پایان نامه کارشناسی ارشد با فرمت pdf صفحات 164
فصل اول :کلیات پژوهش
فصل دوم پیشینه پژوهش
فصل سوم روش شناسی پژوهش
فصل چهارم تجزیه و تحلیل آماری
فصل پنجم نتیجه گیری و پیشنهادات
نوع فایل: word
قابل ویرایش 100 صفحه
مقدمه:
با ایجاد سیستم‌های مدیریت پایگاه داده عمده مشکلات ساختار، پشتیبانی و مدیریت داده‌های حجیم در سیستم‌های فایلی برطرف شد اما توجهی به جنبه‌های رفتاری پایگاه داده نشد. به این معنا که با استفاده از قیود جامعیت شاید بتوان از منفی شدن مبلغ حقوق کارمندان جلوگیری نمود اما نمی‌توان مانع از بیشتر شدن حقوق آنها از مدیرانشان شد. در چنین مواردی کاربران پایگاه داده با اجرای یک پرس و جو موارد نقض محدودیت‌هایی از این قبیل را پیدا نموده و خود اقدام به اصلاح آنها می‌نمایند.
مواردی این چنین و نیز گزارشات مدیریتی در آغاز ماه از جمله کارهای مشخص و دارای ضابطه‌ای می‌باشند که انجام آنها تکراری و قابل تفویض به سیستم است.
کاربران غیرمجاز با استفاده از یک سری گزارشات، غیرمستقیم به اطلاعات کلیدی دست یافته و اقدام به تغییر آنها می‌نمایند. پیدا نمودن چنین تغییراتی که معمولاً بعد از گزارشات اتفاق می‌افتند، به راحتی امکان‌پذیر نیست. همانطور که مشاهده می‌شود در یک پایگاه داده معمولی ردیابی رویدادهایی که در سیستم اتفاق افتاده‌اند (رخدادها) نیز ممکن نبوده و نیاز به یک سیستم با پشتیبانی جنبه‌های رفتاری میباشد.
یک پایگاه داده فعال نظیر Oracle قادر به تشخیص رویدادهای نظیر اضافه، حذف و تغییر مقادیر در پایگاه داده میباشد. به عبارت دیگر این سیستم‌ها با ایجاد تغییر در یک قلم داده عکس‌العمل نشان می‌دهند.
پایگاه دادة فعال با افزودن قوانین به پایگاه‌های داده امکان تعامل (کنش و واکنش) بین سیستم و پایگاه داده را ایجاد نمود. این نوع پایگاه داده دارای دو بخش مدیریت داده و مدیریت قوانین میباشد. بخش مدیریت داده مسئول حفظ خواص پایگاه داده در سیستم‌های کاربردی بوده و بخش دوم با مدیریت قوانین مسئول واکنش به رویدادهای سیستم میباشد. در این نوع پایگاه داده طراحان سیستم قادرند با تعریف قوانین که نزدیکترین بیان به زبان طبیعی میباشد، سیستم را وادار به عکس‌العمل مناسب در مقابل رویدادهای مهم نمایند [13].
پایگاه داده فعال با استفاده از قوانین قادر به «پشتیبانی گسترده‌تر قیود جامعیت و سازگاری داده‌ها، واکنش در مقابل رخدادهای سیستم کاربردی، عدم اجرای تقاضاهای مشکوک، ردیابی رویدادها، گزارشات ماهانه و...» میباشد.
همانطور که گفته شد آنچه که به طور معمول باعث می‌شود یک پایگاه داده را فعال بدانیم، عکس‌العمل سیستم در مقابل وضعیت‌هایی است که در پایگاه داده و یا حتی خارج از آن به وجود می‌آید. این وضعیت‌ها می‌تواند شامل یک حذف غیرمجاز و یا تغییر وضعیت پایگاه داده باشد. باید توجه داشت که داشتن تعامل برای یک پایگاه داده لازم اما کافی نیست. بسیاری از سیستم‌های پایگاه داده با رعایت اصول پایه‌ای که در زیر به آن اشاره می‌شود به طور عام پایگاه دادة فعال نامیده می شوند [14].
اینگونه سیستم‌ها باید یک پایگاه داده باشند، یعنی در صورتی که کاربر فراموش کرد، سیستم مورد نظر پایگاه دادة فعال است بتواند از آن به عنوان یک پایگاه داده معمولی استفاده نماید (در صورت لزوم بتوان به عنوان یک پایگاه دادة معمولی از آن استفاده نمود).
