(۲۸) end for

در الگوریتم ۳-۲ فاصله‏هایی که بین هر دو خوشه محاسبه می‏گردد در یک لیست مرتب (به صورت صعودی) قرار داده می‏شوند (خطوط ۶ تا ۱۰) تا مرحله‏ی انتخاب کمترین فاصله‏ها، به آسانی انجام گیرد. هر یک از عناصر این لیست مرتب به ازاء هر دو خوشه، شامل فاصله‏ی همینگ بین دو خوشه از خوشه‏بندی مرجع (با تعداد K_bc خوشه) و خوشه‏بندی m (با تعداد K_m خوشه)، شماره‏ی خوشه در خوشه‏بندی مرجع و شماره‏ی خوشه در خوشه‏بندی m می‏باشد (خط ۸). در مرحله‏ی انتخاب خوشه‏های متناظر به این صورت عمل می‏گردد که ابتدا توسط تابع SelectNext یکی از عناصر لیست مرتب (عنصر بعد از آخرین عنصر انتخاب شده) انتخاب می‏گردد (خط ۱۲)، اگر پیش از این برای آن خوشه از خوشه‏بندی مرجع متناظری در نظر گرفته شده باشد (خط ۱۳) به دنبال انتخاب عنصر بعدی می‏رود. در غیر اینصورت چنانچه در خوشه‏بندی m نیز متناسبی برای آن پیدا نشده باشد، عنصر انتخاب شده به عنوان خوشه‏های متناسب ثبت می‏شوند (خط ۲۳).
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت nefo.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

اما در شرایطی که تعداد خوشه‏های خوشه‏بندی m کمتر از تعداد خوشه‏های خوشه‏بندی مرجع باشد نظیر به نظیر بودن به صورت یک به یک نخواهد بود و ممکن است یک خوشه در خوشه‏بندی m با چند خوشه در خوشه‏بندی مرجع متناسب گردد. از اینرو در الگوریتم ۳-۲ چنین شرایطی در خطوط ۱۳ تا ۲۰ بررسی می‏گردد. نحوه‏ی بررسی به این شکل است که اگر پیش از آن برای خوشه‏ی مورد نظر در خوشه‏بندی m نظیر به نظیری در خوشه‏بندی مرجع پیدا شده باشد، در صورتی متناسب جدید قابل ثبت خواهد بود که مقدار شمارنده‏ی Count کوچکتر از تفاضل تعداد خوشه‏های خوشه‏بندی مرجع و خوشه‏بندی m گردد. به عنوان مثال اگر خوشه‏بندی مرجع دارای ۱۰ خوشه و خوشه‏بندی m دارای ۴ خوشه باشد، تنها ۶خوشه نظیر به نظیر تکراری در خوشه‏های خوشه‏بندی m می‏تواند رخ دهد. فرایند تشریح شده تا زمانی تکرار می‏گردد که برای هر یک از خوشه‏های خوشه‏بندی مرجع یک خوشه­ی متناسب پیدا شود که با هم نظیر به نظیر باشند (خط ۲۵).
الگوریتم ۳-۲ به ازاء هر خوشه‏بندی فرایند یافتن فاصله‏ها و انتخاب کمترین‏ها را انجام می‏دهد. پیچیدگی زمانی این الگوریتم O(MK³) و پیچیدگی مکانی آن نیز O(MK) می‎باشد که M تعداد خوشه‏بندی‏ها و K حداکثر تعداد خوشه‏ها می‏باشد. با اینکه مرتبه زمانی آن از درجه‏ی ۳ می‏باشد اما از آنجا که به طور معمول تعداد خوشه‏ها عدد بزرگی نمی‏باشد، الگوریتم پیشنهادی می‏تواند زمان اجرای مناسبی را ارائه دهد.
۳-۲-۲- خوشه‏بندی‏های دارای وزن‏
همانطور که تاکنون به آن اشاره گردید، الگوریتم پیشنهادی در این پایان نامه رأی محور است که خوشه‏بندی توافقی را بر اساس وزن هر یک از خوشه‏بندی انجام می‏دهد. در این بخش قصد داریم روشی را جهت وزن‏دار نمودن هر یک از خوشه‏بندی‏های اولیه ارائه دهیم. در روش پیشنهادی یکی از معیار‏های ارزیابی خوشه‏بندی^[۱۴۵]، جهت وزن‏دهی به خوشه‏بندی‏ها استفاده می‏گردد. این معیار شاخص Davies-Bouldin نام دارد که از این پس در پایان نامه به اختصار از DB^[146] به جای این نام استفاده خواهیم نمود. قبل از ارائه‏ راه‏حلی جهت وزن دادن به خوشه‏ها، به طور مختصر و تا آنجا که به بحث ما مربوط می‏گردد در مورد معیار‏های ارزیابی خوشه‏بندی در ادامه مطالبی بیان خواهد شد.
جهت ارزیابی کیفیت خوشه‏بندی و مقایسه‏ی آن با خوشه‏بندی‏هایی دیگر، معیار‏های ارزیابی مختلفی وجود دارد. معیار‏های در [۶۴،۴] معرفی شده و مورد بررسی قرار گرفته‏اند. به طور کلی می‏توان این معیارها را به دو گروه معیار‏های خارجی^[۱۴۷] و معیار‏های داخلی^[۱۴۸] تقسیم‏بندی نمود. در اندازه‏گیری معیار‏های خارجی، درجه‏ی توافق بین دو خوشه‏بندی محاسبه می‏گردد. شاخص Rand، ضریب Jaccard، شاخص Fowlkes-Mallows و NMI از نوع معیار‏های خارجی می‏باشند. معیار‏های داخلی نیز بر اساس اطلاعات موجود در مجموعه داده‏ای بررسی می‏کنند آیا ساختار خوشه‏بندی تولید شده بوسیله‏ی یک الگوریتم خوشه‏بندی، مطابق با داده‏ها می‏باشد یا خیر. اندازه‏گیری دقت^[۱۴۹]، فشردگی^[۱۵۰]، شاخص Davies-Bouldin (DB)، شاخص Dunn نیز از نوع معیارهای داخلی بشمار می‏آیند.
برخی از معیار‏های داخلی در محاسبات خود از برچسب کلاس استفاده می‏کنند. به عبارت دیگر پس از انجام خوشه‏بندی، میزان مطابقت ساختار کشف شده بوسیله الگوریتم خوشه‏بندی با ساختار واقعی داده‏ها با بهره گرفتن از برچسب کلاس هر داده محاسبه می‏شود. لازم به ذکر است که از برچسب‏های کلاس در زمان انجام خوشه‏بندی هیچ استفاده‏ای نمی‏شود و تنها در ارزیابی کیفیت خوشه‏بندی بدست آمده و کارایی الگوریتم استفاده شده، مورد استفاده قرار می‏گیرند. معیار‏هایی که از برچسب‏های کلاس جهت ارزیابی استفاده می‏کنند شامل معیار‏های دقت، دقت معکوس^[۱۵۱] و اندازه‏گیری F می‏باشند. برخی از معیار‏های مطرح شده، جهت ارزیابی نتایج بدست آمده توسط الگوریتم پیشنهادی در این پایان نامه مورد استفاده قرار می‏گیرند که در فصل ۴ با جزئیات بیشتری به آنها اشاره خواهد شد.
همانطور که در ابتدای این بخش اشاره گردید، ما جهت وزن‏دار نمودن هر یک از خوشه‏بندی‏های اولیه از معیاری با نام شاخص DB استفاده می‏نماییم. این معیار یک معیار داخلی محسوب می‏گردد و جهت محاسبه‏ی آن به برچسب کلاس داده‏ها نیازی نمی‏باشد. لازم به ذکر است که معیار‏هایی نظیر معیار دقت می‏توانند به خوبی کیفیت خوشه‏بندی را نشان دهند. اما از آنجا که محاسبه‏ی این معیارها نیاز به برچسب کلاس داده‏ها دارد و در عمل این برچسب‏ها در انجام خوشه‏بندی وجود ندارند، امکان استفاده از چنین معیارهایی برای کاربرد مورد نظر ما (وزن‏دار نمودن خوشه‏ها) وجود ندارد. در ادامه نحوه‏ی محاسبه‏ی شاخص DB را بررسی خواهیم نمود.
فرض کنید s_i میزان پراکندگی خوشه‏ی C_i و d(C_i, C_j)=d_ij عدم تشابه بین دو خوشه‏ی C_i و C_j باشد. شاخص شباهت R_ij بین دو خوشه‏ی C_i و C_j دارای شرایط زیر است [۱۳،۲۹]:
R_ij ≥ ۰
R_ij = R_ji
اگر s_i = ۰ و s_j = ۰ آنگاه R_ij = ۰
اگر s_j > s_k و d_ij = d_ik آنگاه R_ij > R_ik
اگر s_j = s_k و d_ij < d_ik آنگاه R_ij > R_ik
این شرایط نشان می‏دهند که R_ij غیر منفی و متقارن است. یک انتخاب برای R_ij که شرایط فوق را بر آورده سازد در رابطه (۳-۴) آورده شده است:

(۳-۴)

شاخص DB نیز به صورت رابطه (۳-۵) تعریف می‏گردد:

(۳-۵)

که در آن K تعداد خوشه‏ها و می‏باشد.
عدم تشابه بین خوشه‏ی C_i و C_j در یک فضای l بعدی (l صفت خاصه) به صورت رابطه (۳-۶) تعریف می‏گردد:

(۳-۶)

پراکندگی خوشه‏ی C_i نیز به صورت رابطه (۳-۷) تعریف می‏گردد:

و) استمرار تابعیت تا پایان شور دادگاه و یا صدور حکم
طبق این نظریه، تابعیت شخص متضرر باید از زمان ورود خسارت تا پایان جلسات شفاهی در داگاه (شور داگاه) و یا تا زمان صدور حکم استمرار داشته باشد. با این استدلال که ضمن جریان دعوی و تا قبل از ختم دادرسی، باب رسیدگی در دادگاه مفتوح و طرفین (خواهان و خوانده) می توانند ادله و مدارک جدیدی را ابراز و یا دلایل طرف مقابل را رد نمایند (برای مثال خوانده می تواند به اثبات این امر بپردازد که تابعیت ذینفع تغییر یافته است) دادگاه نیز دلایل ابرازی را مورد بررسی قرار می دهد.^[۴۰]

( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

در اینجا این سؤال مطرح می گردد که اصولاً چرا تابعیت شخص متضرر باید از زمان ورود خسارت تا مدتی تداوم داشته باشد؟ در واقع چه فوایدی مترتب بر این اصل است؟ اصولاً چگونه می توان این قاعده را توجیه نمود؟
توجیهات و فوایدی که در خصوص قاعده استمرار تابعیت شخص متضرر تا هر یک از مدتهای مزبور می تواند داشته باشد عبارتند از:
اولاً– دولت خواهان مایل نیست از دعوی شخصی حمایت نماید که در زمان ورود خسارت تبعه او نبوده، زیرا چنانچه قادر به اثبات رابطه تابعیت نباشد، بلحاظ فقدان نفع معقول در قضیه، دعوی او رد می شود. ضمن اینکه خوانده نیز تمایل ندارد به شخصی غرامت بپردازد که تبعه کشوری که با او برای مثال قرارداد داوری منعقد نموده، نباشد.^[۴۱]
ثانیاً– اتباع به اختیار خود دولت حمایت کننده انتخاب نمی کنند تا با رفتن به زیر چتر یک دولت قوی، در پی احقاق حق یا جلب منفعتی باشند.^[۴۲]
ثالثاً– مانع سوء استفاده اشخاص و کشورهاست. تحصیل دعوای قدیمی از ناحیه کشوری ممکن است وسیله ای جهت اعمال فشار سیاسی به کشور خوانده باشد.^[۴۳]
قاعده استمرار تابعیت مدعی، خود نیز قابل انتقاد می باشد، زیرا در تعارض با دو گرایش است:
اولا) دکترینی که خسارت وارده به شخص را، خسارت به دولت متبوع او تلقی می نمایند.
اولاً این گرایش دولت به عنوان دارنده حق حمایت دیپلماتیک در واقع در پی تحقق حقوق خود که در اثر خسارت به تبعه اش نقض گردیده، می باشد. بنابراین با این اوصاف اصولاً نباید تداوم یا عدم استمرار تابعیت شخص متضرر تأثیر در حق دولت متبوعش داشته باشد و صرفاً کافی است دولت متبوع شخص متضرر ثابت نماید که شخص در حین وقوع عمل ناقض حقوق و ورود خسارت تبعه او بوده، دیگر استمرار تابعیت شخص متضرر ضرورتی نخواهد داشت. بعبارتی واگذاری و انتقال ادعا همچنین تغییرات ارادی تابعیت نباید اشکالی ایجاد نماید در حالیکه چنین نیست.^[۴۴]
ثانیاً) گرایش های جدیدی که با تلقی نمودن شخص بعنوان تابعی از حقوق بین الملل و اعطای حق رجوع مستقیم شخص به مراجع بین المللی می باشد.
در این نگرش حمایت دیپلماتیک، حق مطلق شخص است، اما حق عملی جهت اجرای حز مزبور، تحت شرایطی با دولت متبوع شخص متضرر است. در واقع اقدامات دولت متبوع شخص متضرر در قالب حمایت دیپلماتیک، از جانب شخص متضرر می باشد نه اقدام از ناحیه خود. در این قاعده جایگاه اشخاص در حقوق بین الملل نادیده گرفته شده و شخص وابسته به دولت متبوعش تلقی گردیده است. با شناخت موردی حق مراجعه مستقیم یا غیر مستقیم شخص متضرر به مراجع بین المللی جهت احقاق حقوق تقویت شده (با مبنای قراردادی)، استمرار تابعیت اساساً ضرورتی ندارد و صرفاً کافی است شخص متضرر ثابت نماید که در حین وقوع خسارت تبعه یکی از دول منعاقد بوده است.
صرفنظر از اینکه وجود رابطه تابعیت بین شخص متضرر و دولت حامی است (جز در موارد اثتثنایی نظیر وجود موافقتنامه ای خاص) که اعمال حمایت دیپلماتیک از ناحیه دولتی را ممکن می سازد، اما این تابعیت باید در یک خلال زمانی تداوم داشته باشد. بنابراین باید استثنائاتی را در خصوص این قاعده پذیرفت. بدین وصف که چنانچه حق مراجعه مستقیم یا غیر مستقیم به مراجع جهت احقاق حقوق تفویت شده شخص متضرر شناسایی شده باشد، اساساً استمرار تابعیت شخص متضرر به دولت متبوعش ضرورتی ندارد. در غیر این صورت تابعیت مدعی بنا به استدلالات فوق الاشعار باید از زمان وقوع عمل ناقض حقوق و ورود خسارت تا زمان صدور حکم استمرار داشته باشد.
قابل ذکر است که قاعده استمرار تابعیت از قواعد آمره حقوق بین المللی نیست. بنابراین طرفین می توانند ضمن معاهداتی قاعده مزبور را تا مواعدی معین مشخص و یا با توافق، از آن عدول نماید. این توافق می تواند صریح یا ضمنی باشد.^[۴۵]
حال باید دید چنانچه تابعیت شخص متضرر متعاقب ورود خسارت تغییر یابد حمایت دیپلماتیک از شخص به چه نحو صورت می پذیرد؟
پاسخ سؤال مزبور با عنایت به نحوه تغییر تابعیت شخص، متفاوت است:
۱- در مواردی که تابعیت شخص متضرر بعد از ایراد خسارت از روی حسن نیت و بدون توجه به اقامه دعوی تغییر می یابد (برای مثال تغییر تابعیت شخص به صورت غیر ارادی و ناشی از واگذاری سرزمین یا جانشینی کشور و… باشد) قاعده استمرار تابعیت منجر به بی عدالتی می گردد. بدین لحاظ که ممکن است دولت پیشین شخص متضرر، بنا به دلایلی در اعمال حمایت دیپلماتیک از شخص متضرر ممانعت نماید و دولت جدید متبوع شخص نیز با این استدلال که در زمان ورود خسارت شخص تبعه او نبوده اقدام به حمایت دیپلماتیک ننماید. در این صورت تخلف از حقوق بدون ضمانت اجرا مانده و خسارت شخص متضرر بدون جبران باقی و احقاق حقی صورت نمی پذیرد. در این قبیل موارد بدون توجه به تغییر تابعیت می بایست از شخص متضرر حمایت بعمل آید. حال چنانچه شخص قادر به انتخاب اینکه کدام دولت (دولت اصلی یا جدید) از ناحیه او اقامه دعوی نماید، دولت جدید تعبعه در صورت انتخاب آن از ناحیه شخص متضرر می تواند اقدام به طرح دعوی در قالب حمایت دیپلماتیک نماید.^[۴۶]
۲- گاه تغییر تابعیت شخص متضرر بصورت ارادی و جهت تحصیل تابعیت و جلب حمایت یک دولت قوی صورت می پذیرد که در این مورد تابع مدافع می تواند موانعی جهت اقدام دولت حامی ایجاد نماید.^[۴۷] از طرفی حمایت دیپلماتیک از ناحیه دولت جدید متبوع شخص متضرر اساساً قابل پذیرش در مراجع ذیصلاح بین المللی نیست.
در شقوق مختلف ماده ۹ طرح پیش نویس حمایت دیپلماتیک،^[۴۸] مسائل مربوط به تغییر تابعیت شخص متضرر اینگونه پیش بینی گردیده است:
۱- چنانچه تابعیت شخص متضرر متعاقب ورود خسارت از روی حسن نیت تغییر یافته باشد، کشور جدید تبعه می تواند حمایت دیپلماتیک را از ناحیه شخص متضرر در رابطه با خسارات وارده اعمال نماید، مشروط بر این که کشور اصلی تبعه اقدام به حمایت دیپلماتیک ننموده باشد و یا اعمال ننماید.
۲- تغییر تابعیت شخص متضرر یا انتقال ادعا به تبعه کشور دیگر، تأثیری بر حق کشور اصلی تبعه در اقامه دعوی از طرف خود، جهت خسارات وارده به منافع عمومی که از طریق خسارات وارده به شخص حادث گردیده- هنگامیکه شخص هنوز تبعه آن کشور است- نمی گذارد.
۳- حمایت دیپلماتیک نمی تواند توسط دولت جدید تبعه علیه دولت متبوع سابق او در رابطه با خسارات وارده به شخص، موقعیکه شخص متضرر تبعه دولت سابق بوده، اعمال گردد.
ماده ۹ سعی در آزاد کردن تأسیس حمایت دیپلماتیک از سلسله قواعد استمرار تابعیت نموده و یک رژیم منعطف تری را ایجاد نموده است. در این ماده حق دولت اصلی تبعه جهت اقامه دعوی در مواردیکه منافع کشور نیز تحت تأثیر قرار گرفته تضمین و در واقع حق ویژه ای جهت کشور اصلی تبعه شناسایی گردیده است. بعبارت دیگر در صورت اعمال حمایت دیپلماتیک از ناحیه دولت جدید متبوع شخص متضرر، دولت اصلی تبعه نیز می تواند جهت احقاق حقوق تفویت شده خود اقامه دعوی نماید.
به نظر می رسد در صورت تغییر غیر ارادی و از روی حسن نیت تابعیت شخص متضرر، باید حسب مورد توسط دولت اصلی و جدید متبوع شخص متضرر حمایت دیپلماتیک بعمل آید. اما باید همواره به این نکته نیز توجه داشت که:
اولاً: باید مانع سوء استفاده از این استثنائات گردید. جهت جلوگیری از این امر باید حق تقدم را به دولت اصلی تبعه بدهیم.
ثانیاً: لغو قاعده استمرار تابعیت نباید منجر به این شود که دولت جدید تبعه اجازه اقامه دعوی از ناحیه تبعه جدیدش را در مقابل دولت سابق تبعه که خسارات، قابل استناد به او بوده، داشته باشد.
مبحث دوم- اصل کلی حمایت دیپلماتیک از اشخاص حقوقی
از آنجائیکه اشخاص حقوقی مورد بحث بر مبنای ضوابط مندرج در قانون داخلی کشورها توسط شخص یا اشخاص اعم از حقیقی یا حقوقی ایجاد و دارای شخصیت حقوقی در چهار چوب حقوق داخلی می گردند، بنابراین ضرورتاً مرتبط با نظم حقوقی دولت معینی هستند و این تعلق با ایجاد علقه «تابعیت»- نظیر آنچه که بین یک دولت و شخص حقیقی وجود دارد منتهی با شکل و ترتیبات دیگر میسر می گردد. بنابراین چنانچه اعمال خلاف حقوق بین الملل تابعی منجر به ورود خسارت به اشخاص مزبور گردیده و تابع متخلف از احقاق حق و جبران خسارات وارده به آنها در سطح داخل امتناع نماید، این سؤال مطرح می گردد که شخص حقوقی متضرر به چه نحو می تواند جهت جبران خسارات وارده به خود، مسئولیت بین المللی تابع مختلف را در سطح بین المللی مطرح نماید؟
رویه قضایی بین المللی، اصل کلی در حمایت دیپلماتیک از اشخاص حقوقی متضرر را از آن دولت متبوع شخص حقوقی می داند و از آنجائیکه اقدامات حمایتی از اشخاص حقوقی تابع قواعد عمومی مسئولیت بین المللی است. بنابراین شرط حمایت مزبور، وجود رابطه و پیوند حقوقی «تابعیت» بین اینگونه اشخاص و دولت حامی می باشد.
همانطور که قبلاً نیز اشاره گردید در واقع وجود علقه تابعیت بین دولت حامی و شخص حقوقی است که دولت متبوع را مجاز می سازد که در صورت لزوم از شخص حقوقی تابع خود، حمایت دیپلماتیک نماید.
اصل کلی مزبور در قضیه بارسلونا تراکشن^[۴۹] اختلاف بین اسپانیا و بلژیک توسط دیوان بین المللی دادگستری مورد تأیید و تصدیق قرار گرفت، بدین وصل که «چنانچه در نتیجه اقدامات مخالف حقوق تابعی، به حقوق قانونی یک شرکت خسارت وارد گردد، طبق قاعده کلی حقوق بین الملل صرفاً دولت متبوع این شرکت حق اقامه دعوی دارد…»^[۵۰]
حال این سؤال مطرح می گردد که چه دولتی اساساً دولت متبوع شخص حقوقی محسوب می گردد؟ بعبارتی چه روشهایی در زمینه تعیین تابعیت اشخاص حقوقی بکار گرفته می شود؟
تطبیق موازین حمایت دیپلماتیک نسبت به نهادهای مزبور، خصوصاً شرکتهای چند ملیتی به چه نحو امکان پذیر است؟
در دکترین و حقوق داخلی کشورها در تعیین ضوابط و عناصری که بر مبنای آن حکم بر اصالت تابعیت شخص حقوقی داده می شود، اختلاف نظرهایی موجود است و این عوامل ارتباط از کشوری به کشور دیگر تفاوت دارند.^[۵۱] اما هنگامیکه به منظور اجرای حمایت دیپلماتیک علقه بین شخص حقوقی و دولت متبوع او مورد بررسی قرار می گیرد و در مورد این علقه (تابعیت) اختلاف نظر موجود است، مراجع بین المللی ضابطه تحقیق در خصوص توصیف رابطه تابعیت اشخاص حقوقی را از طریق ارجاع به معیارها و قواعد ویژه شناخته شده در حقوق بین الملل تعیین می نمایند. هرچند در برخی موارد به نظام حقوق داخلی طرفهای اختلاف در خصوص موازین مربوط به تابعیت شخص حقوقی- در تشخیص اصالت تابعیت مراجعه می گردد.
اما النهایه حقوق بین الملل است که تشخیص می دهد یک شخص حقوقی ترجیحاً تابع چه دولتی است.^[۵۲]
در دکترین و رویه بین المللی معمولاً معیارها و اسلوبهای ذیل در تعیین تابعیت اشخاص حقوقی بکار گرفته می شوند^[۵۳] که به شرح ذیل مورد بررسی قرار می گیرند:
۱- مرکز اداری و حقوقی شخص حقوقی (اقامتگاه شخص حقوقی):
براساس این نظریه، شخص حقوقی تابعیت کشوری را داراست که مرکز اداری و حقوقی آن در آنجا واقع شده است، زیرا مرکز اصلی مظهر موجودیت شخص حقوقی است.^[۵۴]
۲- محل تأسیس و ثبت:
براساس این نظریه، شخص حقوقی تابع کشوری است که اساسنامه یا شرکتنامه آن در آنجا تنظیم و به ثبت رسیده است.^[۵۵]
۳- معیار کنترل (تابعیت مؤثر):
براساس این نظریه، تابعیت شخص حقوقی با توجه به تابعیت اشخاصی که با در دست داشتن اکثریت سهام، مدیریت شخص حقوقی را عملاً کنترل نموده، و شخص حقوقی بر طبق تصمیمات و اراده آنها فعالیت می نماید، تعیین می گردد. بعبارتی تابعیت شخص حقوقی با تابعیت اشخاصی که سیاسی عمومی، اداری و اقتصادی شخص حقوقی را اداره می نماید مشخص می گردد.^[۵۶]
آنچه که قابل ذکر است:
اولا) در زمینه حمایت دیپلماتیک از اشخاص حقوقی هیچ ضابطه مطلقی جهت تشخیص ارتباط قاطع، مورد پذیرش دکترین و رویه قضایی بین المللی قرار نگرفته است و ضوابط مزبور جنبه نسبی داشته و از قضیه ای به قضیه دیگر متفاوت است، اما با بررسی رویه متداول مراجع بین المللی و اسناد بین المللی معتبر که معمولاً تلفیقی از معیارهای مزبور در تعیین تابعیت شخص حقوقی ملاک عمل قرار می گیرد می توان به یکسری قواعد و اصول کلی دست یافت و دو قاعده اقامتگاه و محل تأسیس را صرفنظر از وجود سایر عوامل ارتباط شرط لازم اعمال حمایت دیپلماتیک تلقی نمود.^[۵۷]
ثانیاً: در رویه قضایی بین المللی گاه در خصوص اشخاص حقوقی پیوند مؤثر و فعال بین شخص حقوقی^[۵۸] و دولت متبوع او لحاظ نگردیده است. بعبارتی در این موارد تابعیت مؤثر در خصوص اشخاص حقوقی شرط صحت و اصالت تابعیت نبوده است.
همانطور که در قضیه بارسلونا تراکشن^[۵۹] دیوان صرفنظر از اینکه بیش از ۸۸ درصد سهامداران شرکت بارسلونا بلژیکی بود و عملاً بدست آنها کنترل می گردید و دارای پیوند واقعی با شرکت بودند با تلفیقی از دو معیار رابطه الحاق (ثبت) و مقر شرکت (اقامتگاه) صرفاً دولت کانادا را دولت متبوع شرکت و صالح جهت اعمال حمایت دیپلماتیک از شخص حقوقی مزبور دانست.
در حالیکه وجود پیوند واقعی عملی بین دولت متبوع کنترل کنندگان شخص حقوقی و مؤسسه مربوط و وجود منافع عمیق تر دولت متبوع سهامداران و کنترل کنندگان، به نوعی در تقویت حمایت دولت متبوع سهامداران و احیاناً پذیرش آن کمک می نماید.
علاوه بر اشخاص حقوقی موضوع بحث، چنانچه اعمال ناقض حقوق بین الملل تابع منجر به ورود خسارت به اشیایی نظیر کشتی ها، هوناپیماها، سفاین فضایی و… گردد. کشور متبوع اشیاء مزبور حسب مورد (کشور محل ثبت، کشور صاحب پرچم، کشور پرتاب کننده) حق اعطای حمایت دیپلماتیک در مقابل عمل نقض بین المللی که نسبت به اشیاء مزبور ارتکاب و منجر به ورود خسارت به آنها گردیده را دارد. هرچند حق حمایت کشور متبوع خدمه و مسافرینی که تابعیت کشور محل ثبت یا کشور صاحب پرچم را ندارند نیز رد نمی گردد.^[۶۰]
مبحث سوم-استثناء پذیرش حمایت دیپلماتیک از صاحبان سهام و…
سوالی که در اینجا مطرح می گردد این است که آیا اعمال حمایت دیپلماتیک را صرفا می بایست در خصوص دولت متبوع اشخاص حقوقی قابل اعمال دانست یا آنکه می توان حقوق خاصی را نیز مستقلا در خصوص صاحبان سهام ، کارکنان و طلبکاران شخص حقوقی – صرفا به عنوان سهامداران ، کارکنان یا طلبکاران – صرفنظر از پشتیبانمی از شخص حقوقی که در فعالیتش شرکت دارند تصور نمود ؟ به عبارت دیگر چنانچه شخص حقوقی از اقدامات ناقض حقوق قابل انتساب به تابعی از حقوق بین المللی به حمایت دیپلماتیک دولت متبوع خویش متوسل گردد در . در این صورت آیا کارکنان فعال در شخص حقوقی، سهامداران خارجی سرمایه گذار و طلبکاران شخص حقوقی می توانند ، صرفنظر از شخصیت حقوقی شخص حقوقی ، مستقل از آن به حمایت دیپلماتیک دولت متبوع خود متوسل گردند یا خیر ؟
شناسایی یا عدم شناسایی حق حمایت دیپلماتیک به صورت مستقل جهت سهامداران اساسا متاثر از دو نظریه مختلف و متضادی است که در خصوص ماهیت شخص حقوقی ارائه گردیده است هرچند نظریات دیگری نیز در آن خصوص ابراز گردیده که اصولا مرتبط با این مقوله نمی باشد که به شرح ذیل مورد بررسی قرار می گیرند :
الف) نظریه فرضی بودن شخصیت حقوقی شخص حقوقی
نظریه پردازان قدیمی با نوعی تردید و ابهام در خصوص شخصیت ، وضعیت و تابعیت اشخاص حقوقی بر این عقیده هستند که هر شخص حقوقی ، موجودی مجرد و حقوقی محسوب می شود که در اثر اعمال مفهومه جعل حقوقی ، شخصیتی کاملا جدا و مستقل از شخصیت شرکا داشته ، شخصیت حقوقی ابداعی دارد . مطالب نظریه مزبور ، در صورت ورود خسارت به شخص حقوقی در اثر اعمال ناقض حقوق بین الملل تابعی ، صرفا دولت متبوع شخص حقوقی قادر به اعمال حمایت دیپلماتیک است^[۶۱] .

بهمن ۱۳۹۲
صفحه تصویب پایان نامه
تقدیم به:
زن؛
زن مظلوم این دیار!
سپاس
در آغاز بر خود لازم می‌دانم از زحمات اساتید عزیز و سروران گرامی که بی شک بدون یاری و همکاری صمیمانه این عزیزان انجام چنین کاری مقدور نبود، قدردانی نمایم.
سپاس فراوان از:
– استاد گران‌قدرم، سرکار خانم دکتر فریده محمد‌علی‌پور که علاوه بر بهره‌های اخلاقی، از مساعدت‌های بی دریغ علمی و عملی ایشان برخوردار بودم.
– استاد عزیزم، سرکار خانم دکتر اعظم مهدوی‌پور که در تمام مراحل نوشتن پایان‌نامه یاری و حمایتم کردند.
و سپاس از:
– مادر دلسوز و مهربانم که در سختی ها و دشواری های مسیر همراه و همدلم بودند.
– پدر عزیزم که با صبوری ها و استقامت خویش، یاری و حمایتم کردند.
– خواهران مهربانم؛ عارفه، لطیفه و فاطمه که همواره تسکین روح خسته‌ام بودند.
با قدردانی از:
– دوستان عزیزم، جناب آقای فاضلی، خانم‌ها: خوش‌رأی، خلیل‌نیا و دیگر بزرگوارانی که نمی‌توانم قدردان حمایت‌هایشان باشم، تقدیر و تشکر می‌نمایم.
چکیده
در این پژوهش، نگرش‌های صاحب‌نظران دینی در عرصه زن و حقوق زن بررسی شده است که از جمله آن‌ها نظرات بنیان‌گذار جمهوری اسلامی، امام خمینی (ره) است. ایشان دیدگاه نوین اجتهادی داشته و در امور مربوط به زنان نیز این دیدگاهشان را بسط داده و سعی داشتند مقتضیات زمانی و مکانی را به عنوان دو امر مهم در تحقق فقهی پویا دخیل کرده و مسائل و مشکلات زنان را با کمک این دو مقوله و واقعیت‌های اجتماعی روز، حل و فصل کنند. از منظر امام خمینی (ره) با وجود این‌که مادری برای زن امری مهم و ارزشمند است، ولی هرگز آن‌را سد راه مشارکت‌های زنان در عرصه‌های مختلف اجتماعی، اقتصادی، فرهنگی، خانوادگی و علی‌الخصوص سیاسی ندانستند و این‌که زنان در این عرصه‌ها دارای حقوقی برابر با مردان هستند. بررسی بیانات ایشان در حوزه زنان و غالب بودن نگرش تساوی‌گرای هویتی و برابری خواهانه و تطبیق بیانات امام با نگرش غالب در قانون اساسی، نشان می‌دهد که قانون اساسی به عنوان عالی‌ترین سند حقوقی، منعکس کننده آرمان‌های ایشان در پاره‌ای موارد نیست. در ادامه پژوهش، به اقدامات قانونی دو مجلس ششم و هفتم با دو ایدئولوژی سیاسی متفاوت که هر دو مدعی تلاش برای احقاق حقوق زن بوده‌اند، توجه شد و کلیه مصوبات و حتی طرح‌ها و لوایح ناتمام و مردود و مسکوت شده، مورد تحلیل توصیفی قرار گرفتند. حاصل، دریافت غالبیت نگرش تساوی‌گرای هویتی در مجلس ششم و تفاوت محور جنسیتی در مجلس هفتم در قلمرو مباحث اجتماعی- فرهنگی، خانوادگی و سیاسی شد. نهایتاً این‌که مجلس ششم در راستای تحقق اهداف امام خمینی و مجلس هفتم در راستای تحقق اهداف قانون اساسی حرکت کرده است.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

واژگان کلیدی: زن، قانون اساسی جمهوری اسلامی ایران، امام خمینی (ره)، مجلس ششم، مجلس هفتم.
فهرست
مقدمه
الف) بیان مساله ۱
ب) اهمیت موضوع ۲
ج) پرسش‌های تحقیق ۲
د) فرضیه‌های تحقیق ۳
هـ)پیشینه تحقیق ۳
و) مبانی نظری ۵
الف) اصول‌گرایان ۶
ب) دیدگاه تجددگرا ۱۰
ز) روش تحقیق و گردآوری اطلاعات ۱۲
ح) قلمرو زمانی و مکانی تحقیق ۱۳
ط) محدودیت‌های تحقیق ۱۳
ی) شرح واژه‌ها و اصطلاحات به کار رفته در تحقیق ۱۳
ل) ساماندهی تحقیق ۱۷
فصل اول: جای‏گاه زن در دیدگاه امام خمینی ۱۸
درآمد ۱۹
گفتار نخست: دیدگاه تساوی‌گرای هویتی ۲۰

1. 1. تأکید بر شخصیت وجودی زن ۲۰

1. 1. برابری زن و مرد در حقوق و هویت انسانی و اجتماعی ۲۰

1. 1. تأکید بر مشارکت سیاسی زنان ۲۵

گفتار دوم: دیدگاه تفاوت‌محور جنسیتی ۳۱

1. 1. سفارش در مورد مادران ۳۱

1. 1. تاکید بر نقش مادری ۳۱

جمع‌بندی ۳۵
فصل دوم: جای‏گاه زن در قانون اساسی ۳۷
درآمد ۳۸
گفتار نخست: اصول تساوی‌گرای هویتی در قانون اساسی ۳۹
گفتار دوم: اصول تفاوت‌محور جنسیتی در قانون اساسی ۵۹
گفتار سوم: اصول قانون اساسی بدون تعین جنسیتی ۶۳

۱ _ آموزش ساختار :که هدف از یادگیری ساختار پارتیشن‌بندی است که تعداد قواعد فازی را تحت تاثیر قرار می‌دهد.
۲_ یادگیری: در اینجا ساختار ماشین بردار پشتیبان از طریق خوشه‌بندی فازی آموزش داده می‌شود.
ماشین‌های بردار پشتیبان دارای خواص زیر هستند[۱۲]:
طراحی دسته‌بندی کننده با حداکثر تعمیم
رسیدن به بهینه سراسری تابع هزینه
تعیین خودکار ساختار و توپولوژی بهینه برای طبقه‌بندی کننده
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت nefo.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

مدل کردن توابع تمایز غیرخطی با بهره گرفتن از هسته‌های غیرخطی و مفهوم حاصلضرب داخلی در فضاهای هیلبرت(یک فضای برداری کامل است که نورم آن معادل قدر مطلق از طریق ضرب نرده‌ای تعریف می‌شود. در مکانیک کوانتومی فضای هیلبرت مختلط و اصولاً بینهایت بعدی است ولی در شرایط خاصی هم بعدهایش می‌توانند متناهی باشند.)
فصل دوم: مروری بر کارهای انجام شده
۲-۱ مقدمه
در این فصل مروری بر راهکارهای پیشین و تحقیق‌های اخیر در زمینه خوشه‌بندی صورت گرفته است که به توضیح مختصری از الگوریتم‌ها و چگونگی و معیار خوشه‌بندی آنها پرداخته شده است.
۲-۲ کارهای انجام شده
در مرجع [۱۶] ، FS-FCSVM^[10] به یک سیستم فازی گفته می‌شود که با قوانین if_then ساخته می‌شود و نتیجه این گونه سیستم‌ها تک مقداری می‌باشد. پارامترها در FS_FCSVM از طریق یک دستگاه بردار پشتیبان SVM ساخته می‌شودکه تعداد قوانین در این گونه سیستم‌ها به نسبت سیستم های فازی کوچکتر و زمان محاسبات آن کمتر است .
شبکه فازی عصبی و ماشین بردار پشتیبان دو نوع از روش های محاسباتی با بهره‌وری و ظرفیت بالا می‌باشد. در FNN ^[۱۱] تنها پارامتر آموزش به حداقل رساندن مقدار خطاست بنابراین عملکرد تعمیم ممکن است ضعیف باشد. SVM شبکه جدید و قدرتمندی است که فرمولی که برای یادگیری استفاده می‌کند بر اساس به حداقل رساندن مقدار خطاست. قوانین فازی در اینجا برابر تعداد بردار پشتیبان (SV) است که معمولا خیلی بزرگ می‌باشد. نتایج آزمایش با FS_FCSVM خیلی بهتر از FNN می‌باشد ولی ایراد FS_FCSVM این است که تعداد قوانین آن زیاد است که این مشکل را می‌توان با خوشه‌بندی فازی حل کرد.
Jung & shiu در [۱۶] با عنوان خوشه‌بندی فازی با ماشین بردار پشتیبان برای تقسیم بندی پوست انسان استفاده شده‌اند.
جدول ۲-۱ : مقایسه چند روش مختلف فازی[۱۷]
همچنین نتایج پیاده سازی این مقاله و مقایسه دو روش FNN و SVMدر منحنی زیر نشان داده شده است:
شکل ۲-۱ : مقایسه دو روش FNN و SVM
در [۲] روشی مبتنی به پیشنهاد وزن فازی با بهره گرفتن از استدلال درونیابی می‌باشد که یک متد درونیابی وزن دار فازی پراکنده ارائه می‌دهد که به متغیرهای پیشین اجازه می‌دهد در قوانین فازی با وزن مختلف ظاهر شود. Yu_chung chang shyi_mingchen & به بررسی این روش در [۱۸] پرداخته‌اند.
شکل ۲-۲ : مقایسه وزن‌ها به روش درونیابی و ژنتیک [۱۸]
نتایج تجربی نشان میدهد که وزن پیشنهادی به روش درونیابی بهتر از روش ژنتیک می‌باشد.
در [۱۹]روش نقشه فازی FCM که مبتنی بر منطق فازی و جنبه‌های شبکه عصبی است که به ارث می‌برد. مزیت اصلی FCM مدلسازی و تصمیم‌گیری شبکه فازی است و باعث بهبود عملکرد آنها می‌شود.
FCM به منظور جمع آوری پیشرفت‌های اخیر در یادگیری الگوریتم بکار می‌رود.FCM روشی برای نمایش داده و استنتاج می‌باشد که برای اینکار از گراف استفاده می‌شود که از گره‌ها به عنوان واحد اساسی برای ذخیره دانش و ساختمان آن نشان دهنده اهمیت یک سیستم است و استنتاج را می‌توان بوسیله یک عملیات ماتریس عددی نشان داد. چون FCM مجموعه ای از مفاهیم بهم پیوسته می‌باشد انتشار پاسخ از گره اولیه بسیار شبیه مجموعه ای از گره‌های شبکه عصبی است.
درتحقیقات [۱۷,۱۸,۱۹] روی یکسری از داده‌ها ، خوشه‌بندی به روش SVM فازی به وسیله ماشین بردار پشتیبان و شبکه عصبی فازی و FS_FCSVM انجام شده و با همدیگر مقایسه شده وبه این نتیجه رسید که FS_FCSVM از بقیه بهتراست ولی تعداد قوانین آن زیادتر است ، بنابراین اگر بخواهیم روش پیشنهادی خودرا باسایر روش ها مقایسه کنیم ،بهترین محک استفاده از مجموعه داده‌های آزمایش شده است.در[۲۰] یک روش کاهش دهنده حجم داده بر اساس انتخاب داده‌های مثلثی درون خوشه‌بندی فازی (FCM) مطرح شده است.
شکل ۲-۳ : خوشه‌بندی مثلثی داده‌ها [۲۰]
در ابتدا با بهره گرفتن از روش خوشه بندی فازی به خوشه‌بندی داده‌های آموزش پرداخته می‌شود. در هر خوشه، سه داده آموزشی که بیشترین فاصله را با مرکز خوشه و یکدیگر دارند انتخاب می‌شوند. از داده‌های مثلثی و مراکز خوشه‌ها بعنوان داده‌های آموزش کاهش یافته برای آموزش SVM استفاده می‌شود. نتایج آزمایشات انجام شده بر روی مجموعه داده‌های بزرگ پایگاه داده UCI نشان می‌دهد که روش پیشنهادی علاوه بر کاهش زمان آموزش با انتخاب مناسب داده‌ها باعث تقویت ویژگی مقاوم بودن SVM در برابر داده‌های نویزی و پرت و همچنین کاهش تعداد بردارهای پشتیبان انتخابی توسط SVM در مجموعه داده‌های بزرگ می‌شود.
فصل سوم: روش پیشنهادی
۳-۱ مقدمه
در فصل گذشته مروری بر کارهای انجام شده در زمینه fs-fcsvmانجام شد . دربیشتر کارهای انجام شده، معیار بهینه سازی بر روی تعداد خوشه‌های فازی و تعداد SV ها برای ارزیابی کیفیت استفاده شده است. در این فصل یک روش جدید خوشه‌بندی ترکیبی بر اساس دو الگوریتم خوشه‌بندی فازی وخوشه‌بندی تفاضلی و همچنین تعیین پارامترهای SVM به کمک الگوریتم GRID SEARCH ارائه شده است.
۳-۲ چارچوب کلی روش پیشنهادی
محاسبه چگالی برای هر داده هداده
کاهش تعداد بردار پشتیبان و کم شدن تعداد قوانین svm
انتخاب داده با بیشترین چگالی به عنوان مرکز خوشه
محاسبه
مراکز خوشه به‌ دست آمده
آموزش داده ها با svm
انجام خوشه بندی فازی روی داده ها
استفاده از الگوریتم گرید سرچ جهت انتخاب پارامتر پنالتی و پهنای کرنل
تعیین ماتریس تعلق و مقدار تعلق هر داده
مقایسه ماتریس تعلق و مقدار تعلق هر داده جهت انتخاب داده آموزشی
شکل ۳-۱ روال الگوریتم پیشنهادی برای خوشه‌بندی ترکیبی
شکل ۳-۱ : روش پیشنهادی
هدف این است که با انتخاب مناسب خوشه‌ها تعداد بردار پشتیبان و در نتیجه تعداد قوانین در SVM را کاهش دهیم. مجموعه‌ای از n داده در فضای M بعدی را در نظر بگیرید.
مرحله اول: در روش پیشنهادی مقدار چگالی برای هر داده طبق رابطه ۳-۱حساب می کنیم.
(۳-۱)
مرحله دوم: انتخاب داده با بیشترین چگالی به عنوان مراکز خوشه‌ها است. برای این مرحله از ثابت عددی که یک عدد ثابت مثبت است شعاع همسایگی را مشخص می‌کند. از این رو یک نقطه از داده‌ها مقدار چگالی بالا خواهد داشت اگر تعداد نقاط زیادی در همسایگی داشته باشد.
اولین مرکز خوشه به عنوان نقطه‌ای که بیشترین مقدار چگالی انتخاب می‌شود. سپس، مقدار چگالی هر نقطه به صورت زیر ارزیابی مجدد می‌شود:

(۳-۲)

داده کاوی^[۲] در یک تعریف ساده فرآیندی جهت کشف دانش از مجموعه‏های داده‏ای بزرگ می‏باشد. در بسیاری از موارد، اصطلاح داده کاوی مترادف با عبارت کشف دانش از داده^[۳] بکار می‏رود، اما در حقیقت داده کاوی یکی از مراحل اصلی کشف دانش است. شکل ۱-۱ . فرایند کشف دانش از داده را نشان می‏دهد و همانطور که مشخص است این فرایند شامل یک دنباله تکراری از مراحل زیر است [۳۷]:
پاکسازی داده‏ها^[۴] (جهت حذف نویز و داده‏های ناسازگار)
یکپارچه سازی داده‏ها^[۵] (مرحله‏ای که چند منبع داده‏ای با هم ترکیب می‏شوند)
انتخاب داده‏ها^[۶] (مرحله‏ای که داده‏های مرتبط با فرایند تحلیل، از پایگاه داده بازیابی می‏شوند)
تبدیل داده‏ها^[۷] (مرحله‏ای که داده‏ها به شکلی مناسب برای انجام تحلیل، تبدیل می‏شوند. به عنوان مثال عملیاتی نظیر خلاصه سازی^[۸] و همسان سازی^[۹] می‏توانند برای تبدیل استفاده شوند)
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت nefo.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

داده کاوی (فرایند اصلی که در آن از روش‏های هوشمند و آماری به منظور استخراج الگوهای داده‏ای استفاده می‏شود)
ارزیابی الگو^[۱۰] (جهت تشخیص الگوهای صحیح و مورد نظر با بهره گرفتن از معیارهای اندازه گیری)
ارائه دانش (مرحله‏ای که از روش‏های نمایش بصری و ارائه دانش جهت نمایش دانش کشف شده به کاربر استفاده می‏شود)
شکل ۱-۱ فرایند کشف دانش از داده [۳۷]
۱-۳- روش‏های داده کاوی
کارهایی که در داده کاوی انجام می‏شود را می‏توان به دو گروه توصیفی^[۱۱] و پیشگویانه^[۱۲] دسته بندی نمود. فعالیت‏های توصیفی می‏توانند ویژگی‏های اصلی داده‏ها را در پایگاه داده نمایان سازند. فعالیت‏های پیشگویانه نیز جهت پیشگویی، بر روی داده‏های موجود، اعمال استنتاجی انجام می‏دهند. برخی از مهمترین روش‏های داده کاوی عبارتند از : دسته ‏بندی^[۱۳]، خوشه‏بندی^[۱۴]، کشف قوانین انجمنی^[۱۵] و تشخیص داده‏های دور افتاده^[۱۶]. از بین روش‏های مطرح شده، خوشه‏بندی و کشف قوانین انجمنی فعالیت توصیفی ودسته‏بندی و تشخیص داده‏های دور افتاده فعالیت پیشگویانه محسوب می‏شوند.
۱-۴- خوشه‏بندی
تحلیل خوشه یکی از فعالیت‏های مهم انسان می‏باشد. در کودکی ما با بهبود ناخود آگاه خوشه‏بندی در ذهنمان یاد می‏گیریم که چگونه بین سگ‏ها و گربه‏ها، یا حیوانات و گیاهان تفاوت قائل شویم [۳۰]. خوشه‏بندی اغلب به عنوان اولین گام و یکی از مهمترین روش‏های تحلیل داده‏ها بشمار می‏آید. خوشه‏بندی فرآیندی است که در آن اشیاء در گروه‏هایی از اشیاء مشابه دسته بندی می‏شوند. هر گروه یا خوشه شامل اشیائی است که شبیه به یکدیگرند و متفاوت از اشیاء گروه‏های دیگر می‏باشند. خوشه‏بندی شکلی از مدل سازی داده است که ریشه در ریاضیات و آمار دارد [۸]. بر خلاف دسته بندی که یک روش یادگیری نظارت^[۱۷] شده است، خوشه‏بندی یک روش یادگیری نظارت نشده^[۱۸] بحساب می‏آید، چرا که داده‏ها در دسته ‏بندی دارای برچسب کلاس^[۱۹] می‏باشند اما در خوشه‏بندی برچسب کلاس برای داده‏ها مشخص نیست. هدف در خوشه‏بندی کمینه سازی فاصله داده‏های درون خوشه و بیشینه سازی فاصله داده‏ها بین خوشه‏های مختلف می‏باشد و از اینرو نوعی مسئله بهینه سازی محسوب می‏شود. برخی مواقع اصطلاحات بخش بندی^[۲۰] و قطعه‏بندی^[۲۱] نیز در تحقیقات مترادف با خوشه‏بندی در نظر گرفته می‏شوند.
انسان‏ها بدون استفاده از روش‏های خلاصه سازی قادر به کشف دانش از انبوه اطلاعاتی که در پایگاه‏داده‏ها قرار دارند، نیستند. آمارهای پایه‏ای (نظیر میانگین و واریانس) یا نمودارهای مقایسه فراوانی^[۲۲] اطلاعات اولیه و اندکی در مورد داده‏ها ارائه می‏دهند. اما تحلیل خوشه یا خوشه‏بندی می‏تواند روابط پیچیده‏تری را بین اشیاء داده‏ای، بین صفات خاصه داده‏ها و یا بین این دو کشف کند [۶۱].
خوشه‏بندی کاربرد‏های گسترده‏ای در هوش مصنوعی، زیست شناسی، مدیریت ارتباط با مشتری^[۲۳]، داده کاوی، یادگیری ماشین، بازاریابی، پزشکی، تشخیص الگو، بازیابی اطلاعات و پردازش تصویر دارد. به عنوان مثال در زیست شناسی، خوشه‏بندی می‏تواند بر مبنای خصوصیات جانداران یک طبقه بندی از گونه‏های مختلف ایجاد کند. کاربرد دیگر خوشه‏بندی، درک بهتر عملکرد ژن‏ها در فرآیندهای زیستی یک سلول است [۶۱]. در تجارت، خوشه‏بندی به فروشنده‏ها کمک می‏کند تا گروه‏های متفاوتی از مشتریان را بر اساس الگوهای خریدشان کشف کنند. خوشه‏بندی می‏تواند در تشخیص گروه‏هایی از خانه‏ها در یک شهر مطابق با نوع خانه، ارزش و موقعیت جغرافیایی و همچنین در تشخیص گروه‏هایی از دارندگان بیمه نامه اتومبیل با متوسط هزینه بالا کاربرد داشته باشد. خوشه‏بندی می‏تواند در گروه بندی نتایج موتورهای جستجو در وب نیز استفاده شود. شکل ۲-۱ ترسیمی دو بعدی از موقعیت مشتریان در یک شهر را نشان می‏دهد که از خوشه‏بندی اطلاعات مربوط به مشتریان یک فروشگاه بدست آمده است [۱].

شکل ۱-۲ ترسیمی دو بعدی از موقعیت مشتریان در یک شهر که شامل سه خوشه داده‏ای می‏شود. مرکز هر خوشه با “+” نشان داده شده است [۳۰].
برخی از چالش‏ها و نیازمندی‏های مطرح در زمینه خوشه‏بندی شامل موارد ذیل می‏شوند[۳۰]:
مقیاس پذیری^[۲۴]: بسیاری از الگوریتم‏های خوشه‏بندی تنها بر روی مجموعه‏های داده‏ای کوچک عملکرد خوبی دارند. اما در عمل یک مجموعه داده‏ای بزرگ ممکن است دارای میلیون‏ها شئ داده‏ای باشد.
قابلیت کار با انواع مختلف صفات خاصه: بسیاری از الگوریتم‏ها برای خوشه‏بندی داده‏های عددی طراحی شده اند. اما در بسیاری از کاربردها نیاز است انواع مختلفی از داده‏ها نظیر داده‏های دودویی، اسمی^[۲۵]، ترتیبی^[۲۶] و یا ترکیبی از آنها خوشه‏بندی شود.
حداقل نیاز به تعیین پارامترهای ورودی: بسیاری از الگوریتم‏های خوشه‏بندی نیازمند تعیین پارامترهای ورودی توسط کاربر هستند (به عنوان مثال تعداد خوشه‏های مورد نظر). نتایج خوشه‏بندی کاملا به این پارامترها وابسته است. تعیین این پارامترها در عمل کار مشکلی می‏باشد.
قابلیت تحمل نویز: برخی از الگوریتم‏های خوشه‏بندی حساس به نویز می‏باشند که این مسئله می‏تواند باعث بدست آمدن خوشه‏هایی با کیفیت پایین شود.
خوشه‏بندی افزایشی و غیرحساس به ترتیب ورود داده‏ها: برخی از الگوریتم‏های خوشه‏بندی نمی‏توانند داده‏های جدید را در خوشه‏های موجود قرار دهند و باید خوشه‏بندی بر روی تمام داده‏ها از ابتدا انجام گیرد. چنین الگوریتم‏هایی به ترتیب ورود داده‏ها حساس می‏باشند. اما برخی دیگر از الگوریتم‏ها به صورت افزایشی عمل می‏کنند و ترتیب‏های مختلف ورود داده‏ها در نتایج آنها تأثیری ندارد.
خوشه‏بندی بر روی مجموعه‏های داده‏ای با ابعاد زیاد: یک پایگاه داده می‏تواند شامل چندین بعد یا صفت خاصه باشد. بسیاری از الگوریتم‏های خوشه‏بندی تنها زمانی عملکرد خوبی دارند که تعداد صفات خاصه در مجموعه داده‏ای کم باشد. خوشه‏بندی بر روی داده‏هایی با صفات خاصه زیاد یک مسئله چالش برانگیر است.
روش‏های موجود در خوشه‏بندی از جنبه‏ه ای مختلفی می‏توانند بررسی شوند. الگوریتم‏های خوشه‏بندی می‏توانند به صورت تقسیم کننده^[۲۷] (بالا به پایین) یا تجمیع کننده^[۲۸] (پایین به بالا) باشند. در روش‏های بالا به پایین ابتدا تمام داده‏ها در یک خوشه واحد قرار می‏گیرند و سپس تا زمان رسیدن به تعداد خوشه‏های مورد نظر، به خوشه‏های مختلف تقسیم می‏شوند. روش‏های پایین به بالا نیز ابتدا هر یک از داده‏ها را در یک خوشه مجزا قرار می‏دهند و سپس خوشه‏ها به صورت پی در پی در هم ادغام می‏شوند. به چنین الگوریتم‏هایی، الگوریتم‏های سلسله مراتبی^[۲۹] نیز گفته می‏شود. نوع دیگری از الگوریتم‏های خوشه‏بندی روش‏های بخش بندی می‏باشند. این روش‏ها به دو گروه عمده تقسیم می‏شوند : ۱) گروهی که هر خوشه را با استفاده مرکز ثقل اشیاء داده‏ای موجود در آن نشان می‏دهند^[۳۰]. مطرح ترین الگوریتم این گروه، الگوریتم معروف k-means می‏باشد [۳۲،۳۱]، ۲) گروهی که هر خوشه را با نزدیک ترین شئ داده‏ای به مرکز خوشه نشان می‏دهند^[۳۱]. الگوریتم k-medoid از این گروه می‏باشد. الگوریتم‏های خوشه‏بندی در یک دسته بندی دیگر به دو گروه خوشه‏بندی سخت^[۳۲] و خوشه‏بندی نرم^[۳۳] تقسیم می‏شوند. در الگوریتم‏های خوشه‏بندی سخت، خوشه‏ها دارای اشتراک نیستند یعنی هر شئ داده‏ای تنها به یک خوشه تعلق دارد، اما در الگوریتم‏های خوشه‏بندی نرم خوشه‏ها می‏توانند دارای اشتراک نیز باشند به عبارت دیگر اشیاء داده‏ای با درجه عضویت مشخصی به هر خوشه تعلق دارند.
مطالعات گسترده‏ای از سال ۱۹۶۰ تاکنون بر روی روش‏های خوشه‏بندی انجام شده است. الگوریتم‏های مختلف خوشه‏بندی در [۸،۴۴،۵۶،۴۵،۷۰،۷۲] با جزئیات و به گونه‏ای مناسب مورد نقد و بررسی قرار گرفته اند.
۱-۵- خوشه‏بندی توافقی
یکی از روش‏های خوشه‏بندی که در تحقیقات اخیر مورد توجه قرار گرفته است، روش خوشه‏بندی توافقی^[۳۴] می‏باشد. الگوریتم‏های این روش می‏توانند نتایج چندین خوشه‏بندی را با هم ترکیب کرده و به یک خوشه‏بندی نهایی دست یابند. نتایج مختلف خوشه‏بندی، یا از چندین منبع مختلف و یا از اجراهای مختلف الگوریتم‏های غیر قطعی خوشه‏بندی بدست می‏آیند. هدف خوشه‏بندی توافقی، یافتن خوشه‏بندی‏ای می‏باشد که علاوه بر کیفیت بالاتر و پایداری بیشتر خوشه‏ها، مورد توافق خوشه‏بندی‏های اولیه نیز باشد. خوشه‏بندی توافقی در تحقیقات و مقالات با نام‏های دیگری نظیر خوشه‏بندی جمعی^[۳۵] و اجتماع خوشه‏بندی‏ها^[۳۶] نیز شناخته می‏شود.
جهت نشان دادن حالت بسیار ساده‏ای از خوشه‏بندی توافقی فرض کنید، مجموعه داده‏ای به شکل X={x₁, x₂, x_3, x₄, x₅, x₆} باشد. سه خوشه‏بندی π_۱، π_۲، π_۳ نیز بر روی داده‏ها بدست آمده است. خوشه‏بندی‏های π_۱ و π_۳هر کدام دارای سه خوشه می‏باشند و خوشه‏بندی π_۲ نیز دارای ۴ خوشه است. شماره خوشه‏ای که هر کدام از داده‏ها در آن قرار گرفته‏اند به ازاء هر خوشه‏بندی در جدول ۱-۱ آمده‏ است.
جدول ۱-۱ مثالی ساده از خوشه‏بندی توافقی

Π

π_۳

π_۲

π_۱

۱

۲

۱

۱

x₁

۲

۲

۲