پروژه داده کاوی و کشف قوانین وابستگی
دانلود پروژه در مورد داده کاوی و کشف قوانین وابستگی،
در قالب word و در 64 صفحه، قابل ویرایش، شامل:
چکیده
مقدمه
کشف دانش در پایگاه داده
آیا داده کاوی برای حل مسائل ما مناسب است؟
جمع آوری داده ها
به کارگیری نتایج
استراتژی های داده کاوی
پیش گویی Perdiction
Unsupervised Clustering دسته بندی بدون کنترل
تکنیک های داده کاوی تحت کنترل
شبکه عصبی
برگشت آماری
قوانین وابستگی
الگوریتم Apriori
الگوریتم Aprior TID
الگوریتم partition
الگوریتم های MaxEclat, Eclat
الگوریتم با ساختار trie
الگوریتم fp-grow
ساخت fp- tree
Fp-tree شرطی
الگوریتم برداری
نگهداری قوانین وابستگی
الگوریتم کاهشی
چکیده تحقیق:
با افزایش سیستم های کامپیوتر و گسترش تکنولوژی اطلاعات، بحث اصلی در علم کامپیوتر از چگونگی جمع آوری اطلاعات به نحوه استفاده از اطلاعات منتقل شده است. سیستم های داده کاوی، این امکان را به کاربر می دهند که بتواند انبوه داده های جمع آوری شده را تفسیر کنند و دانش نهفته در آن را استخراج نمایند.
داده کاوی به هر نوع کشف دانش و یا الگوی پنهان در پایگاه داده ها اطلاق می شود. امروزه داده کاوی به عنوان یکی از مهم ترین مسائل هوش مصنوعی و پایگاه داده، محققان بسیاری را به خود جذب کرده است. در این تحقیق ابتدا نگاه کلی بر داده کاوی، استراتژی های داده کاوی و... داریم، سپس مسأله کشف قوانین وابستگی در پایگاه داده را به تفضیل بررسی کردیم و نگاهی به الگوریتمهای موجود برای آن داشتیم. سپس مسأله کشف قوانین وابستگی در پایگاه داده های پویا را مورد بحث قرار دادیم و الگوریتم های ارائه شده مربوطه را مطرح کردیم.
تعداد مشاهده: 646 مشاهده
فرمت فایل دانلودی:.zip
فرمت فایل اصلی: doc
تعداد صفحات: 64
حجم فایل:277 کیلوبایت
-
محتوای فایل دانلودی:
در قالب word و در 64 صفحه، قابل ویرایش.
تحقیق داده کاوی، مفاهیم و کاربرد
دانلود تحقیق در مورد داده کاوی، مفاهیم و کاربرد،
در قالب doc و در 101 صفحه، قابل ویرایش، شامل:
چکیده
مقدمه
فصل اول: مفاهیم داده کاوی
مدیریت ذخیره سازی و دست یابی اطلاعات
ساختار بانک اطلاعاتی سازمان
داده کاوی (Data Mining)
مفاهیم پایه در داده کاوی
تعریف داده کاوی
مراحل فرآیند کشف دانش از پایگاه داده ها
الگوریتم های داده کاوی
آماده سازی داده برای مدل سازی
درک قلمرو
ابزارهای تجاری داده کاوی (Tools DM Commercial)
منابع اطلاعاتی مورد استفاده
محدودیت های داده کاوی
حفاظت از حریم شخصی در سیستم های داده کاوی
فصل دوم : کاربردهای داده کاوی
کاربرد داده کاوی در کسب و کار هوشمند بانک
داده کاوی درمدیریت ارتباط با مشتری
کاربردهای داده کاوی در کتابخانه ها و محیط های دانشگاهی
داده کاوی و مدیریت موسسات دانشگاهی
داده کاوی و مدیریت بهینه وب سایت ها
داده کاوی و مدیریت دانش
کاربرد داده‌کاوی در آموزش عالی
فصل سوم: بررسی موردی1: وب کاوی
معماری وب کاوی
مشکلات و محدودیت های وب کاوی در سایت های فارسی زبان
محتوا کاوی وب
فصل چهارم: بررسی موردی2: داده کاوی در شهر الکترونیک
زمینه داده کاوی در شهر الکترونیک
کاربردهای داده کاوی در شهر الکترونیک
چالش های داده کاوی در شهر الکترونیک
مراجع و مأخذ
چکیده تحقیق:
امروزه با گسترش سیستم های پایگاهی و حجم بالای داده های ذخیره شده در این سیستم ها، نیاز به ابزاری است تا بتوان داده های ذخیره شده را پردازش کرد و اطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد.
با استفاده از پرسش های ساده در SQL و ابزارهای گوناگون گزارش گیری معمولی، می توان اطلاعاتی را در اختیار کاربران قرار داد تا بتوانند به نتیجه گیری در مورد داده ها و روابط منطقی میان آن ها بپردازند. اما وقتی که حجم داده ها بالا باشد، کاربران هر چند زبر دست و با تجربه باشند نمی توانند الگوهای مفید را در میان حجم انبوه داده ها تشخیص دهند و یا اگر قادر به این کار هم با شند، هزینه عملیات از نظر نیروی انسانی و مادی بسیار بالا است.
از سوی دیگر کاربران معمولا فرضیه ای را مطرح می کنند و سپس بر اساس گزارشات مشاهده شده به اثبات یا رد فرضیه می پردازند، در حالی که امروزه نیاز به روشهایی است که اصطلاحا به کشف دانش بپردازند، یعنی با کمترین دخالت کاربر و به صورت خودکار الگوها و رابطه های منطقی را بیان نمایند.
داده کاوی یکی از مهم ترین این روش ها است که به وسیله آن الگوهای مفید در داده ها با حداقل دخالت کاربران شناخته می شوند و اطلاعاتی را در اختیار کاربران و تحلیل گران قرار می دهند تا براساس آن ها تصمیمات مهم و حیاتی در سازمان ها اتخاذ شوند.
در داده کاوی از بخشی از علم آمار به نام تحلیل اکتشافی داده ها استفاده می شود که در آن بر کشف اطلاعات نهفته و ناشناخته از درون حجم انبوه داده ها تأکید می شود. علاوه بر این داده کاوی با هوش مصنوعی و یادگیری ماشین نیز ارتباط تنگاتنگی دارد، بنابراین می توان گفت در داده کاوی تئوری های پایگاه داده ها، هوش مصنوعی ، یادگیری ماشین و علم آمار را در هم می آمیزند تا زمینه کاربردی فراهم شود .
باید توجه داشت که اصطلاح داده کاوی زمانی به کار برده می شود که با حجم بزرگی از داده ها، در حد مگا یا ترابایت، مواجه باشیم. در تمامی منابع داده کاوی بر این مطلب تأکید شده است.
هر چه حجم داده ها بیشتر و روابط میان آن ها پیچیده تر باشد، دسترسی به اطلاعات نهفته در میان داده ها مشکل تر می شود و نقش داده کاوی به عنوان یکی از روش های کشف دانش ، روشن تر می گردد.
تعداد مشاهده: 555 مشاهده
فرمت فایل دانلودی:.zip
فرمت فایل اصلی: doc
تعداد صفحات: 101
حجم فایل:837 کیلوبایت
-
محتوای فایل دانلودی:
در قالب doc و در 101 صفحه، قابل ویرایش.