به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
جستجوی مقالات مرتبط با کلیدواژه

hierarchical clustering

در نشریات گروه مدیریت
تکرار جستجوی کلیدواژه hierarchical clustering در نشریات گروه علوم انسانی
تکرار جستجوی کلیدواژه hierarchical clustering در مقالات مجلات علمی
  • ابوالفضل براتی، سلمان عیوضی نژاد*

    پژوهش حاضر در صنعت زعفران و با هدف بخش بندی کشورهای مختلف جهان بر مبنای شاخص های کلان بوده که در قالب چهار معیار جمعیت شناختی، اقتصادی، تجاری و ارتباطی دسته بندی شده است. نوع پژوهش از منظر هدف، کاربردی- توسعه ای و از منظر گردآوری داده ها در دسته مطالعات کتابخانه ای و به روش کاوش داده ها، کمی است. کلیه کشورهای عضو سازمان ملل متحد به عنوان جامعه برگزیده شدند و کشورهایی که دارای جمعیت بالای 500 هزار نفر یا درآمد سرانه بالای 10 هزار دلار در سال بوده به علاوه اینکه یک منطقه استراتژیک قرار دارند به عنوان نمونه انتخاب شدند. از داده های مرتبط با 143 کشور در تحلیل ها استفاده شده است. از روش خوشه بندی سلسله مراتبی با استفاده از نرم افزار SPSS 25 جهت تحلیل داده ها بهره گرفته شد. نتایج پژوهش بیانگر وجود هشت خوشه بوده که بیشترین تعداد مربوط به خوشه دوم با حضور 100 کشور و کمترین خوشه مربوط به خوشه هشتم که تنها شامل ایالات متحده آمریکا است. همچنین بر اساس نتایج از نظر جمعیتی به ترتیب خوشه های پنجم و هشتم و چهارم که شامل کشورهای چین، هند، آمریکا، برزیل، اندونزی، نیجریه و پاکستان هستند به عنوان جذاب ترین خوشه ها در هدف گذاری بازار زعفران ایران انتخاب شدند.

    کلید واژگان: زعفران، بخش بندی بازار، خوشه بندی سلسله مراتبی، کشورهای هدف
    Abolfazl Barati, Sa, Lman EIVAZINEZHAD *

    Segmentation of International Markets of Saffron with Using Hierarchical Clustering TechniqueThe purpose of this study is segment of saffron product in different countries of the world on basis macro indicators selected in four demographic, economic, commercial and communication domains. research is a descriptive-correlational one and based on library studies. Selected communities include all UN member states and sample countries with populations above 500,000 or per capita income above $ 10,000 per year plus Getting into a strategic area constitutes a total of 143 countries used in the analysis. Hierarchical clustering method was used for data analysis by SPSS 25 software. The results show that there are eight clusters, with the highest number being in the second cluster with 100 countries and the lowest in the United States alone. Also, based on demographic results, the fifth, eighth and fourth clusters, which include China, India, the US, Brazil, Indonesia, Nigeria and Pakistan, can be attractive clusters in targeting saffron stakeholders in market.

    Keywords: Saffron, Market Segmentation, Hierarchical Clustering, Target Countries, Product Development, Market Develop
  • Marziyeh Nourahmadi, Fatemeh Rasti, Hojjatollah Sadeqi *
    Data mining is known as one of the powerful tools in generating information and knowledge from raw data, and Clustering as one of the standard methods in data mining is a suitable method for grouping data in different clusters that helps to understand and analyze relationships. It is one of the essential issues in the field of investment, so by using stock market clustering, helpful information can be obtained to predict changes in stock prices of different companies and then on how to decide the correct number and shares in the portfolio to private investors and financial professionals' help. The purpose of this study is to cluster the companies listed on the Tehran stock exchange using three methods of K-means Clustering, Hierarchical clustering, and Affinity propagation clustering and compare these three methods with each other. To conduct this research, the adjusted price of 50 listed companies for the period 2019-07-01 to 2020-09-29 has been used.  The evaluation results show that the obtained silhouette coefficient for K-means Clustering is higher and, therefore, better than other methods for stock exchange data. In the continuation of the research, calculating the co-integration of stock pairs that have the same co-movement with each other were identified, and finally, clusters were compiled using the t-SNE method.
    Keywords: Hierarchical clustering, t-SNE, Pair trading, Financial time series, Affinity propagation clustering
  • حجت الله صادقی*
    خوشه بندی ارزهای دیجیتال به عنوان یک زمینه نوظهور در مدیریت سرمایه گذاری موضوع اصلی این تحقیق است. با استفاده از ماتریس های فاصله مبتنی بر اطلاعات، 30 ارز دیجیتال ارزشمند را دسته بندی کردیم. سپس، تاثیرگذارترین خوشه بندی را با مفهوم درخت پوشای کمینه (MST) و معیارهای مرکزیت نظریه گراف شناسایی کردیم. یک خوشه بندی مرتبه دوم، که به عنوان خوشه بندی خوشه های سلسله مراتبی تعریف می شود، برای خوشه بندی 56 دندروگرام اعمال شد و در نهایت با استفاده از تاثیرگذارترین خوشه بندی، خوشه های اصلی ارزهای دیجیتال و زیرخوشه ها را شناسایی کردیم. نتایج نشان می دهد که ترکیب خوشه بندی ارزهای دیجیتال، در دوره اول (قبل از COVID-19) و دوره دوم (زمان همه گیری) تغییر کرده است.
    کلید واژگان: خوشه بندی سلسله مراتبی، درخت پوشای کمینه، آنتروپی، رمزارزها
    Hojjatollah Sadeqi *
    The clustering of cryptocurrencies as an emerging field in investment management is the main topic of this research. Applying the information-based distance matrices, we clustered the 30 most valuable cryptocurrencies. Then, we identified the most influential clustering by the concept of Minimum Spanning Tree (MST) and the centrality measures of graph theory. A second-order clustering, which is defined as the clustering of hierarchical clusterings, was applied to cluster 56 dendrograms. Using the most influential clustering, we identified the main clusters of cryptocurrencies and sub-clusters. The results showed that the clustering composition of cryptocurrencies changed at the period I (before COVID-19) and II (pandemic time).
    Keywords: hierarchical clustering, Minimum Spanning Trees, Entropy, Cryptocurrencies
  • Salman Abbasian Naghneh, Reza Tehrani *, Mohammad Tamimi

    Nowadays, financial markets in Iran have attracted the attention of many managers, investors and financial policymakers. Therefore, in order to make the optimal decision and reduce the risks in such a market, it is important to identify and analyze the network behavior of the financial markets at different times to obtain the optimal decision. The current study aims to answer the following research question; how is it possible to use the minimum spanning tree and hierarchical clustering in the network analysis of the Tehran Stock Exchange? The period examined was 2013 to 2018. The population consisted of all the companies accepted in Tehran Stock Exchange. The sampling was selected purposefully and contained the companies which had at least one trading day in the time span from the beginning of 2013 to the end of 2018. The stock of the investigated companies was considered as the vertexes of one graph and the coherent information criterion was considered as the weight of the edge. First, the minimum spanning tree of the graph was calculated. The results revealed that the stocks of DarooAbuReihan, DarooPakhsh and Alborzdaroo had a high influence on directing the prices of the other stocks. Furthermore, the results of hierarchical clustering classified the stocks of the companies into 8 clusters. This study presents a viewpoint about the modern method designed for the analysis of complex financial networks. Moreover, the study offers an analysis of Iran's stock market structure which can be the center of finance researchers and analysts' attention.

    Keywords: Network behavior of stock, Minimum Spanning Tree, Hierarchical clustering, Behavioral similarity
  • محسن عسگری، محمدرضا تقوا*، محمدتقی تقوی فرد

    بانک ها در فضای رقابتی شدید تلاش می کنند تا به منابع مالی بیشتری دست پیدا کنند. با توجه به بالاتر بودن هزینه های جذب مشتری جدید نسبت به نگهداری مشتریان موجود، عمده تلاش بانک ها روی حفظ سپرده های موجود مشتریان در بانک متمرکز است. لذا پیش بینی رویگردانی مشتریان پیش از وقوع برای بانک ها از اهمیت ویژه ای برخوردار است. تقریبا در تمامی تحقیقات مرتبط در بانک ها مشتریان به دو دسته رویگردان و غیر رویگردان با یک تعریف ثابت از رویگردانی تقسیم شده اند؛ اما در شرایط بانکداری ایران نمی توان از یک تعریف ثابت برای رویگردانی استفاده نمود؛ بنابراین لازم است که رویگردانی را به صورت دینامیک و در قالب وضعیت های مختلف تعریف کنیم. برای این منظور در این تحقیق مفهوم زنجیره وضعیت معرفی می شود که تغییرات وضعیت رویگردانی جزئی مشتریان طی زمان را مشخص می کند. با به کارگیری این زنجیره ها و استفاده ترکیبی از تکنیک های خوشه بندی سلسله مراتبی و همچنین ماشین های بردار پشتیبان، مدلی برای پیش بینی رویگردانی جزئی مشتریان بانک ها ساخته شد. برای ساختن نمونه عملی و ارزیابی دقت پیش بینی، پنج سال داده های واقعی مشتریان یک بانک اروپایی و همچنین سه سال داده های مشتریان سه بانک ایرانی مورد استفاده قرار گرفتند. نتایج حاکی از دقت بالای پیش بینی در مدل های ساخته شده روی هر چهار بانک به خصوص با افزایش طول زنجیره های وضعیت در داده های آزمون است.

    کلید واژگان: رویگردانی جزئی، مدل زنجیره وضعیت، مشتریان بانک، خوشه بندی سلسله مراتبی، ماشین بردار پشتیبان
    Mohsen Asgari, Mohammadreza Taghva *, Mohammad Taghi Taghavifard

    Banks are endeavoring to gain more funds in a highly competitive environment. Given the higher costs of attracting new customers than retaining existing ones, most banks focus on maintaining their existing customers. Therefore, it is quite important for the banks to predict the customer churn in advance. In almost all related research works in banking, customers are divided into two types of static categories: “churners” and “loyal” customers. However, due to the nature of banking particularly in Iran, it is necessary to define churn in a dynamic manner in a variety of circumstances. In this study, the concept of state chain is introduced, which identifies changes in customers’ partial churn status over time. Using the sequence of chains and a combination of hierarchical clustering techniques as well as support vector machine, a model was developed to predict partial churn of bank customers. To construct a practical sample and to evaluate the prediction accuracy, 5 years of real European bank customers’ data as well as 3 years of customers’ data from three different Iranian banks were used. The results indicate a high level of prediction accuracy for the model in all 4 banks, particularly when longer sequences of states are used.

    Keywords: : Partial Churn Prediction, State Chain Model, Bank Customers, Hierarchical Clustering, Support Vector Machine
  • علی رضاییان، محمدرضا کاشی نیشابوری
    هدف از پژوهش حاضر، توسعه رویکردهای تعامل پذیر در صنایع خدماتی و سنجش خوشه های نظام سلامت کشور مبتنی بر شبیه سازی کارکردهای تعامل پذیر در مراکز بهداشتی و درمانی و تبیین روابط چند سطحی میان متغیرهای تعریف شده در سطوح مختلف است. الگو های عملیاتی تعامل پذیری در حوزه سلامت از سطوح و ابعاد متعددی برخوردار است که تبیین دقیق و صحیح سازوکارهای مربوط به آن ها، تسهیل کننده فرایندهای اجرایی ذی ربط خواهد بود. در همین راستا در این پژوهش سعی بر آن است تا ضمن تبیین الگوی تعامل پذیری در این حوزه، رویکردهای رایج در این بخش استخراج و سپس مطابق با رویکرد شبیه سازی به کار رفته، چارچوب پیشنهادی برای تعامل پذیری دولت الکترونیکی در حوزه سلامت کشور ارائه شود. جامعه آماری موردمطالعه کارشناسان، مدیران و خبرگان حوزه سلامت، فناوری اطلاعات و مدیریت درمان بودند که با بهره گیری از الگوی نمونه گیری خوشه ای-تصادفی و با برگزاری جلسه های دلفی، مولفه ها و ابعاد موردنظر الگوی پیشنهادی اعتبارسنجی شد. درنهایت، چارچوب پیشنهادی با استفاده از نظرسنجی از خبرگان اعتبارسنجی و تبیین شد؛ به نحوی که با ضرایب نزدیکی مربوط به خوشه ها، رویکردهای بهینه تعامل پذیری بر حسب شاخص های هزینه ای، درآمدی، زمانی و کیفی ارائه شد.
    کلید واژگان: تعامل پذیری، نظام سلامت، شبیه سازی پیوسته، خوشه بندی سلسله مراتبی
    Ali Rezaeian, Mohammadreza Kashfy Neyshabouri
    The purpose of this paper is to develop simulation-based healthcare system model in the indigenous interoperability functions in health centers and explain the multilevel relations between variables defined in different levels. Interoperability operational models and various aspects of health levels and accurate explanation of their mechanisms will facilitate relevant administrative processes. In this regard, in this paper an attempt is made to explain the pattern of interoperability in this area. In accordance with the simulation approach, common approaches in this section is extracted and the proposed framework for e-government interaction in the field of health-risk group used. Community groups, experts, managers and experts in the field of health, information technology and management were the population of this study and using cluster-randomized treatment by utilizing sampling pattern and holding meetings with Delphi, factors and dimensions of the proposed model was validated. Finally, the proposed framework and using expert's survey was explained in a way that is closely related to clusters coefficients, optimal interoperability areas in terms of indices, income, time and quality were presented.
    Keywords: Interoperability, Healthcare Systems, Continuous Simulation, Hierarchical Clustering
  • احمدرضا قاسمی*، محمدحسن ملکی، آصف کریمی

    مدیریت فرهنگی در سالیان اخیر از جمله مقولات جذاب و پرمخاطب از سوی پژوهشگران سازمانی محسوب شده است. به دیگر سخن سرمایه های فرهنگی، متضمن توسعه روابط پایدار و سازنده میان کشور ها، ملت ها و سازمان ها است. هدف از پژوهش حاضر تعیین اولویت های توسعه روابط برون سازمانی مبتنی بر تحلیل خوشه های فرهنگی است. به این منظور از ابزار های خوشه بندی سلسله مراتبی و فرایند تحلیل سلسله مراتبی بهره گیری شده است. داده های پژوهش از دو منبع نظرسنجی با فرایند تحلیل سلسله مراتبی از اساتید دانشکده مدیریت دانشگاه تهران و داده های ثانویه مرتبط با ابعاد ارزشی در مطالعات گلوب گردآوری شده است. نتایج پژوهش نشان از این امر دارد که ارزش های فرهنگی فاصله قدرت، عملکرد گرایی و جمع گرایی گروهی (خانوادگی)، واجد بالاترین میزان اهمیت در تعیین خوشه ها است. همچنین نتایج حاصل از خوشه بندی برخلاف نتایج مطالعات پیشین، موید همگرایی فرهنگی میان کشور های ایران، ترکیه، مراکش است. هرچند از دیرباز ارزش های فرهنگی عاملی در تقویت و توسعه روابط میان دولت ها، ملت ها و سازمان ها انگاشته شده اند؛ در توسعه روابط خارجی بایسته است به دیگر مولفه های نقش آفرین در توسعه سیاست خارجی ازجمله مولفه های سیاسی، اقتصادی، فناوری،... نیز توجه شود.

    کلید واژگان: خوشه های فرهنگی، تحقیقات جهانی رهبری و فرهنگ سازمانی، فرایند تحلیل سلسله مراتبی، خوشه بندی سلسله مراتبی
    Ahmadreza Ghasemi *, Mohammad Hosein Maleki, Asef Karimi

    In recent years, cultural management has been considered as an appealing topic by organizational researchers. In other words, cultural capital involves development of constructive and permanent relationship among countries, nations and businesses. Present research aims to determine priorities of extra-organizational development based on cultural cluster analysis. For this purpose, hierarchy analysis process and hierarchy clustering tools have been utilized. Research data has been gathered through polling from professors of Tehran university management faculty with hierarchical analysis process and also secondary data related to value dimensions is prepared from club studies. Results indicated that cultural values of power distance, performalism and group (family) collectivism have the highest importance in cluster determination. In addition, on the contrary of results of former studies, clustering results was confirmatory to cultural convergence among Iran, Turkey and Morocco. Although, from a long time ago, cultural values are supposed to be factors in fortifying and developing relationships between governments, nations and businesses, In international relations other impressive factors should be considered such as political factors, economical factors, technology factors and …

    Keywords: cultural cluster, global research on leadership andorganizational culture, hierarchical analysis process, hierarchical clustering
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال