دایره­های قرمز، نارنجی و سبز نشان دهنده تشکل­های کشف شده می­باشند.
در مرحله بعد، ابتدا اسناد با توجه به تشکل کاربر منتسب به آنها، به تشکل مربوطه الحاق می­شوند، شکل (۳-۶) نشان دهنده این قسمت از الگوریتم است. دوایر قرمز اسناد مرتبط به هر کاربر را نشان می­دهد.
شکل ۳-۶- انتساب اسناد به تشکل­ها.
دایره های کوچک قرمز نشان دهنده اسناد مربوط به هر کاربر هستند.
در ادامه با بهره گرفتن از روش LDA عناوین هر تشکل استخراج می­شوند. یعنی برای مجموعه اسناد موجود در هر تشکل، یکبار الگوریتم LDA را اعمال می­کنیم تا عناوین هر تشکل به صورت مستقل به دست آیند. با این کار ما مجموعه اسناد بزرگی که در تشکل ها هستند را به صورت خلاصه شده در غالب عناوین بیان می­کنیم و برای پردازش های بعدی با این داده های خلاصه شده کار می­کنیم. شکل (۳-۷) نمایانگر عملکرد الگوریتم CDBLC در این قسمت از پردازش است.

شکل ۳-۷- اعمال روش LDA بر روی اسناد درون هر تشکل.
دوایر بزرگ قرمز، عناوین کشف شده در هر تشکل را نشان می­ دهند.
سپس در هر مرحله، محتوای اسناد موجود در بقیه تشکل­ها، با عناوین یک تشکل از نظر شباهت مقایسه می­شوند. یک سند و کاربران در ارتباط با آن در صورتی به تشکل جدید منتقل میشوند که محتوای سند با عناوین تشکل جدید، شباهت زیادی داشته باشد (شکل(۳-۸)).
شکل ۳-۸- محاسبه شباهت محتوای اسناد در دیگر تشکل­ها با عناوین یک تشکل به خصوص.
انتقال گره و سند منتسب به آن تنها در صورت وجود شباهت زیاد میسر می­ شود.
فاز دوم تا زمانی ادامه می­یابد که الگوریتم به همگرایی^[۱۴۶] برسد، یعنی با اعمال الگوریتم، دیگر تغییری در تشکل ها صورت نمی­گیرد(شکل(۳-۹)).
شکل ۳-۹- همگرایی الگوریتم CDBLC.
با ادامه­ الگوریتم دیگر تغییری در تشکل­ها رخ نمی­دهد.
جزییات قدم اول از الگوریتم همانند SBM است که در بخش ۳-۲ توضیح داده شد. ورودی این فاز از الگوریتم فقط ساختار مبتنی بر لینک شبکه است و خروجی آن تشکل هایی است که محتوا در آن­ها دخالتی ندارد. برای اعمال محتوا بر روی این تشکل­ها، لازم است که فاز دو را به صورت تکرار شونده اجرا کنیم. شکل (۳-۱۰) نمایش گرافیکی قدم دوم از مدل CDBLC است.
شکل ۳-۱۰- تمایش گرافیکی قدم دوم از الگوریتم CDBLC .
اسناد مربوط به هر تشکل، دارای ترکیب عنوان^[۱۴۷] هستند. این ترکیب مبین وزن عنوان­های مختلف در اسناد مربوط به تشکل ام است و دارای توزیع دیریکله با پارامتر است:

به علاوه،در هر تشکل، مثل مدل­های عنوان قدیمی­تر، فرض می­ شود تا توزیع کلمه وجود دارد که متناظر با عنوان پنهان هستند و فرض می­ شود این توزیع­ها، خودشان دارای توزیع­های دیریکله با پیشینه­ی هستند:

در نهایت پردازش^[۱۴۸] تولیدی زیر برای شبکه دارای متن در نظر گرفته می­ شود:
تشکل های اولیه یر اساس SBM استخراج می­شوند.
برای اسناد :
فرض می­ شود این سند دارای مولفه است. برای هر مولفه از سند، یک کلمه­ی منحصر به فرد، به همان ترتیبی که در LDA ساخته می­شد تولید می­ شود. به طور خاص­تر، یعنی برای مولفه­های :
عنوان مولفه­ی ام از سند ام در تشکل ام، یعنی ، از ترکیب عناوین تشکل به صورت زیر گرفته می­ شود:

کلمه منحصر به فرد مولفه­ی ام از سند ام در تشکل ام، یعنی ، از توزیع عنوان-کلمه منحصر به فرد به صورت زیر گرفته می­ شود:

• ریسکهای موجود در بازار اولیه بر تمایل به سرمایهگذاری تاثیر دارد.

۱-۱ ریسک عدم جمعآوری وجوه نقد به میزان کافی، بر تمایل به سرمایهگذاری تاثیر دارد.
۱-۲ ریسک سوء استفاده واسط از وجوه دریافتی، بر تمایل به سرمایهگذاری تاثیر دارد.
۱-۳ ریسک عدم فروش دارایی به واسط، بر تمایل به سرمایهگذاری تاثیر دارد.
۱-۴ ریسک عدم اجاره دارایی توسط بانی در مرحله بعد، بر تمایل به سرمایهگذاری تاثیر دارد.

• ریسکهای موجود در بازار ثانویه، بر تمایل به سرمایهگذاری تاثیر دارد.

۲-۱ ریسک نرخ سود یا اجارهبها، بر تمایل به سرمایهگذاری تاثیر دارد.
۲-۲ ریسک اعتباری، بر تمایل به سرمایهگذاری تاثیر دارد.
۲-۳ ریسک تورم، بر تمایل به سرمایهگذاری تاثیر دارد.
۲-۴ ریسک عملیاتی، بر تمایل به سرمایهگذاری تاثیر دارد.
۲-۵ ریسک نوسانات نرخ ارز، بر تمایل به سرمایهگذاری تاثیر دارد.
۲-۶ ریسک نقدینگی، بر تمایل به سرمایهگذاری تاثیر دارد.

• ریسکهای غیرمالی، بر تمایل به سرمایهگذاری تاثیر دارد.

۳-۱ ریسک سیاسی، بر تمایل به سرمایهگذاری تاثیر دارد.
۳-۲ ریسک ناشی از دخالت دولت، بر تمایل به سرمایهگذاری تاثیر دارد.
۳-۳ ریسک قوانین و مقررات، بر تمایل به سرمایهگذاری تاثیر دارد.
۳-۴ ریسکهای مرتبط با دارایی، بر تمایل به سرمایهگذاری تاثیر دارد.
۱-۶ مدل مفهومی تحقیق
شکل (۱-۱): مدل مفهومی تحقیق
۱-۷ روش تحقیق
۱-۷-۱ جامعه آماری و روش نمونهگیری
کلیه افرادی که در زمان انجام پژوهش در بازارهای بورس اوراق بهادارفارس، حضور فعال و مستمر داشته، جامعه آماری این پژوهش را تشکیل میدهند و روش نمونهبرداری آن، روش تصادفی (در دسترس) میباشد، بدین صورت که ابتدا با مطالعه مقدماتی بر روی جامعه آماری، محاسبه واریانس نمونه اولیه و استفاده از فرمول مربوطه، حجم نمونه مشخص میگردد و سپس بطور تصادفی پرسشنامه ها در بین آنان توزیع میشود.
در این پژوهش با توجه به نامحدود بودن جامعه آماری از فرمول کوکران مربوط به جوامع نامحدود استفاده خواهد شد، که به این ترتیب حجم نمونه اماری معادل ۳۸۵ نفر برآورد میگردد.
۱-۷-۲ روش و ابزار گردآوری اطلاعات
این پژوهش از نظر هدف،کاربردی و از نظر شیوه پژوهش، توصیفی- پیمایشی، از شاخه میدانی میباشد. ابزار جمعآوری داده ها پرسشنامه محقق ساخته میباشد.
۱-۷-۳ روش تجزیه و تحلیل اطلاعات
پس از آنکه روایی صوری پرسشنامه، به تائید اساتید محترم راهنما و مشاور رسید، به منظور تعیین روایی سازه، از روش تحلیل عوامل استفاده خواهد شد، یعنی بعد از تهیه مقدماتی پرسشنامه آن را روی تعداد محدودی به صورت آزمایشی اجرا نموده و با بهره گرفتن از تحلیل عوامل، مولفه های آن مورد ارزیابی قرار خواهد گرفت و سپس بهمنظور تعیین پایایی، از ضریب آلفای کرونباخ استفاده خواهد شد. جهت تجزیه و تحلیل داده ها علاوه بر شاخصهای آمار توصیفی نظیر جداول و نمودارها، فراوانی، درصد، میانگین، انحراف معیار و … از روش های آمار استنباطی (آزمونهای تی تست، فریدمن، تحلیل واریانس) نیز استفاده خواهد شد. لازم به ذکر است که تمام محاسبات از طریق نرم افزار SPSS انجام خواهد شد.
۱-۷-۴ قلمرو تحقیق ( زمانی ، مکانی ، موضوعی )
قلمرو زمانی: از نظر زمانی این تحقیق در سال ۱۳۹۲ انجام میگردد.
قلمرو موضوعی تحقیق،شامل حوزه مدیریت ریسک بوده و به بررسی ریسکهای بازار سرمایه و ابزارها و روش های پوشش آن میپردازد.
قلمرو مکانی تحقیق، بازار بورس اوراق بهادار فارس میباشد.
۱-۸ تعریف اصطلاحات
ریسک: ریسک در اصطلاح عبارت است از امکان تفاوت بازده از مقدار مورد انتظار. در سرمایهگذاری، ریسک یعنی احتمال اینکه بازده واقعی (برحسب واحد پول یا درصد) از بازده مورد انتظار متفاوت شود (بری گام و دیگران، ۱۳۸۴ :۳۷).
بازارهای مالی به دو گروه بازار پول و بازار سرمایه تقسیم می شوند. در بازار پول، اوراق بهادار با سررسید کوتاه مدت (کمترازیک سال) به منظور تأمین مالی کوتاه مدت و در بازار سرمایه، اوراق بهادار با سررسیدهای طولانی تر (معمولاً بیش از یک سال) جهت تأمین مالی دارایی‌های میان مدت و بلندمدت شرکتها، مورد مبادله قرار می گیرند. بازار سرمایه نیز خود به دو گروه بازار اولیه و بازار ثانویه قابل تقسیم می باشد که نوع اول، مکانی برای مبادله اوراق بهادار تازه انتشار یافته و نوع دوم، محلی برای مبادله اوراق بهادار از قبل منتشر شده هستند (رجب زاده و همکاران، ۱۳۸۵).

بازار پول بازاری برای دادوستد پول و دیگر داراییهای مالی جانشین نزدیک پول است که سررسید کمتر از یکسال دارند. بعبارت صحیح تر بازار پول به عنوان بازار ابزارهای مالی کوتاه مدت با ویژگی اندک بودن ریسک عدم پرداخت، نقدشوندگی و ارزش اسمی زیاد نام برد (قلی زاده و همکاران، ۱۳۹۱).
پوشش ریسک اقتصادی براساس اصل تنوع بخشی منابع و ایجاد تقارن میان دارایی ها و هزینه ها انجام می شود.
در این زمینه پوشش ریسک ترازنامه از طریق تغییر اندازه یا تجدید قیمت دارایی‌ها و یا بدهی‌ها برای کاهش ریسک نرخ بهره انجام می‌گیرد. پوشش ریسک مشارکتی براساس برنامه‌های توزیع و تسهیم ریسک برمبنای مشارکت انجام می شود. پوشش ریسک مشارکتی یکی از راهبردهای اثر بخش برای مدیریت ریسکهای نرخ ارز می‌باشد. پوشش ریسک قراردادی بر ابزارهای انتفاعی و قراردادی متمرکزشده است.
مضاربه، پوشش ریسک شخص ثالث، فروش با قیمت مؤجل یا بیع الأجل و قیمت مؤجل متنوع از جمله روش های اسلامی برای مقابله باریسک و خطرات مرتبط با قراردادهای مالی محسوب می گردند(قلی زاده و همکاران، ۱۳۹۱).
۱-۹ تعاریف عملیاتی
در این پژوهش متغیرهای پژوهش با پرسشنامه ۳۸ سوالی محقق ساخته بر اساس طیف لیکرت سنجید می شود که شامل ابعاد:

• ریسک بازار اولیه: این متغیر با کمک شاخص های ریسک عدم جمع آوری وجوه نقد، ریسک سوء استفاده واسط از وجوه دریافتی، ریسک عدم فروش دارایی به واسط، ریسک عدم اجاره دارایی توسط بانی و سوالات ۱-۸ پرسشنامه با طیف پنج گزینه ای لیکرت سنجیده می شود.

• ریسک بازار ثانویه: این متغیر با کمک شاخص های ریسک نرخ سود یا اجاره¬بها، ریسک اعتباری، ریسک تورم، ریسک عملیاتی، ریسک نوسانات نرخ ارز، ریسک نقدینگی و سوالات ۹-۲۴ پرسشنامه با طیف پنج گزینه ای لیکرت سنجیده می شود.

• ریسک غیر مالی: این متغیر با کمک شاخص های ریسک سیاسی، ریسک ناشی از دخالت دولت، ریسک قوانین و مقررات و ریسک¬های مرتبط با دارایی و سوالات ۲۵-۳۸ پرسشنامه با طیف پنج گزینه ای لیکرت سنجیده می شود.

در سال ۱۹۹۳، Oikarinen و همکاران مطالعه ای in vitro با هدف مقایسه مصورسازی اجسام خارجی توسط رادیوگرافی معمولی، CT، MRI و اولتراسوند انجام دادند. آن‌ها ۴ نمونه در اندازه های مختلف از تاج دندان شکسته، تکه هایی از آمالگام، شیشه، آسفالت، کمپوزیت، چوب خشک و سنگ را زیر یک فلپ به ضخامت ۲ سانتیمتر در سطح کودال زبان گاو وارد کردند و توسط مدالیته های مختلف از آن تصویربرداری کردند. رادیو گرافی‌های معمول همه مواد را به جز چوب نشان داد و بین رادیواپاسیته ارزیابی شده مواد مختلف تفاوت‌هایی وجود داشت که طبیعت آن اجسام خارجی را نشان می‌دهد. ثابت شد که MRI نامناسب ترین روش تصویربرداری است، زیرا ذرات دارای محتوای فلزی سبب ایجاد آرتیفکت های شدیدی شدند. به علاوه، ثابت شد که CT و به ویژه اولتراسوند، روش‌های تصویربرداری مناسب برای یافتن اجسام خارجی در بافت نرم هستند. آمالگام سبب ایجاد آرتیفکت ناشی از فلز در CT گردید، که باعث شد چوب با دانسیته گاز و بقیه مواد با دانسیته توده های هایپردنس مصور گردند. اولتراسوند در تشخیص اجسام خارجی در بافت نرم، هم حساس و هم اختصاصی بود. فرم و اندازه تکه ها توسط CT و US بهتر از MRI یا رادیوگرافی معمولی تعیین گردید. محققان به این نتیجه رسیدند که وقتی رادیوگرافی معمولی، شرح حال و معاینه بالینی نمی‌توانند تعیین کنند که جسم خارجی سطحی وجود دارد یا نه، US یا CT می‌توانند به عنوان روش جایگزین مورد استفاده قرار گیرند (۳).

اهداف، فرضیات و سؤالات تحقیق
هدف اصلی
تعیین دقت تشخیصی رادیو گرافی‌هایCBCT و Digital Radiography در شناسایی اجسام خارجی شامل شیشه باریوم دار، شیشه معمولی، چوب و سنگریزه.
اهداف اختصاصی
تعیین میزان دقت در شناسایی اجسام خارجی (شامل شیشه باریوم دار، شیشه معمولی, چوب و سنگریزه) در روش رادیوگرافی CBCT
تعیین میزان دقت در شناسایی اجسام خارجی (شامل شیشه باریوم دار، شیشه معمولی, چوب و سنگریزه) در روش Digital Radiography (لترال سفالومتری)
تعیین میزان دقت در شناسایی اجسام خارجی (شامل شیشه باریوم دار، شیشه معمولی, چوب و سنگریزه) در روش Digital Radiography (Submentovertex-SMV)
مقاسه میزان دقت رادیو گرافی‌های CBCT و Digital Radiography در شناسایی اجسام خارجی (شامل شیشه باریوم دار، شیشه معمولی, چوب و سنگریزه)
فرضیات تحقیق
آیا میزان دقت در شناسایی اجسام خارجی (شامل شیشه باریوم دار، شیشه معمولی، چوب و سنگریزه) در روش رادیوگرافی و‌CBCT با هم متفاوت است؟
آیا میزان دقت در شناسایی اجسام خارجی (شامل شیشه باریوم دار، شیشه معمولی, چوب و سنگریزه)در روش رادیوگرافی Digital Radiography (لترال سفالومتری) با هم متفاوت است؟
آیا میزان دقت در شناسایی اجسام خارجی (شامل شیشه باریوم دار، شیشه معمولی, چوب و سنگریزه)در روش رادیوگرافی Digital Radiography(Submentovertex-SMV) با هم متفاوت است؟
آیا میزان دقت رادیوگرافی های CBCT و Digital Radiography در شناسایی اجسام خارجی (شامل شیشه باریوم دار، شیشه معمولی, چوب و سنگریزه) با هم متفاوت است؟
تعریف عملیاتی واژه های تحقیق
CBCT: تصویربرداری کامپیوتری با پرتودهنده مخروطی، یک روش تصویربرداری پزشکی است، که از توموگرافی کامپیوتری اشعه x که در آن اشعه های x، واگرا بوده و تشکیل یک مخروط می دهند.
انکور (anchor): انکور، یک مقیاس قراردادی بوده و رتبه ای است که مشاهده گر بر اساس رزولوشن تصویر، حاشیه جسم خارجی و قابلیت به تصویر کشیدن جسم به هر یک از تصاویر تهیه‌شده می‌دهد.
روش تحقیق
نوع مطالعه
این مطالعه از نوع توصیفی، مقدماتی^[۱۷] و انجام گرفته روی جسد حیوان (in vitro) است.
متغیرهای مطالعه
لیست متغیرهای مطالعه با ذکر نوع متغیر، نقش متغیر، تعریف علمی-عملی آن و نحوه و واحد اندازه‌گیری متغیر در جدول ۲-۱ آورده شده است.
جدول ۲-۱٫ متغیرهای مطالعه.

۴-۳-۳- تحلیل همبستگی بین متغیر ها در گونه B
الف) فرضیه فرعی۲:بین سبک رهبری استبدادی -خیرخواهانه مدیر در گونه Bو میزان تنیدگی کارکنان رابطه معنی داری وجود دارد.
۰=P:0H: بین سبک رهبری استبدادی -خیرخواهانه مدیر و میزان تنیدگی کارکنان در گونه B رابطه معنی دار وجود ندارد.
۰≠ :۱H: بین سبک رهبری استبدادی -خیرخواهانه مدیر و میزان تنیدگی کارکنان در گونه B رابطه معنی دار وجود دارد.
جدول ۴-۳-۳-۱-ضریب همبستگی بین سبک رهبری و تنیدگی در گونه B (روش پیرسون)

برای آزمون این فرضیه از آزمون معنی داری پیرسون استفاده شده است، نتایج به دست آمده به شرح زیر توضیح داده می شود: بین سبک رهبری استبدادی -خیرخواهانه مدیر و تنیدگی کارکنان صف بانک پارسیان همبستگی معنی داری وجود دارد چرا که سطح معنی دار به دست آمده (۰۰۰/۰=sig)کمتر از آلفای تحقیق (۰۱/۰=α) می باشد.

پس نتیجه کمی این است که در سطح ۹۹%رابطه معنی داری بین سبک رهبری استبدادی -خیرخواهانه مدیر و تنیدگی کارکنان صف بانک پارسیان وجود دارد. نوع همبستگی بین دو متغیر مذکور خطی بوده یعنی هر دو توامان افزایش یا کاهش می یابند شدت همبستگی بین دو متغیر در سطح نسبتاً قوی قرار دارد بنابراین فرضیه فرعی پژوهش مورد تایید قرار می گیرد به این مفهوم که تغییرات در سبک رهبری استبدادی -خیرخواهانه مدیر بر میزان تنیدگی شغلی کارکنان اثر میگذارد. بدین معنی که هرچه سبک رهبری استبدادی-استثماری در مدیر بیشتر باشد تنیدگی بیشتری در کارکنان احساس خواهد شد.
جهت بررسی میزان تاثیر بر ارزش مدل رگرسیون مورد تحلیل قرار گرفت که در ادامه به آن پرداخته می شود.
برازش مدل رگرسیون
جهت بررسی و ارائه مدل سبک رهبری استبدادی -خیرخواهانه (X2) و تنیدگی (S) ، پس از بررسی شاخص های کیفیت مدل در جدول زیر آمده است که به ارائه مدل برازش یافته می پردازیم.
جدول ۴-۳-۳-۲-شاخص کفایت مدل رابطه سبک رهبری استبدادی –خیرخواهانه و تنیدگی کارکنان در گونه B

همبستگی بین متغیر های مستقل و متغیر های وابسته برابر با ۰٫۹۷۳ است ، ضریب تعیین ۰٫۹۴۷ بدست آمده است و این مقدار نشان می دهد که ۹۴% تغییرات سبک رهبری بر میزان تنیدگی اثر می گذارد . با توجه به اینکه مقدار آماره دوربین – واتسون از مقدار استاندارد ۱٫۵ بزرگتر است در نتیجه استقلال باقیمانده ها را نتیجه می گیریم.با توجه به شاخص هایی که مطرح شد مدل از کفایت لازم برخوردار است.

<p>&nbsp;</p><p>&nbsp;</p><p>&nbsp;</p><p>&nbsp;</p><p>چندجمله‌ای</p><p>&nbsp;</p><p>&nbsp;</p><p>&nbsp;</p><p>&nbsp;</p><p>&nbsp;</p><p>تابع پایه شعاعی(RBF)^[83]</p><p>&nbsp;</p><p>&nbsp;</p><p>&nbsp;</p><p>&nbsp;</p><p>&nbsp;</p><p>زیگموئید</p><p>&nbsp;</p><p>&nbsp;</p><p>&nbsp;</p><p>&nbsp;</p><p>&nbsp;</p><p>معمولاً کرنل‌ها یا تابع ضرب داخلی فضای ورودی هستند و یا تابع فاصله:&nbsp;&nbsp;،&nbsp;&nbsp;. (در ضرب داخلی هم به نحوی فاصله بردارها مستتر است). با دانستن یک تخمین از فاصله بین دو نقطه در فضای اصلی، می‌توان وابستگی آن‌ها را در فضای تکمیلی (فضای ویژگی) به دست آورد. قابلیت بالای استفاده از کرنل غیرخطی به جای حاصل‌ضرب داخلی، آنجا معلوم می‌شود که دریابیم ابعاد فضای ویژگی، بسیار بزرگ است. مثلا برای یک کرنل چندجمله‌ای با رابطه (&amp

(۲-۳۵)

در رابطه ۲-۳۵، پارامتری است برای تنظیم شعاع جست­وجو؛ هر چه این مقدار کوچکتر باشد، جست­وجوها به خط واصل بین کلونی و امپراطوری نزدیک­تر است. با در نظر گرفتن واحد رادیان برای Ɵ، معمولاً مقدار برای Ɵ در نظر گرفته می­ شود.

فاز سوم: انقلاب
بروز انقلاب، تغییرات ناگهانی را در ویژگی­های اجتماعی-سیاسی یک کشور ایجاد می­ کند. در الگوریتم رقابت استعماری، انقلاب با جابجایی تصادفی یک کشور مستعمره به یک موقعیت تصادفی جدید مدل­سازی می­ شود. این عملگر شبیه عملگر Mutation در الگوریتم ژنتیک می­باشد.
انقلاب از دیدگاه الگوریتمی باعث می­ شود کلیت حرکت تکاملی از گیر کردن در دره­های محلی بهینگی نجات یابد. این عامل در بعضی موارد باعث بهبود موقعیت یک کشور شده و آن را به یک محدوده بهینگی بهتری می­برد[۱۲۵]. در شکل۲- ۳۰ شمای کلی نحوه اعمال سیاست انقلاب نشان داده شده است.

شکل۲- ۳۰ اعمال سیاست انقلاب

فاز چهارم: رقابت درون امپراطوری
پس از اعمال سیاست جذب و انقلاب، ممکن است بعضی از مستعمرات به خودباوری رسیده و موقعیتی بهتر از استعمارگر خود کسب کنند(میزان تابع هزینه آن‌ها در موقعیت جدید بهتر از میزان تابع هزینه استعمارگر باشد). در این حالت، کشور استعمارگر و کشور مستعمره، جای خود را باهمدیگر عوض کرده و الگوریتم با کشور استعمارگر در موقعیت جدید ادامه یافته و این بار این کشور امپریالیست جدید است که شروع به اعمال سیاست همگون‌سازی بر مستعمرات خود می‌کند[۱۲۵]. نحوه جابجایی موقعیت مستعمره و استعمارگر در شکل۲- ۳۱ نشان داده شده است.

شکل۲- ۳۱ جابجایی موقعیت استعمارگر و مستعمره

فاز پنجم: رقابت استعماری(بین امپراطوری)
این فاز اصلی­ترین مرحله در ICA است. همان‌گونه که قبلاً نیز بیان شد، هر امپراطوری که نتواند بر قدرت خود بیفزاید و قدرت رقابت خود را از دست بدهد، در جریان رقابت­های امپریالیستی، حذف خواهد شد. این حذف شدن، به صورت تدریجی اتفاق می­افتد. بدین معنی که به‌مرورزمان، امپراطوری‌های ضعیف، مستعمرات خود را از دست داده و امپراطوری‌های قوی­تر، این مستعمرات را تصاحب کرده و بر قدرت خویش می‌افزایند. قدرت یک امپراطوری به صورت قدرت کشور استعمارگر، به اضافه درصدی از قدرت کل مستعمرات آن تعریف می‌شود(رابطه ۲-۳۶)[۱۲۵].

(۲-۳۶)

در الگوریتم رقابت استعماری، امپراطوری در حال حذف، ضعیف‌ترین امپراطوری موجود است. بدین ترتیب، در تکرار الگوریتم، یک یا چند مورد از ضعیف‌ترین مستعمرات ضعیف‌ترین امپراطوری انتخاب شده و برای تصاحب این مستعمرات، رقابتی میان کلیه امپراطوری‌ها ایجاد می­ شود. مستعمرات مذکور، لزوماً توسط قوی­ترین امپراطوری، تصاحب نخواهند شـد، بلکه امپراطـوری‌های قـوی­تر، احتمـال تصاحـب بیشتـری دارند[۱۲۵]. فرایند تخصیص مستعمرات یک امپراطوری بین سایر امپراتوری‌ها به‌وسیله الگوریتم­هایی نظیر چرخ رولت و انتخاب مسابقه­ای قابل پیاده­سازی است.
شکل۲- ۳۲ رقابت استعماری
همان‌گونه که در شکل۲- ۳۲ نشان داده شده است، امپراطوری ۱ ضعیف­ترین امپراطوری بوده و سایر امپراتوری‌ها بدنبال جذب مستعمرات آن می­باشند. احتمال تصاحب مستعمرات، متناسب با قدرت هر امپراطوری است.
فاز ششم: سقوط امپراتوری‌های ضعیف
در جریان رقابت‌های امپریالیستی، خواه ناخواه، امپراتوری‌های ضعیف به تدریج ضعیف و ضعیف­تر شده تا جاییکه دیگر هیچ مستعمره­ای نداشته باشد و سقوط می­ کند. در نسخه ابتدایی الگوریتم رقابت استعماری پیشنهاد شده است که با سقوط یک استعمارگر، آن استعمارگر حذف شود(شکل۲- ۳۳)؛ امّا در نسخه­های پیشرفته ICA پیشنهاد شده است که استعمارگر سقوط کرده نیز به‌عنوان یک مستعمره نگاشت شود که سایر امپراتوری‌ها قادر به جذب آن می­باشند.

شکل۲- ۳۳ سقوط امپراطوری ها در روند چرخه الگوریتم رقابت استعماری

در ادامه تعدادی از مطالعاتی که از الگوریتم رقابت استعماری در فرایند خوشه­بندی استفاده کرده ­اند مورد بررسی قرار گرفته است.

;nbsp;&nbsp;) ثابت می‌شود که اگر بخواهیم ضرب داخلی را در فضای ویژگی انجام دهیم؛ نیاز به محاسباتی از درجه&nbsp;&nbsp;خواهد داشت که&nbsp;<em>n</em>&nbsp;همان بعد فضای ورودی است[۴۲]. در صورتی که در همین شرایط محاسبه کرنل تنها محاسباتی از درجه&nbsp;<em>n</em>&nbsp;خواهد داشت. مثلا اگر بخواهیم از یک نگاشت درجه ۴ یا ۵ استفاده کنیم و بردارهای ورودی ما ۲۰۰ بعدی باشند، ممکن است لازم باشد یک ابرصفحه در فضایی یک میلیارد بعدی بسازیم. بنابراین با بهره گرفتن از کرنل‌ها می‌توان یک سطح تصمیم­گیر در فضایی با ابعاد بسیار بالا ساخت ولی درگیر محاسبات آن نشد. بعد از اینکه یک تابع کرنل مناسب انتخاب شد، با انجام محاسباتی، تابع تصمیم‌گیری به صورت زیر به دست خواهد آمد:<br /><a href="https://nefo.ir/"><img class="alignnone wp-image-64″ src="https://ziso.ir/wp-content/uploads/2021/10/THESIS-PAPER-11.png” alt="مقاله - پروژه” width="328″ height="103″ /></a></p><p>&nbsp;</p><p>&nbsp;</p><p>(۲-۲۳)</p><p>&nbsp;</p><p>&nbsp;</p><p>&nbsp;</p><p>&nbsp;</p><p>&nbsp;</p><p>با بهره گرفتن از توابع کرنل‌ مختلف، می‌توان روش‌های فراگیری مختلفی با انواع سطوح تصمیم‌گیری دلخواه، ساخت.<br /><strong>۲-۴-۳-۲- SVM چند کلاسه</strong>^[۸۴]&nbsp;[۴۲]<br />از آنجایی که SVM یک دسته‌بندی کننده دودویی است؛ بنابراین برای دسته‌بندی چندین دسته، نیاز است که مساله به تعداد زیادی دسته‌بندی کننده دو تایی تبدیل شود. به طور کلی دو راه برای حل مسأله<em>q</em>&nbsp;دسته‌ای، برای SVM ها وجود دارد: روش &quot;یکی در برابر همه&quot;^[۸۵]&nbsp;و روش &quot;یک به یک&quot;^[۸۶].<br />در روش اول به تعداد&nbsp;<em>q</em>&nbsp;دسته‌بندی کننده SVM، ساخته می‌شوند که هر کدام از آن‌ها یک دسته را از بقیه دسته‌ ها جدا می‌کنند. برای تست یک داده ورودی، تمامی توابع (<em>q</em>&nbsp;تابع) تصمیم­گیر، محاسبه می‌شوند و نهایتا در مقایسه نتایج، آن دسته‌ای انتخاب می‌شود که مقدار تابع برای آن از بقیه بیشتر بوده است.<br />در روش دوم تمام حالت‌های ممکن انتخاب شدن دو دسته برای مقایسه با هم(&nbsp;&nbsp;)، در نظر گرفته شده و به ازای هر حالت، ابر صفحه تفکیک­گر ساخته می‌شود. در این روش هر SVM تنها بین دو دسته مشخص تصمیم‌گیری می‌کند بنا به این روش برای<em>q</em>&nbsp;دسته، به آموزش تعداد&nbsp;&nbsp;طبقه‌بندی کننده‌ی SVM نیاز خواهیم داشت.<br /><strong>۲-۴-۴- الگوریتم بهینه‌سازی فاخته (COA)</strong>^&nbsp;[۸۷]<br />جستجوی فاخته الگوریتمی مبتنی بر جستجو گروهی است که اولین بار، در سال ۲۰۰۹ توسط یانگ و دب، توسعه یافته است[۴۳]. پس از آن در سال ۲۰۱۱ الگوریتم بهینه‌سازی فاخته توسط رامین رجبیون ارائه گردید[۴۴]. ایده­ اصلی این الگوریتم الهام از تخم‌گذاری فاخته‌ها است که در آن شبیه‌سازی رفتار فاخته‌ها با پرواز لووی^[۸۸]&nbsp;که نوعی جستجوی تصادفی است؛ جهت بهینه‌سازی مسائل مهندسی ترکیب می‌گردد.<br /><strong>۲-۴-۴-۱- زندگی و تخم‌گذاری فاخته</strong><br />برخی از پرندگان هرگز برای خود لانه نمی‌سازند و به جای آن تخم‌های خود را در لانه سایر انواع پرندگان قرار می‌دهند و صبر می‌کنند تا آن‌ها در کنار تخم‌های خود به تخم‌های این پرندگان نیز رسیدگی کنند. این پرندگان در اصطلاح &quot;پارازیت­ های اولاد&quot; نامیده می‌شوند. فاخته مشهورترین پارازیت اولادی هستند. فاخته مادر یکی از تخم‌های پرنده مادر میزبان را از بین می‌برد و تخم خود را لابلای تخم‌های دیگر موجود در لانه میزبان قرار می‌دهد. فاخته‌ها لانه‌های انواع گونه‌های پرندگان را آلوده به تخم خود می‌کنند و این کار را به دقت و با تقلید از رنگ و الگوی تخم‌های موجود در هر لانه انجام می‌دهند. هر فاخته‌ی ماده روی نوع خاصی از گونه پرندگان تخصص می‌یابد. در واقع فاخته‌ها به طور پیوسته تقلید خود را از تخم‌های لانه‌های هدف بهبود می‌بخشند و پرندگان میزبان هم روش‌های شناسایی تخم‌های بیگانه را یاد می‌گیرند.<br />جوجه‌های فاخته، زودتر از تخم‌های پرنده میزبان از تخم بیرون می‌آیند و زودتر هم رشد می‌کنند. در اکثر موارد جوجه‌ی فاخته، تخم‌ها و یا جوجه‌های پرنده میزبان را از لانه بیرون می‌اندازند. این مساله کاملاً غریزی است. فاخته‌های پارازیت انداز به گروه‌هایی تقسیم می‌شوند و هر گروه روی پرنده میزبان خاصی تخصص می‌یابد. ثابت شده است که هر گروه از فاخته‌ها به صورت ژنتیکی با گروه دیگر اختلاف دارند. در واقع این پرنده تنبل به زیبایی هرچه تمام­تر سایر پرندگان را مجبور به شرکت در بقای خود می‌کند. شکل ۲-۹ نمایی از این رفتار فاخته را نشان می‌دهد.</p><p>شکل ۲-۹- رفتار فاخته در طبیعت[۴۳].<br /><strong>۲-۴-۴-۲- جزییات الگوریتم بهینه‌سازی الهام گرفته از فاخته[۴۴]</strong><br />همانند سایر الگوریتم‌های تکاملی COA هم با یک جمعیت اولیه متشکل از فاخته‌ها کار خود را شروع می‌کند. این جمعیت از فاخته‌ها تعدادی تخم دارند که آن‌ها را در لانه تعدادی پرنده‌ی میزبان خواهند گذاشت. تعدادی از این تخم‌ها که شباهت بیشتری به تخم‌های پرنده میزبان دارند شانس بیشتری برای رشد و تبدیل شدن به فاخته بالغ خواهند داشت. سایر تخم‌ها توسط پرنده میزبان شناسایی ‌شده و از بین می­روند. میزان تخم‌های رشد یافته، مناسب بودن لانه‌های آن منطقه را نشان می‌دهند. هرچه تخم‌های بیشتری در یک ناحیه قادر به زیستن باشند؛ به همان اندازه سود (تمایل) بیشتری به آن منطقه اختصاص می‌یابد. بنابراین موقعیتی که در آن بیش‌ترین تعداد تخم‌ها نجات یابند پارامتری خواهد بود که COA قصد بهینه سازی آن را دارد. پس از آنکه جوجه‌ها از تخم درآمدند و به فاخته بالغ تبدیل شدند؛ جوامع و گروه‌هایی تشکیل می‌دهند. هر گروه منطقه سکونت خود را برای زیست دارد. بهترین منطقه سکونت تمام گروه‌ها مقصد بعدی فاخته‌ها در سایر گروه‌ها خواهد بود. تمام گروه‌ها به سمت بهترین منطقه موجود فعلی مهاجرت می‌کنند. هر گروه در منطقه‌ای نزدیک بهترین موقعیت فعلی ساکن می‌شود. با در نظر گرفتن تعداد تخمی که هر فاخته خواهد گذاشت و هم­چنین فاصله فاخته‌ها از منطقه بهینه فعلی برای سکونت تعدادی شعاع تخم‌گذاری محاسبه ‌شده و شکل می‌گیرد. سپس فاخته‌ها شروع به تخم‌گذاری تصادفی در لانه‌هایی داخل شعاع تخم‌گذاری خود می‌کنند. این فرایند تا رسیدن به بهترین محل برای تخم‌گذاری (منطقه با بیش‌ترین سود) ادامه می‌یابد. این محل بهینه، جایی است که بیش‌ترین تعداد فاخته‌ها در آن گرد می‌آیند. برای حل یک مساله بهینه سازی لازم است تا مقادیر متغیرهای مساله به فرم یک آرایه شکل گیرند. در GA و PSO این آرایه ها با نام های &quot;کروموزوم&quot; و &quot;موقعیت ذرات&quot; مشخص می شوند؛ ولی در COA این آرایه،&nbsp;<em>habitat</em>&nbsp;یا &quot;محل سکونت&quot; نامیده می­شوند. در یک مساله­ی بهینه سازی&nbsp;&nbsp;بعدی یک&nbsp;<em>habitat</em>&nbsp;یک آرایه&nbsp;&nbsp;خواهد بود؛ که موقعیت فعلی زندگی فاخته­ها را نشان می­دهد. این آرایه به شکل زیر تعریف می­ شود:</p><p>&nbsp;</p><p>&nbsp;</p><p>(۲-۲۴)</p><p>&nbsp;</p><p>&nbsp;</p><p>&nbsp;</p><p>&nbsp;</p><p>&nbsp;</p><p>میزان مناسب بودن (یا مقدار سود) در&nbsp;<em>habitat</em>&nbsp;فعلی با ارزیابی تابع سود (fp) در&nbsp;<em>habitat</em>&nbsp;به دست می ­آید. بنابراین:</p>