دانلود پایان نامه با موضوع Data Mining
مقدمه :
امروزه با گسترش سیستم‌های پایگاهی و حجم بالای داده‌های ذخیره شده در این سیستم‌ها، نیاز به ابزاری است تا بتوان داده‌های ذخیره شده را پردازش کرد و اطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد.
با استفاده از پرسش‌های ساده در SQL و ابزارهای گوناگون گزارش‌گیری معمولی، می‌توان اطلاعاتی را در اختیار کاربران قرار داد تا بتوانند به نتیجه‌گیری در مورد داده‌ها و روابط منطقی میان آنها بپردازند. امّا وقتی که حجم داده‌ها بالا باشد، کاربران هرچند زبر دست و با تجربه باشند نمی‌توانند الگوها مفید را در میان حجم انبوه داده‌ها تشخیص دهند و یا اگر قادر به این کار هم باشند، هزینه عملیات از نظر نیروی انسانی و مادی بسیار بالا است.
از سوی دیگر، کاربران معمولاً فرضیه‌ای را مطرح می‌کنند و سپس بر اساس گزارشات مشاهده شده به اثبات یا رد فرضیه می‌پردازند، در حالی که امروزه نیاز به روشهایی است که اصطلاحاً به کشف دانش بپردازند یعنی با کمترین دخالت کاربر و بصورت خودکار الگوها و رابطه‌های منطقی را بیان نمایند.داده کاوی یکی از مهمترین این روشها است که به الگوهای مفید در داده‌ها با حداقل دخالت کاربران شناخته می‌شوند واطلاعاتی را در اختیار کاربران و تحلیل گران قرار می‌دهند تا براساس آن تصمیمات مهم و …
جهت دانلود به ادامه مطلب مراجعه نمایید
دانلود پایان نامه با موضوع Data Mining
مقدمه :
امروزه
با گسترش سیستم‌های پایگاهی و حجم بالای داده‌های ذخیره شده در این
سیستم‌ها، نیاز به ابزاری است تا بتوان داده‌های ذخیره شده را پردازش کرد و
اطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد.
با
استفاده از پرسش‌های ساده در SQL و ابزارهای گوناگون گزارش‌گیری معمولی،
می‌توان اطلاعاتی را در اختیار کاربران قرار داد تا بتوانند به نتیجه‌گیری
در مورد داده‌ها و روابط منطقی میان آنها بپردازند. امّا وقتی که حجم
داده‌ها بالا باشد، کاربران هرچند زبر دست و با تجربه باشند نمی‌توانند
الگوها مفید را در میان حجم انبوه داده‌ها تشخیص دهند و یا اگر قادر به این
کار هم باشند، هزینه عملیات از نظر نیروی انسانی و مادی بسیار بالا است.
از
سوی دیگر، کاربران معمولاً فرضیه‌ای را مطرح می‌کنند و سپس بر اساس
گزارشات مشاهده شده به اثبات یا رد فرضیه می‌پردازند، در حالی که امروزه
نیاز به روشهایی است که اصطلاحاً به کشف دانش بپردازند یعنی با کمترین
دخالت کاربر و بصورت خودکار الگوها و رابطه‌های منطقی را بیان نمایند.داده
کاوی یکی از مهمترین این روشها است که به الگوهای مفید در داده‌ها با
حداقل دخالت کاربران شناخته می‌شوند واطلاعاتی را در اختیار کاربران و
تحلیل گران قرار می‌دهند تا براساس آن تصمیمات مهم و …
فهرست مطالب :
فصل اول : مقدمه ای بر داده کاوی
تعریف داده کاوی
تاریخچه داده کاوی
چه چیزی سبب پیدایش داده کاوی شده است؟
اجزای سیستم داده کاوی
جایگاه داده کاوی در میان علوم مختلف
قابلیتهای داده کاوی
چرا به داده کاوی نیاز داریم؟
داده کاوی چه کارهایی نمی تواند انجام دهد؟
کاربردهای داده کاوی
کاربردهای پیش بینی کننده
کاربردهای توصیف کننده
ابزارهای تجاری داده کاوی
داده کاوی و انبار داده ها
تعاریف انبار داده
چهار خصوصیت اصلی انبار داده
موارد تفاوت انبارداده و پایگاه داده
داده کاوی و OLAP
OLAP
انواع OLAP
مراحل فرایند کشف دانش از پایگاه داده ها
انبارش داده ها
انتخاب داده ها
پاکسازی پیش پردازش آماده سازی
تبدیل داده ها
کاوش در داده ها (Data Mining)
تفسیر نتیجه
فصل دوم : قوانین ارتباطی
قوانین ارتباطی
اصول پایه
شرح مشکل جدی
پیمایش فضای جستجو
مشخص کردن درجه حمایت مجموعه اقلام
الگوریتمهای عمومی
دسته بندی
BFS و شمارش رویداد ها
BFS و دونیم سازی TID-list
DFS و شمارش رویداد
DFS و دو نیم سازی TID-list
الگوریتم Apriori
مفاهیم کلیدی
پیاده سازی الگوریتم Apriori
معایب Apriori و رفع آنها
الگوریتم رشد الگوی تکرارشونده
چرا رشد الگوی تکرار سریع است؟
مقایسه دو الگوریتم Apriori و FP-growth
تحلیل ارتباطات
فصل سوم : وب کاوی و متن کاوی
وب کاوی
الگوریتمهای هیتس و لاگسام
کاوش الگوهای پیمایش مسیر
متن کاوی
کاربردهای متن کاوی
جستجو و بازیابی
گروه بندی و طبقه بندی
خلاصه سازی
روابط میان مفاهیم
یافتن و تحلیل گرایشات
برچسب زدن نحوی (pos)
ایجاد Thesaurus و آنتولوژی به صورت اتوماتیک
فرایند متن کاوی
روشهای متن کاوی
مراجع
۳ هزار تومان
مقطع : کارشناسی
تعداد صفحه : 100
فرمت : Doc (ورد)
حجم : 4.3 مگابایت
پسوند فایل فشرده : Zip
برنامه فشرده ساز : Power Archiver
رمز فایل فشرده در صورت نیاز : BeyhaghMarket.ir
- ۹۶/۰۶/۲۳