شناسایی عوامل مؤثّر بر قصد خرید کالاهای تقلبی از برندهای معتبر

اختصاصی از ژیکو شناسایی عوامل مؤثّر بر قصد خرید کالاهای تقلبی از برندهای معتبر دانلود با لینک مستقیم و پر سرعت .

شناسایی عوامل مؤثّر بر قصد خرید کالاهای تقلبی از برندهای معتبر

بصورت ورد ودر 132صفحه

چکیده:

از آنجا که برند هر بنگاه از با ارزش ترین دارایی های نامشهود آن بنگاه و منبع درآمد به حساب می آید می توان اینطور استدلال کرد، زمانی که یک برند در بازار شناخته می شود و به موفقّیت دست پیدا می کند این احتمال وجود دارد که دستخوش جعل وتقلّب شود(مالدونادو و هیوم ، 2005). واقعیّت این است که کالاهای تقلّبی از برندهای معتبر در همه جای دنیا و از جمله ایران به راحتی در دسترس بوده و باعث تشویق مصرف کنندگان به خرید این محصولات به جای محصولات اصلی می شوند. امّا مسئله، صرفاً تولید این نوع کالاها نیست، بلکه تقاضایی است که مصرف کنندگان برای این محصولات دارند هدف اصلی این پژوهش بررسی کردن عواملی است که به صورت آگاهانه قصد خرید کالاهای تقلبی از برندهای معتبر را افزایش می دهد. بدین منظور و با توجه به مدل ارائه شده 6 فرضیه مطرح شده است. رویکرد پژوهشی پیمایشی- توصیفی از نوع همبستگی قرار است. جامعه آماری آن شامل مصرف کنندگان نهایی از عینک های آفتابی تقلبی می باشد، که با استفاده از روش نمونه گیری تصادفی ساده تعداد 384 پرسشنامه توزیع گردید. برای گردآوری داده ها از روش کتابخانه های و میدانی استفاده شده است. برای تعیین معناداری میان رابطه ها از آزمون همبستگی پیرسون استفاده شده است. در این پژوهش تأثیر تصویر ذهنی ادراک شدۀ مصرف کننده (نظیر شخصیت برند، ویژگی های ادراک شده و مزایای ادراک شده)، دانش محصول، درگیری محصول و ریسک ادراک شده بر قصد خرید عینک های تقلبی از برندهای معتبر سنجیده شده است. یافته های پژوهش مؤید آن است که رابطۀ مستقیم میان درگیری محصول، شخصیت برند، ویژگی های ادراک شده محصول و مزایای ادراک شده با قصد خرید وجود دارد. همچنین رابطه معکوس ریسک ادراک شده با قصد خرید برقرار است. میان دانش محصول و قصد خرید رابطه ای وجود ندارد.

ترجمه فارسی مقاله معتبر با موضوع داده کاوی فازی برای داده های سری زمانی Fuzzy data mining for time-series data

اختصاصی از ژیکو ترجمه فارسی مقاله معتبر با موضوع داده کاوی فازی برای داده های سری زمانی Fuzzy data mining for time-series data دانلود با لینک مستقیم و پر سرعت .

ترجمه فارسی مقاله داده کاوی فازی برای داده های سری زمانی

Fuzzy data mining for time-series data

Chun-Hao Chen a, Tzung-Pei Hong b,c,∗, Vincent S. Tseng d

واژه‌های کلیدی

قانون رابطه، داده کاوی، مجموعه فازی، پنجره کشویی، سری زمانی

سال انتشار مقاله: 2011 Elsevier B.V. All rights reserved

مقاله ژورنالی

چکیده

تجزیه و تحلیل سری های زمانی، همواره به عنوان یکی از حوزه پژوهشی مهم و جالب توجه، به دلیل حضور مکرر آن در برنامه های کاربردی مختلف بوده است. در گذشته، روش های بسیاری بر اساس رگرسیون، شبکه های عصبی و سایر مدلهای ریاضی، به منظور تجزیه و تحلیل سری های زمانی مطرح شده بود. در این مقاله، ما در تلاش برای استفاده از روش های داده کاوی به منظور تجزیه و تحلیل سری های زمانی هستیم. بسیاری از مطالعات قبلی مبتنی بر داده کاوی، بر روی مدیریت داده هایی با سنجش باینری (دوتایی) متمرکز شده است. با این حال داده های سری زمانی، دارای مقادیر کمی هستند. به این ترتیب در این مقاله، رویکرد فازی قبلی خود در رابطه با استخراج را برای کنترل داده های سری زمانی مورد نظر به منظور پیدا کردن قوانین زبان مشترک، توسعه داده ایم. این روش پیشنهادی برای اولین بار از یک پنجره کشویی برای تولید دنباله های مداوم از یک سری زمانی داده شده و پس از آن تجزیه و تحلیل مجموعه ی اقلام فازی از این تاخیرها استفاده کرده است. سپس فرایند پردازشی مناسبی برای حذف الگوهای زائد، انجام گرفت. همچنین آزمایش هایی برای نشان دادن عملکرد الگوریتم داده کاوی پیشنهادی، انجام گرفت. از آنجا که نتایج نهایی توسط قواعد زبانی نشان داده شده، آنها نسبت به نمایش کمی، برای انسان مناسب تر خواهند بود.

Abstract

Time series analysis has always been an important and interesting research field due to its frequent appearance in different applications. In the past, many approaches based on regression, neural networks and other mathematical models were proposed to analyze the time series. In this paper, we attempt to use the data mining technique to analyze time series. Many previous studies on data mining have focused on handling binary-valued data. Time series data, however, are usually quantitative values. We thus extend our previous fuzzy mining approach for handling time-series data to find linguistic association rules. The proposed approach first uses a sliding window to generate continues subsequences from a given time series and then analyzes the fuzzy itemsets from these subsequences. Appropriate post-processing is then performed to remove redundant patterns. Experiments are also made to show the performance of the proposed mining algorithm. Since the final results are represented by linguistic rules, they will be friendlier to human than quantitative representation.

Applied Soft Computing 12 (2012) 536–542

journal homepage: www.elsevier.com/locate/asoc

نمونه داکیومنت را می توانید در تصویر کیفیت پایین (پیش نمایش) زیر مشاهده نمایید:

 

آنچه تحویل داده می شود:

1. فایل ورد Microsoft Word .docx ترجمه به فارسی
2. فایل PDF مقاله اصلی به زبان انگلیسی

تعداد صفحات فایل ورد مقاله ترجمه شده (فارسی): 4 صفحه (در حقیقت 4 صفحه دو طرفه، یعنی 8 صفحه A4 می باشد)

تعداد صفحات مقاله اصلی: 7 صفحه

مناسب برای دانشجویان کارشناسی و ارشد کامپیوتر (مهندسی نرم افزار و معماری کامپیوتر) و دانشجویان IT بالاخص دانشجویان سخت افزار و معماری کامپیوتر در ارشد

می توان به عنوان پروژه دروس کارشناسی ارشد یا کارشناسی این پروژه را تحویل داد، دروسی مانند سیستم خبره، داده کاوی، مهندسی نرم افزار پیشرفته، مباحث پیشرفته در مهندسی نرم افزار، یادگیری ماشین،Machine Learning ، Data Mining و غیره

از پایین همین صفحه می توانید این پروژه را خریداری نمایید.