در اینگونه سیستم‌ها باید امکان تعریف و مدیریت قوانین وجود داشته باشد. این قوانین در پایگاه داده فعال دارای سه جزء رویداد ، شرط و واکنش می‌باشند.
فهرست مطالب:
بخش اول: مفاهیم و تعاریف، کارهای انجام شده
فصل اول: کلیات
مقدمه
مروری بر فصول پایان‌نامه
فصل دوم: پایگاه داده فعال
2-1 مدیریت داده
2-2 مدیریت قوانین
2-2-1 تعریف قانون
رویداد
شرط
واکنش
2-2-2 مدل اجرایی
اولویت اجرایی در قوانین
معماری پایگاه دادة فعال
آشکارساز رویداد
ارزیابی شرط
زمانبندی
اجرا
2-3 نمونه‌های پیاده‌سازی شده
2-3-1 Starburst
2-3-2 Ariel
2-3-3 NAOS
2-4 نتیجه 24
فصل سوم: مفاهیم فازی
3-1 مجموعه‌های فازی
3-2 عملگرهای فازی
3-3 استنتاج فازی
3-4 ابهام‌زدایی
3-5 نتیجه 30
فصل چهارم: پایگاه دادة فعال فازی
4-1 تعریف فازی قوانین
4-1-1 رویداد فازی
رویدادهای مرکب
انتخاب فازی اجزاء رویدادهای مرکب
4-1-2 شرط فازی
4-1-3 واکنش فازی
4-1-4 تعیین فازی موقعیت زمانبندی
4-2 معماری و مدل اجرایی قوانین
4-2-1 آشکارساز رویداد
4-2-2 بررسی شرط
4-2-3 اجرا
4-2-4 زمانبندی
4-3 نتیجه
بخش دوم: کاربردی جدید از تریگر فازی، رونوشت برداری فازی، نتایج آزمایشات
فصل پنجم: رونوشت برداری فازی
5-1 رونوشت برداری
5-1-1 رونوشت برداری همگام
5-1-2 رونوشت برداری ناهمگام
5-1-3 ماشین پایه رونوشت برداری داده
5-1-4 مقایسه دو روش همگام و ناهمگام
5-2 رونوشت برداری فازی
5-2-1 استفاده از تریگرها برای فازی نمودن رونوشت برداری
5-3 کمیت سنج های فازی
5-3-1 روش محاسبه کمیت سنج های فازی
5-3-2 کمیت سنج عمومی
5-3-3 کمیت سنج جزئی
5-3-4 کمیت سنج جزئی توسعه یافته
5-4 روش جدید محاسبه حد آستانه در تریگرهای فازی برای رونوشت برداری فازی
5-5 معماری ماشین رونوشت بردار فازی
5-6 مثال
5-7 کارایی
5-7-1 ترافیک در رونوشت برداری مشتاق
5-7-2 ترافیک در رونوشت برداری تنبل
5-7-3 ترافیک در رونوشت برداری فازی
5-7-4 مقایسه تئوری هزینه رونوشت برداری فازی و تنبل
5-8 جمع بندی
فصل ششم: پیاده سازی
6-1 Fuzzy SQL Server
6-2 عملکرد اجزای Fuzzy SQL Server
6-3 پیاده سازی تریگرهای فازی در پایگاه داده غیر فازی
6-4 اجزاء تریگر فازی در پایگاه داده غیر فازی
6-5 جداول سیستمی مورد نیاز
6-6 مثال
6-7 کارهای آتی
مراجع و منابع
واژه نامه لاتین
واژه نامه فارسی
منابع ومأخذ:
Saygin, Ö. Ulusoy, Automated Construction of Fuzzy Event Sets and its Application to Active Databases, IEEE Transactions on Fuzzy Systems, vol.9, no.3, 2001.
Antoni Wolski, Jorma Kuha, Tapio Luukkanen, Antti Pesonen. Design of RapidBase an Active Measurement Database System. Proceedings of the International Database Engineering & Applications Symposium, Japan ,IEEE Computer Society Press, 2000.
Antti Pesonen, Antoni Wolski. Quantified and Temporal Fuzzy Reasoning for Active Monitoring in RapidBase. Symposium on Tool Environments and Development Methods for Intelligent Systems, 2000.
Yücel Saygin, Özgür Ulusoy, Adnan Yazici. Dealing With Fuzziness In Active Mobile Database Systems. Information Sciences—Informatics and Computer Science: An International Journal, Volume 120 , Issue 1-4, Pages: 23 – 44, November 1999.
Wolski and T. Bouaziz. Fuzzy Triggers: Incorporating Imprecise Reasoning into Active Databases. In Proceedings of the 14th International Conference on Data Engineering, pages 108--115. IEEE Computer Society Press, 1998.
Saygin and O. Ulusoy, "Involving fuzzy concepts in active mobile databases," in Proceedings of the 9th International Conference and Workshop on Database and Expert Systems Applications (DEXA'98). Lecture Notes in Computer Science, Springer Verlag, 1998.
Bouaziz and A. Wolski. Applying Fuzzy Events to Approximate Reasoning in Active Databases. In Proc. Sixth IEEE International Conference on Fuzzy Systems, Barcelona, Catalonia, Spain, July 1997.
Bouaziz T. Karvonen J. Pesonen A. and Wolski A. Design and Implementation of TEMPO Fuzzy Triggers. Proc. Eighth Int'l conference on Database and Expert Systems Applications (DEXA'97), Sept. 1-5, 1997
Bouaziz T. and Wolski A. Incorporating Fuzzy Inference into Database Triggers. Research Report No TTE1-2-96, VTT Information Technology, 15 Espoo, Finland, November 1996.
Wolski, J. Karvonen, A. Puolakka. The RAPID Case Study: Requirements for and the Design of a Fast-response Database System. Proceedings of the First Workshop on real-Time Databases RTDB'96, Newport Beach, CA, USA, 1996.
Highleyman, W. H., Holenstein, P. J., Holenstein, B. D., Chapter 3, Asynchronous Replication, Breaking the Availability Barrier: Survivable Systems for Enterprise Computing, AuthorHouse; 2004.
N. Gray, P. Helland, P. O’Neil, and D. Shasha. The dangers of replication and a solution. In Proceedings of the 1996 International Conference on Management of Data, pages 173–182, Montreal, Canada, ACM-SIGMOD, June 1996.
widom jenifer, Ceri Stefan, margan Kaufmann publishing , Sun Francisco California active database Systems: Triggers and Advances database processing. 1996.
Klaus R. Dittrich , Stella Gatziu , Andreas Geppert , The Active Databases Management System Manifesto: A Rulebase of ADBMS Features. LNCS 1985-1995. pp:3-17.
Dayal U. Buchmann A. McCarthy D.Rules ara objects too: A knowledge model for an active object oriented database System. In Proceedings of the second International Workshop on OODB , LNCS 334. K. Dittrich. Ed. Springer. pp: 129-143.
Gatziu S. Geppert A. Ditrrich K. Integrating active concepts into an active object oriented database system. In proceeding of the third workshop on database programing languages. p kanellakis ed. Morgan – Kaufmann. san mateo. CA. 1991. pp: 23-31.
Widom Jenifer. The Starburst Active Database Rule System. Knowledge and Data engineering IEEE. Transaction on Published Aug 1996. pp:583-595.
Hanson Eric N. The Design and Implementation of The Ariel Acive DB Rule System. Knowledge and data engineering IEEE. 1996 pp: 157-172.
paton Norman, Diaz Oscar. Active database systems, ACM, 1999, pp: 63-103.
Zimmer D., Unland R., On the Semantics of Complex Events in Active DataBase Management System, Data engineering, 15 the international Conference on published 199, pp:392-399.
Geppert Andreas, markus kradolfer, D. Tombros, Realization of Cooperative Agents Using an Active Object – Oriented Database Management System, LNCS 985:Rules in database System, 1995, pp: 327-341.
Yang Shuang, Sharma chakravarthy, formal semantics of composite events for distributed environments, Data Engineering IEEE, 15 th International conference 1999,pp:400-407.
zimmermann j.,H. Branding, A.p.Buchmann, Desing and Implementation and Management of Rules in an Active Database System, LNCS, 1996.pp:157-171
Baralis Elena, Widom Jennifer, Using Delta Relations to Optimize Condition Evaluation in Active Databases. 1995, Rules in Database Systems.
Coliet C., Coupaye t., svenene T., NAOS: efficient and modular reactive capabilities in an object-oriented database system. In proceeding of the twentieth VLDB conference.j.bocca,M. jake Ed. Morgan kaufman, mateo, 1994.pp:132-143
Robert Babuˇska, Fuzzy Systems, Modeling and Identification,1997.
Naghibzadeh, A. Shokrani and N. Saadati, A Proposed Fuzzy RDBMS and its Test Results on an Osteoporosis Patient Database, 2002.
دسته بندی : پاورپوینت
نوع فایل: ppt _ pptx
( قابلیت ویرایش )
قسمتی از محتوی متن پاورپوینت :
تعداد اسلاید : 27 صفحه
مروری بر کنترلرهای فازی و کاربردهای آن در Robotics عناوین ارائه تاریخچه منطق فازی بررسی اجمالی کنترلرهای فازی کنترلرهای ساده فازی کنترلرهای خود سازمان ده فازی کنترلرهای وفق پذیر فازی بررسی چند نمونه از کاربرد کنترلهای فازی در Robotics تاریخچه منطق فازی اولین با در سال 1965 توسط دکتر لطفی زاده مطرح گردید. برای برطرف ساختن ناتوانی منطق دوگانه و ریاضیات بسیار دقیق در برخورد با دنیای واقعی و نا دقیق در سال 1968 نظریات مربوط به کارگیری منطق فازی در بحث کنترل مطرح گردید اولین با در سال 1974 در ارتباط با فرایند کنترل یک موتور بخار توسط آقایان ممدانی و اصیلیان صورت پذیرفت تاریخچه منطق فازی(ادامه) یکی از موارد مهم به کار گیری منطق فازی برای طراحی سیستم های کنترلی براساس کنترل منطقی فازی FLC (Fuzzy Logic Control) می باشد منطق ارسطویی در مقایسه با منطق دکتر لطفی‌زاده در منطق دو ارزشی یا ارسطویی فرض بر دقیقا معلوم بودن حد و مرزهاست و یک مقولة معلوم یا در آن حوزه قرار دارد یا خیر مسائل دنیای واقعی فاقد حد و مرزهای واضح و روشن هستند منطق ارسطویی در مقایسه با منطق دکتر لطفی‌زاده آنجا که قوانین ریاضی به واقعیت ها اشاره می کنند نادقیق هستند و آنجا که دقیق هستند واقعی نیستند. آلبرت اینشتین ابزارهایی که محققان برای حل مسائل هوش مصنوعی بکار می برند آنقدر دقیقند که نمی توانند با جهان نادقیق واقعی برخورد موثر داشته باشند پروفسور لطفی‌زاده بررسی اجمالی کنترلرهای فازی کنترلرهای منطقی فازی فراهم کنندة فرایند تبدیل یک استراتژی کنترلی گفتاری به یک استراتژی کنترلی خودکار می باشند بررسی اجمالی کنترلرهای فازی(ادامه) موارد استفاده از کنترلرهای فازی سیستم های مکانیزة وابسته به دانش فرد خبره سیستم های دارای ابهام و پیچیدگی زیاد سیستم های دارای میزان تاثیر گذاری پارامترهای موثر نامشخص سیستم های دارای پارامترهای تاثیر گذار نا مشخص کنترلرهای فازی(ادامه) انواع کنترلرهای فازی کنترلر ساده فازی کنترلر خود سازمان ده منطق فازی کنترلر وفق پذیر فازی کنترلر ساده فازی طراحی یک کنترلر فازی برای یک رباط فرضی: فرض کنید می خواهیم برای یک Robot که دارای یک Sensor Sonar می باشد می خواهیم یک کنترلر سادة فازی طراحی کنیم.
به طوری که Robot با استفاده از اطلاعات فاصله تا نزدیک یک جسم برود و وقتی به آن رسید با ایستد. کنترلر ساده فازی(ادامه) کنترلر ساده فازی(ادامه) تعریف کنترلر ساده فازی آسان است کنترلر ساده فازی یک کارکرد متوسط کنترلی را ارئه میکند امکان تنظیم و بهینه کردن توابع عضویت برای آنها در نظر گرفته نشده است در سیستم های پیچیده تنها یک نقطه شروع برای رسیدن به کنترلر نهایی می باشد کنترلر خود سازمان ده منطق فازی این نوع از کنترلرها دارای قابلیت های زیر می باشند: امکان تغییر قوانین فازی امکان تولید قانون جدید کنترلر خود سازمان ده منطق فازی غیر فازی کننده فازی کننده مکانیزم استنتاج مقادیر Crisp پایگاه داده و قوانین کنترلی کنترلر منطقی فازی ساده مقادیر Crisp پایگاه دانش بخش تولید کننده و تغییر دهندة قوانین جدول فهرست کارآیی(Performance Index) بخش یادگیری کنترلر وفق پذیر منطق فازی این نوع از کنترلرها دارای قابلیت زیر می باشند: تولید قوانی
متن بالا فقط قسمتی از محتوی متن پاورپوینت میباشد،شما بعد از پرداخت آنلاین ، فایل را فورا دانلود نمایید
لطفا به نکات زیر در هنگام خرید دانلود پاورپوینت: توجه فرمایید.
دانلود فایل 
پرداخت آنلاین
لینک دانلود و خرید پایین توضیحات
فرمت فایل word و قابل ویرایش و پرینت
تعداد صفحات: 7
رسم نمودار فازی بخش اولچگونه یک نمودار فازی رسم کنیم:یک دیاگرام فازی دوتایی نشان دهنده فازهای تشکیل شده و موجود در درصدهای مختلف از مخلوط دو عنصر و در یک دامنه دمایی می باشد.ترکیب شیمیایی از ۱۰۰ درصد در مورد عنصر A در سمت چپ نمودار آغاز و با در نظر گرفتن تمامی مخلوطهای ممکن به ۱۰۰ درصد از عنصر B در سمت راست پایان می یابد.ترکیب شیمیایی یک آلیاژ به شکل A - x%B نشان داده می شود. برای نمونه Cu - 20%Al دارای ۸۰ درصد مس و ۲۰ درصد آلومینیوم می باشد.برای نشان دادن خواص عناصر آلیاژی معمولا از درصد وزنی (Weight percentage ) استفاده می شود از درصد اتمی ( Atomic percentage ) هم می توان استفاده نمود.د درصد وزنی با wt% و درصد اتمی باا at%نشان داده می شود. در این نوشته ما از درصد وزنی استفاده می کنیم.تفاوت درصد وزنی و اتمی را با یک مثال نشان می دهیم:وقتی از Cu-27at%Al حرف می زنیم، یعنی در این آلیاژ ۲۷% اتمها مربوط به آلومینیوم و ۷۳ % اتمها مس هستند و هنگامی که آلیاژ به شکل Cu-27wt%Al باشد، ۲۷% از وزن آلیاژ Al و ۳۷% Cu خواهد بود.
__________________
رسم نمودار فازی بخش دومتمایل در آلیاژها انجماد در یک دامنه دمایی (به جای انجماد در دمایی خاص مانند آنچه در عناصر خالص رخ می دهد)، می باشد. در هر یک از دو سر نمودار فازی فقط یکی از عناصر (۱۰۰% A یا ۱۰۰%B) و در نتیجه یک نقطه ذوب خاص وجود دارد.در برخی مواقع نیز مخلوطهایی وجود دارند که مانند عناصر خالص در یک دمای ویژه منجمد می شوند. این نقطه به نام نقطه یوتکتیک نامیده می شود. امکان وجود بیش از یک نقطه یوتکتیک در برخی نمودار های فازی وجود دارد. نقطه یوتکتیک نقطه ای است که واکنش یوتکتیک رخ می دهد.نقطه یوتکتیک را می توان به صورت تجربی با رسم نمودارهای نرخ سرد شدن در دامنه ای از ترکیب شیمیایی آلیاژ به دست آورد.نمودارهای فازی برای آلیاژهای بسیار ساده دوتایی دارای نقطه یوتکتیک نیست. در این حالت مخلوط مذاب (مایع) در یک دامنه انجماد (دامنه دمایی) سرد شده و محلی جامد از دو عنصر تشکیل دهنده بوجود می آید.این نمودار ساده فازی معمولا فقط وقتی بوجود می آید که دو عنصر بسیار شبیه به هم تشکیل آلیاژی را داده و یا بخشی از یک نمودار فازی پیچیده باشند رسم نمودار فازی بخش سومبا سرد کردن آلیاژ از حالت مذاب و ثبت کردن نرخ سرد شدن آن، می توان دمای شروع انجماد را مشخص و در نمودار فازی رسم نمود. با انجام دادن آزمایشات تجربی به تعداد کافی در دامنه ای از ترکیب شیمیایی، یک منحنی شروع انجماد را در نمودار می توان رسم نمود. این منحنی به سه نقطه انجماد ساده (Single) ختم می شود و به خط لیکیدوس معروف است. بالای این خط فقط حالت مایع از آلیاژ وجود خواهد داشت.به همان روشی که شکر در چای داغ حل می شود(محلول مایع)، برای یک عنصر نیز امکان اینکه در یک عنصر دیگر حل شده ،در حالی که هر در حالت جامد باقی بمانند، وجود دارد. به این امر حلالیت جامد می گویند که مشخصاً تا چند درصد وزنی وجود دارد. این حد حلالیت معمولا با دما تغییر می کند.گستردگی منطقه حلالیت جامد را می توان در نمودار فازی رسم کرده و نامگذاری نمود. محلول جامدی از عنصر Bدر A(یعنی عمدتا عنصر A وجود داشته باشد)، به نام فاز آلفا(فاز تشکیل شده در سمت چپ نمودار) و وارون این حالت بتا (فاز تشکیل شده در سمت راست نمودار)نامیده می شود.نکته قابل توجه در در مورد برخی از عناصر این است که برخی از این عناصر در حالت آلیاژی با یکدیگر دارای حلالیت صفر هستند(در همدیگر حل نمی شود). یک شاهد بسیار خوب آلیاژ های Al – Si است که آلومینیوم در سیلیکون حلالیت برابر با صفر دارد.
__________________
رسم نمودار فازی بخش چهارماگر ترکیب شیمیایی یک آلیاژ در منطقه کوچک محلول جامد و یا در کناره های نمودار فازی قرار نگیرد، آلیاژ در نقطه یوتکتیک به شکل کامل جامد می شود که این به شکل خط یوتکتیک در نمودار فازی نشان داده شده است.در دماها و ترکیبات شیمیایی بین شروع انجماد و نقطه ای که جامد کامل به دست می آید(دمای یوتکیتیک)، مخلوطی خمیری از هر دو فاز آلفا یا بتا به شکل توده های جامد با مخلوطی مایع از A و B بوجود خواهد آمد. این منطقه را که به صورت جزیی جامد شده است، در نمودار فازی زیر می توانید مشاهده کنید.منطقۀ قرار گرفته در زیر خط یوتکتیک و خارج از منطقۀ محلول جامد، مخلوطی از آلفا و بتا خواهد بودخطوط ارتباطی و قانون اهرم Leverآلیاژی را که در نمودار زیر نشان داده شده است، در دما و ترکیب مشخص ده در نظر بگیرید. در این دما آلیاژ مخلوطی از فازهای آلفا و مایع(مذاب) است اما ترکیب دقیق شیمیایی در این دما چیست؟یک خط ایزوترمال(دمای ثابت) از نقطه مورد نظر رسم کنید. این خط دو منحنی حلالیت مجاورش را قطع می کند و به نام خط ارتباطی نامیده می شود(Tie Line). دوسر انتهایی این خط نشان دهنده ترکیب شیمیایی دو فاز موجود در حالت تعادل با دیگر فاز در این دما می باشد.از نمودار می دانیم که فازهای آلفا و مذاب وجود دارند. خط ارتباطی نشان می دهد که فاز آلفا ۵/۲% B و فاز مذاب ۳۴/۵%B در این دما است. توجه داشته باشید که ترکیب کلی نمونه بدون تغییر مانده و ما فقط ترکیب شیمیایی فازهای تشکیل دهنده نمونه را تعیین می کنیم.
چکیده:
تحلیل همزمان اطلاعات در بسیاری از سیستم های تحلیلی اینترنتی مانند تحلیل اسناد یا تحلیل تاریخچة خرید رواج گسترده ای یافته است. برخلاف مشاهدات چند متغیره معمولی، هر شیء بواسطة درجة وقوع همزمان آن با آیتم های مختلف تشخیص داده می شود و هدف اغلب توسعة ساختارهای هم خوشه بین اشیاء و اقلام است به گونه ای که متقابلاً جفت های مشابه اقلام – آیتم ها تشکیل یک خوشة مشترک دهد. یکی از کاربردهای معمول تحلیل ساختار خوشه مشترک را می توان در فیلترینگ همزمان (CF) مشاهده کرد. CF شیوه ای مبنا برای دستیابی به توصیه های شخصی در خدمات مختلف وب است که در آن تشابه اولویت در بین کاربران در نظر گرفته می شود. در این مقاله نوعی مدل خوشه بندی مشترک فازی معرفی می گردد که از مدل خوشه بندی همزمان آماری نشات گرفته و ضمن مرور مختصری بر چارچوب CF کاربرد پذیری آن را برای وظایف CF تعیین اثبات می نماید.
