نام تجاری خود به این هدف دست یابیم. برند می‌توانند ویژگی‌های شخصیتی مشابه انسان به خود بگیرند و آنچه مسلم است تمامی نام‌های تجاری شخصیت دارند. شخصیت مناسب برند می‌تواند فرد را به برقراری یک رابطه عمیق با برند تشویق کند (غفاری آشتیانی و میر، 1390).
اکونومیست مجله معتبر و شاخص در حوزه کسب و کار سال 1988 را سال برند نامید.ریشه برندیگ را می‌توان در چهار قرن پیش جستجو کرد. کلمه آلمانی branderاولین بار برای بازاریابی کنترل موجودی در خرده فروشی‌ها استفاده شد که در آن معمولا با استفاده از میله‌ای آهنی و داغ محصولات را می‌سوزانند هر چند از این مفهوم ابتدا برای محصولات مشتریان استفاده شد، اما از آن زمان برای موجودی های دیگر شامل خدمات، مکان‌ها و حتی در حوزه بازاریابی صنعتی نیز بهره گرفته شده است )کی فرزندی اصل، 1391)
کاتئورا و ال گراهام (1383) معتقدند که برند تجاری عبارت است از نام، واژه، علامت و طرح و یا ترکیبی از آنها که برای شناسایی کالا و خدمات یک فروشنده مورد استفاده قرار می‌گیرد و باعث متفاوت نمودن آنها از کالاها و خدمات رقبا می‌شود. یک برند تجاری باعث می‌شود تصویر یکپارچه از شرکت در زمان تداعی می‌شود و در اثر استفاده از این برند تجاری برای کالاهای دیگر شرکت کارایی بالا رفته و هزینه‌های ممکن کاهش می‌یابد (کی‌فرزندی اصل، 1391).
قرن‌ها است که علم برند سازی به عنوان ابزاری برای ایجادتمایز میان کالاهای یک تولید کننده از سایر تولید کنندگان مطرح است. طبق تعریف موجود در کتاب فرهنگ واژگان موسسه اینتربرند،"برند ترکیبی از ویژگی‌های مشهود،غیر مشهود و نمادین شده از یک علامت تجاری که به درستی مدیریت شود، ارزش و اعتباربه همراه می‌آورند "ارزش"تعبیرات مختلفی دارد. برند از دیدگاه مصرف کننده یا بازاریابی، قول و تحویل یک تجربه، از دیدگاه تجارت، تضمین درآمدهای آتی و از جنبه قانونی، تکه‌ای قابل تفکیک از دارایی فکری است. هدف برند ایجاد روابطی است که درآمدهای آتی را با رشد ترجیح و وفاداری مشتری ایجاد و تضمین می‌کند برند تصمیم گیری را آسان می‌کنند، اطمینان از کیفیت محصول را برآورده می‌سازند و گزینه‌ای مناسب، متفاوت و معتبر را درمیان پیشنهاد های متناقص در حال رقابت ارائه می‌دهند."
برند را نمی توان یک نماد بر روی یک محصول یا صرفا یک طرح گرافیکی یا تزئینی محض، تنزل داد. یک برند امضایی است بر یک فراگرد مرتبا تازه شونده و خلاق، که محصول" الف"را امروز به بار می‌آورد، محصولات"ب"و "پ" را فردا، و الی آخر.
برندها می‌توانند ریسک تصمیم گیری خرید یک محصول را کاهش دهند .مصرف‌کنندگان در خرید و مصرف یک محصول با ریسک ها و مخاطرات مختلفی ریسک های کارکردی، ریسک سلامتی، ریسک مالی، ریسک اجتماعی، ریسک روان شناختی، ریسک زمانی، از جمله مواجه می‌شوند (مومنی و همکاران، 1392).
یک نام تجاری می‌تواند تا 6 معنای مختلف در بر داشته باشد:
ویژگی‌ها: نخستین تداعی نام تجاری در ذهن ویژگی‌های خاص است.
مزایا: یک نام تجاری چیزی بیش از مجموعه‌ای از ویژگی‌هاست. مشتریان خریدار ویژگی نیستند، بلکه در پی مزیت ها هستند. ویژگی‌ها می‌بایست به مزایای عملیاتی یا عاطفی تبدیل شوند.
فواید: نام تجاری درباره فوایدی که تولید کننده ارائه می‌دهد هم مطالبی گفتنی دارد.
فرهنگ: نام تجاری ممکن است نشانگر فرهنگ خاصی باشد.
شخصیت: نام تجاری می‌تواند شخصیت خاصی رادر ذهن مجسم کند.
استفاده کننده: نام تجاری نوع مصرف‌کننده ای که کالا می‌خرد یا از آن استفاده می‌کند را نشان می‌دهد.
اگر مخاطبین بتوانند ابعاد شش گانه نام تجاری را در نظر خود مجسم کنند آن نام تجاری از عمق لازم برخوردار است، در غیر اینصورت نام تجاری کم عمق خواهد بود (رشیدی و همکاران، 1392).
2-1-5) وفاداری به برند وفاداری به برند عبارت است از واکنش رفتاری نسبتاً متعصبانه در خرید که فرد در طول زمان نسبت به برند پیدا می‌کند و این رفتار باعث می‌شود که در فرایندهای تصمیم گیری و ارزیابی از مجموعه نام‌هایی که در ذهن دارد، گرایش خاصی به آن برند پیدا کند. این واکنش تابعی از فرایند های روانشناختی و ذهنی
فرداست.
بهترین تعریف از وفاداری توسط اولیور (1999) صورت گرفته است. براساس نظر وی، وفاداری منعکس کننده یک تعهد پایدارعمیق به خرید مجدد و مشتری همیشگی بودن یک محصول یا خدمت ترجیح داده شده در آینده است.
وفاداری به نام تجاری به معنی تکرار خرید است که دلیل این رفتار، فرآیندهای روانی است. به عبارت دیگر، تکرار خرید صرفاً یک واکنش اختیاری نیست بلکه نتیجه عوامل روانی، احساسی و هنجاری است (دهدشتی شاهرخ و همکاران، 1391).
انجمن بازاریابی آمریکا(AMA) وفاداری به برندرا چنین تعریف می‌کند: مزیتی که در آن یک مشتری به جای خریدن یک محصول از چندین عرضه کننده آن را بطور مکرر از یک عرضه کننده خریداری نمایند. وفاداری به برند عبارت است از واکنش رفتاری متعصبانه در خرید که فرد در طول زمان نسبت به برند پیدا می‌کند و این رفتار باعث می‌شود که در فرایندهای تصمیم گیری و ارزیابی از مجموعه نام‌هایی که در ذهن دارد گرایش خاصی به برند پیدا کند، این واکنش تابعی از فرایند های روانشناختی و ذهنی فرد است (وظیفه دوست و همکاران، 1389).
کاتلر واژه وفاداری را بعنوان تعهد پایدار به خانواده، کشور و یا دوستان توصیف می‌کند و معتقد است این اصطلاح در ابتدا با تاکید بر وفاداری به نام تجاری وارد ادبیات بازاریابی شده است )رنجبریان و براری، 1388)
یکی از مهمترین مسائلی که امروزه مدیران سازمان‌ها با آن مواجه اند، نحوه درک بهتری از رابطه بین مفاهیم برند وفاداری مشتری است. وفاداری به برند می‌تواند از راه عملکرد بالاتر از انتظار خریدار بدست آید، به نحوی که خریدار از ارزشی که کسب کرده است، احساس شگفتی کند و آن ارزش را مافوق انتظارات خود تشخیص دهد. وفاداری برند نقش به سزایی در ایجاد منافع بلند مدت برای شرکت ایفا می‌کند، زیرا مشتریان وفادار به برند شرکت نیاز به فعالیت های ترفیعی کم تری نسبت به دیگر مشتریان دارند (عزیزی و همکاران، 1391).
وفاداری عبارت است از ایجاد تعهد در مشتری برای انجام معامله با سازمان خاص و خرید کالا وخدمات بصورت مکرر. وفاداری زمانی صورت می‌گیرد که مشتریان قویاً احساس کنند سازمان موردنظر به بهترین وجه نیازهای آنها را برطرف کند. لذا برای تحقق این مسئله آنها باید به سمت ایجاد برنامه وفاداری هم چون موتور محرک وفاداری حرکت کنند (امینی و همکاران، 1389).
وفاداری عبارتست از "وجود یک نوع نگرش مثبت به یک پدیده (مارک، خدمت، مغازه یا فروشنده) و
اما تعریف کاملتری از وفاداری، رفتار حمایتگرانه از آن" (قره چه ودابوئیان،1390).
وفاداری به برند درجه‌ای از مثبت نگری وستیزه جویی که مصرف‌کنندگان بصورت وفاداری فعال و وفاداری انفعالی از خودشان نشان می‌دهند.
وفاداری به برند در زمره ی کاملترین تعاریف پیشنهادی است که توسط" جاکوبی" و" السون" (1970) ارائه شده است. آنها وفاداری به برند را نشات گرفته از پاسخ رفتاری موجودیت طولانی و غیر تصادفی می‌دانند و اینکه یک فرایند ذهنی خرید است که توسط اجزای تصمیم گیری بدیهی ایجاد می‌شودکه در آن یک برند بیشتر از یک برند دیگر مورد توجه قرار می‌گیرد (لین، 2010).
آکر (1996) وفاداری به برند را "دلبستگی یک مشتری نسبت به یک برند" تعریف می‌کند مصرف کنندگان وفادار تمایل دارند به محصولات برنددار پول بیشتری بپردازند زیرا احساس می‌کنند که این نوع محصولات نسبت به سایرین برای آنها ارزش بیشتری ایجاد می‌کند. قصد خرید مجدد نیز نشانگر وفاداری به برند است (صفر زاده و همکاران، 1390)
در کل تعاریف وفاداری را می‌توان در سه گروه زیر قرار داد که عبارتند از:
وفاداری معاملاتی- که در آن تغییر یافتن رفتار خرید مشتری در نظر قرار می‌گیرد، هرچند که انگیزه‌های تغییر ممکن است نامشخص باشد. این دسته از وفاداری به جهت اینگونه نتایج تجاری نزدیک‌ترند، از متداول ترین انتخاب‌های سازمان محسوب می‌شود. وفاداری معاملاتی از روش های زیر حاصل می‌شود:
الف- فروش کالاهای جدید: زمانی که مشتری مبادرت به خریدکالاها و خدمات جدید و متفاوتی از همان عرضه کننده کند.
ب- فروش جانبی: زمانی که مشتری کالاها و خدمات بیشتری را از همان عرضه کننده خرید می‌کند.
ج- تکرار خرید: خرید دوباره یک کالا یا خدمت برای ارضای همان نیاز
ت- اصرار: وفاداری مشتری نسبت به یک ناشر کارت اعتباری
وفاداری ادراکی: که در آن نگرش ها و عقاید مشتریان عنصر کلیدی محسوب می‌شود ولی هیچ نوع مدرکی مبنی بر اثرات آن بر روی خرید وجود ندارد. که در آن نگرش‌ها و عقاید مشتریان عنصر کلیدی محسوب می‌شود ولی هیچ نوع مدرکی مبنی بر اثرات آن بر روی خرید وجود ندارد. وفاداری ادراکی از طرف زیر حاصل می‌شود: