جستجوي پيشرفته | کتابخانه مجازی الفبا

‫يكي از مهم ترين مشكلات ، در جوامع امروزي، مسأله تجمل گرايي است. تجمل به معناي آراستگي ظاهر و تجمل‌گرايي به معناي افراط و و زياده‌روي در آراستگي است. تجمل‏گرايي در ديدگاه عرف، به معناي روي‏آوري بيش از حد به ماديات و گردآوري اشيا و لوازم غيرضروري و دل‏بستن به آنهاست، به گونه‏اي که اين عمل، به يک هدف براي انسان‏ها تبديل شود. اين نوع تجمل‏گرايي نه تنها سفارش نشده، بلکه به دليل پي‏آمدهاي ناخوشايند آن، نکوهش نيز شده است. البته زيبايي هاي مصنوعي وتجمل وخود آرايي مورد عنايت مخصوص قرآن کريم وروايات مذهبي است اما توجه بيش از اندازه به اين امر ممكن است باعث پيدايش عادات ناپسندي هم چون،غرور،غفلت از ياد خدا ،خود پسندي ، خود نمايي شود . وانسان با پرداختن به اين مسائل راه سعادت وتکامل را که هدف نهايي از خلقتش مي¬باشد از بين مي برد. از اين رو در جهت کمرنگ کردن اين مسأله بايد مقدماتي از قبيل عوامل تجمل گرايي، آثار فردي و اجتماعي تجمل-گرايي،راهکار هاي جلوگيري از آن را بايد شناخت و آن ها را درمان کرد. کلمات کليدي: تجمل‌گرايي، تجمل و آراستگي، اعتدال و ميانه‌روي، اسراف، اتراف، رفاه-زدگی

کاهش دادن ریسک زمان از کار افتادگی محصولأت صنعتی، در بحث حمایت از تجهیزات صنعتی، تجاری و کالاهای خانگی بادوام، روز به روز در دنیای اقتصاد و تجارت و تولید اهمیت بیش تری پیدا می نماید. این کاهش ریسک هم در مورد تجهیزات فروخته شده و هم تجهیزات کرایه ای موضوعیت دارد. به طور سنتی، بهبود حمایت از محصولأت به معنای بهبود بخشیدن به فعالیت تشخیص عیب، تعمیر و در دسترس قرار دادن قطعات یدکی می باشد. این دیدگاه نسبت به فعالیت های حمایتی از محصولات، خدمات پس از فروش ((pss 1 و سرویس وارانتی در حال ضعیف شدن است. در بسیاری از موقعیت ها "تجهیزات امانتی " در کاهش زمان از کار افتادگی یا حذف آن به مراتب از نظر هزینه ها با صرفه تر است. این مقاله بر آن است مدلی جهت تعادل در تصمیمات مربوط به "تجهیزات امانتی " را توسعه دهد؟ از این رو خط مشی های "امانت جایگزین " 2 مورد بحث قرار گرفته و کاربرد این خط مش ها در سرویس وارانتی نشان داده شده است.

امروزه استفاده از اطلاعات ژنتیکی افراد در تشخیص و رده‌بندی انواع بیماری‌ها از جمله سرطان‌ها، مورد توجه قرار گرفته است. یکی از بهترین و دقیق‌ترین روش‌ها در این زمینه، بررسی مقادیر بیان ژنی در افراد مختلف توسط فناوری ریزآرایه می‌باشد. یکی از مشکلات داده‌های ریزآرایه کم بودن تعداد نمونه‌ها در مقایسه با تعداد ژن‌ها است. این مسیله سبب کاهش دقت رده‌بندی و افزایش هزینه‌های محاسباتی و آزمایشگاهی می‌شود، در عین حال بسیاری از این ژن‌ها در ایجاد بیماری مورد بررسی نقشی ندارند، در نتیجه تشخیص و انتخاب ژن‌های موثر در بروز بیماری علاوه بر آنکه سبب افزایش دقت رده‌بندی وکاهش هزینه‌ها می‌شود، از نظر زیستی نیز از اهمیت ویژه‌ای برخوردار است و می‌تواند اطلاعات مفیدی درباره علل و نحوه درمان بیماری‌ها در اختیار محققین قرار دهد. تشخیص و انتخاب ژن‌های موثر در بروز بیماری، از میان هزاران ژن مورد بررسی در آزمایش ریزآرایه، انتخاب ژن نام دارد.در این پایان‌نامه با بررسی روش‌های مختلف انتخاب ژن، تلاش شده است با بهره‌گیری از مزایای روش‌های موجود، چارچوب جدیدی برای انتخاب ژن‌های موثر در بروز بیماری ارایه شود، به‌نحوی که نقاط ضعف روش‌های متداول پوشش داده شوند. در روش پیشنهادی، علاوه بر داده‌های بیان ژنی از یکی دیگر از منابع معتبر موجود درباره ژن‌ها یعنی آنتولوژی ژن نیز کمک گرفته شده است. استفاده از آنتولوژی ژن در کنار مجموعه داده‌های بیان ژنی تا حدی می‌تواند محدودیت‌های ریزآرایه یعنی کم بودن تعداد نمونه‌ها و خطای احتمالی در مقادیر اندازه‌گیری شده را جبران نماید. در چارچوب ارایه شده ابتدا بخش عمده‌ای از ژن‌های غیرمرتبط با کمک روش فیلتری (فیشر) حذف می‌شوند، اما روش‌های فیلتری همبستگی موجود بین ژن‌ها را مدنظر قرار نمی‌دهند در نتیجه ژن‌های باقیمانده دارای حجم بالایی از افزونگی می‌باشند. به‌منظور کاهش افزونگی در ژن‌های باقیمانده، یک رویکرد حریصانه برای حذف ژن‌های مشابه پیشنهاد شده است. در این رویکرد میزان مشابهت ژن‌ها با در نظر گرفتن اطلاعات آنتولوژی ژن و داده‌های بیان ژنی و بر اساس یک معیار تلفیقی محاسبه می‌شود و سپس بر اساس این معیار، ژن‌های افزونه از مجموعه ژن‌ها حذف می‌شوند. در نهایت ژن‌های باقیمانده از این مرحله، به‌عنوان ژن‌های کاندید به‌طور دقیق‌تر توسط روش SVMRFE مورد بررسی قرار می‌گیرند تا مجموعه ژن‌های نشانگر بیماری بدست آید. روش پیشنهادی بر روی دو مجموعه داده سرطان DLBCL و سرطان کلون اعمال شده است. نتایج بدست آمده نمایانگر تاثیر مثبت روش پیشنهادی بر کارایی رده‌بندی است، به‌علاوه مقایسه این روش با روش‌های انتخاب ژن متداول، نشان می‌دهد که روش ارایه شده به ازای تعداد ژن‌های مساوی، از کارایی بهتری برخوردار است.همچنین از آنجایی که بسیاری از مجموعه داده‌های ریزآرایه به دلایل مختلف از جمله وجود خراش یا گرد و غبار بر روی اسلاید، بروز خطا در حین آزمایش، اختلال در تصویر ریزآرایه و پایین بودن قدرت تفکیکی تصاویر، شامل مقادیر گمشده می‌باشند در این پایان‌نامه با استفاده از تلفیق روش خوشه‌بندی CST و آنتولوژی ژن روش نوینی برای تخمین مقادیر گمشده در مرحله پیش‌پردازش ارایه گردیده است. عملکرد روش پیشنهادی بر روی مجموعه داده سرطان DLBCL و به ازای درصدهای مختلفی از مقادیر گمشده مورد بررسی قرار گرفته است. مقایسه نتایج حاصل از روش پیشنهادی با نتایج سایر روش‌های تخمین مقادیر گمشده، نشان می‌دهد که روش پیشنهادی می‌تواند مقادیر گمشده را با دقت بالاتری تخمین بزند.