طبقه بندی ریسک بیمه گذاران بیمه بدنه اتومبیل با استفاده از داده کاوی

ارائه چارچوبی برای بخش بندی بازارهای الکترونیکی و طبقه بندی مشتریان با استفاده از مدل سازی و داده کاوی

دو چالش عمده ی بنگاه ها «حفظ و نگهداری مشتریان فعلی» و «جذب مشتریان جدید» برای مواجهه با شرایط عدم اطمینان و کسب سهم بیشتر بازار به عنوان یک شاخص مهم مزیت رقابتی است. بخش بندی بازار به منظور شناخت هر چه بیشتر نیازها و خواسته های مشتریان از دیرباز یک گام اساسی برای ارایه خدمات بهت

طبقه بندی داده ها و پیش بینی با استفاده از داده کاوی (مطالعه موردی: دسته بندی گاوها از نظر سختی یا سهولت زایش)

در ابتدا، دلایل ظهور و رایج شدن داده کاوی به عنوان یکی از مهم ترین گام های کشف دانش در پایگاه داده ها مورد توجه قرار می گیرد. مطالعه موردی ما یعنی دسته بندی گاوها به لحاظ سختی یا سهولت زایش و پیش بینی در این زمینه، یک کاربرد نوین از داده کاوی به شمار می آید که به تشریح و بیان ضرو

طبقه بندی ریسک های پروژه های ساختمانی و تحلیل آنها با استفاده از مدل سازی معادلات ساختاری و رویکرد خاکستری(مورد مطالعه: پروژه شرکت برج آوران)

پروژه ها دارای تعهدات وسیع، هزینه بر و با ریسک بالا می باشند که باید در یک تاریخ معین، با بودجه ای مشخص و در سطح کارایی مورد انتظار به اتمام برساند. با توجه به مطالعات انجام شده، پروژه ها اغلب دیرتر از زمان مورد انتظار و با صرف بودجه ای بیشتر از بودجه از پیش تعیین شده و کیفیتی پا

طبقه بندی داده های مشتریان بانکها با استفاده از داده کاوی و تکنیکهای خوشه بندی (مطالعه موردی:شعب بانک سپه تهران)

این تحقیق با هدف تقسیم بندی مشتریان بانکی با استفاده از تکنیک خوشه بندی و ارائه ی استراتژی های بازاریابی مخصوص هر خوشه از مشتریان بوده است. امروزه با توجه به حجم وسیع اطلاعات مشتریان حقیقی و حقوقی در صنعت بانکداری،تجزیه و تحلیل داده های بدست آمده از پایگاه های داده ی مشتریان بانک

طبقه بندی و برآورد مشخصه های جنگل بر روی داده های سنجش از دور با استفاده از روش knn

برآوردهای کمّی و دقیق از مشخصات توده های جنگلی، تضمینی بر مدیریت صحیح آن ها است. تصاویر سنجش از دور با توجه به اطلاعات مکانی دقیق و وسیع، همواره ابزاری مقرون به صرفه در مدیریت جنگل بوده و یکی از عمومی ترین کاربردهای تصاویر ماهواره ای در علم جنگلداری، طبقه بندی مشخصه های توده های

طبقه بندی و تهیه نقشه پوشش گیاهی با استفاده از داده های سنجش از دور (مطالعه موردی : حوزه آبخیز پاکل، استان مرکزی)

طبقه بندی مشتریان اینترنت بانک با کمک الگوریتم های داده کاوی

طبقه بندی مشتریان با استفاده از الگوریتم های داده کاوی، بانک ها را قادر به حفظ و وفاداری مشتریان قدیم و جذب مشتریان جدید خواهد کرد. یکی از روش های داده کاوی، درخت تصمیم گیری است و چنانچه درخت تصمیم مناسبی ساخته شود، می توان مشتریان را به‎طور بهینه طبقه بندی کرد. در این نوشتار، یک

مقایسه ى دو روش داده کاوی در بخش بندی مشتریان بیمه ى بدنه ى اتومبیل براساس ریسک (مورد مطالعه: شرکت بیمه ى ملت)

با رشد روز افزون کامپیوتر، مقادیر زیادی از داده ها به وسیله ی سیستم های مختلف به وجودمی آیند. در حال حاضر مسئله ى پیش روی سازمان ها، دیگر جمع آوری داده ها نیست، بلکه تواناییاستخراج اطلاعات مفید از میان آنهاست. همانند دیگر بخش های اقتصادی، شناخت و جذب مشتریانکم ریسک و سودآور برای

مقایسه ی دو روش داده کاوی در بخش بندی مشتریان بیمه ی بدنه ی اتومبیل براساس ریسک (مورد مطالعه: شرکت بیمه ی ملت)

با رشد روز افزون کامپیوتر، مقادیر زیادی از داده ها به وسیله ی سیستم های مختلف به وجودمی آیند. در حال حاضر مسئله ی پیش روی سازمان ها، دیگر جمع آوری داده ها نیست، بلکه تواناییاستخراج اطلاعات مفید از میان آنهاست. همانند دیگر بخش های اقتصادی، شناخت و جذب مشتریانکم ریسک و سودآور برای

طبقه بندی متقاضیان تسهیلات اعتباری بانکی با استفاده از داده کاوی و منطق فازی

در این پژوهش، هدف، بهره گیری از ابزارهای داده کاوی و منطق فازی برایطبقه بندی مشتریان تسهیلات اعتباری می باشد به طوریکه ابهامات و عدم قطعیت رادر خصوص طبقات مشتریان و نیز متغیرهای تاثیر گذار در رفتار آنها را پوشش دهد.روش کار بدین شکل می باشد که طبق یک فرایند استاندارد داده کاوی، دا

طبقه بندی متقاضیان تسهیلات اعتباری بانکی با استفاده از داده کاوی و منطق فازی

در این پژوهش، هدف، بهره گیری از ابزارهای داده کاوی و منطق فازی برایطبقه بندی مشتریان تسهیلات اعتباری می باشد به طوریکه ابهامات و عدم قطعیت رادر خصوص طبقات مشتریان و نیز متغیرهای تاثیر گذار در رفتار آنها را پوشش دهد.روش کار بدین شکل می باشد که طبق یک فرایند استاندارد داده کاوی، دا

روشی نوین به منظور طبقه بندی داده های چند بازگشتی لایدار با استفاده از اطلاعات هندسی مجاورتی و فضای پدیده

داده های اخذ شده توسط سیستم های لیزر اسکنر هوایی به دلیل برخورداری از مزایایی نظیر دقت هندسی نسبتاً بالا و تراکم مکانی بالای نقاط، اطلاعات هندسی متنوع و منحصر به فردی از سطوح فیزیکی عوارض فراهم می آورند. طبقه بندی و تفکیک داده های ابر نقطه به عوارض سازنده ی محیط، نقش مهمی در روند