دانلود تحقیق مقدمه ای بر داده کاوی و اکتشاف دانش Data Mining
این تحقیق بصورت Word و با موضوع مقدمه ای بر داده کاوی و اکتشاف دانش Data Mining و برای رشته مهندسی کامپیوتر مناسب و در 19 برگه کامل می باشد.
در ادامه فهرست مطالب تحقیق آمده است . این تحقیق را می توانید بصورت کامل و آماده تحویل از پایین همین صفحه دانلود نمایید.
بلافاصله بعد از پرداخت و خرید ، لینک دانلود نمایش داده می شود، علاوه بر آن لینک فایل مربوطه به ایمیل شما نیز ارسال می گردد.
مقدمه
امروزه با گسترش سیستم های پایگاهی و حجم بالای داده ها ی ذخیره شده در این سیستم ها ، نیاز به ابزاری است تا بتوان داده های ذخیره شده را پردازش کردواطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد .
با استفاده ار 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 آنها 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 دانشبپردازند یعنی با کمترین دخالت کاربر و به صورت خودکار الگوها و رابطه های منطقی را بیان نمایند .
داده کاوی یکی از مهمترین این روشها 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 آنها تصمیمات مهم و حیاتی در سازمانها 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 تاکید می شود . علاوه بر این داده کاوی با هوش مصنوعی و یادگیری ماشین نیز ارتباط تنگاتنگی دارد ، بنابراین می توان گفت در داده کاوی تئوریهای 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 تاکید شده است .
هر چه حجم داده ها بیشتر و روابط میان آنها پیچیده تر باشد دسترسی به اطلاعات نهفته در میان داده ها مشکلتر می شود و نقش داده کاوی به عنوان یکی از روشهای کشف دانش ، روشن تر می گردد .
فهرست مطالب
مقدمه. 1
1- مفاهیم پایه در داده کاوی. 2
1-1- تعریف داده کاوی. 2
2- تاریخچه داده کاوی. 2
3- مراحل فرایند کشف دانش از پایگاه داده ها4
4- عملیاتهای داده کاوی. 5
4-1- مدلسازی پیشگویی کننده6
4-2- تقطیع پایگاه داده ها6
4-3- تحلیل پیوند. 7
4-4- تشخیص انحراف.. 7
5- الگوریتمهای داده کاوی. 8
5-1- شبکه های عصبی. 8
5-2- درخت های انتخاب.. 9
5-3- استنتاج قانون. 10
5-4- الگوریتمهای ژنتیک.. 10
6- مدل فرآیند دو سویه. 11
6-1- تعریف مساله. 11
6-2- ساختن یک پایگاه داده داده کاوی. 11
6-3- جستجوی داده12
6-4- آماده سازی داده برای مدل سازی. 13
6-5- ساختن مدل داده کاوی. 13
6-6- ارزیابی و تفسیر14
6-7- ایجاد معماری مدل و نتایج. 14
نتیجه گیری. 15
منابع و مراجع. 16
