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

تعریف و طبیعت هوش مصنوعی

هوش مصنوعی (artificial intelligence) را باید عرصهٔ پهناور تلاقی و ملاقات بسیاری از دانش‌ها، علوم، و فنون قدیم و جدید دانست. ریشه‌ها و ایده‌های اصلی آن را باید در فلسفه، زبان‌شناسی، ریاضیات، روان‌شناسی، نورولوژی، و فیزیولوژی نشان گرفت و شاخه‌ها، فروع، و کاربردهای گونا‌گون و فراوان آن را در علوم رایانه، علوم مهندسی، علوم زیست‌شناسی و...

دانلود تحقیق مقدمه ای بر داده کاوی

این تحقیق بصورت Word و با موضوع مقدمه ای بر داده کاوی و برای رشته مهندسی کامپیوتر و مناسب و در 32 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.

1- مقدمه ای بر داده‌کاوی

در دو دهه قبل توانایی های فنی بشر در برای تولید و جمع آوری داده‌ها به سرعت افزایش یافته است. عواملی نظیر استفاده گسترده از بارکد برای تولیدات تجاری، به خدمت گرفتن کامپیوتر در کسب و کار، علوم، خدمات دولتی و پیشرفت در وسائل جمع آوری داده، از اسکن کردن متون و تصاویر تا سیستمهای سنجش از دور ماهواره ای، در این تغییرات نقش مهمی دارند[‎1].

بطور کلی استفاده همگانی از وب و اینترنت به عنوان یک سیستم اطلاع رسانی جهانی ما را مواجه با حجم زیادی از داده و اطلاعات می‌کند. این رشد انفجاری در داده‌های ذخیره شده، نیاز مبرم وجود تکنولوژی های جدید و ابزارهای خودکاری را ایجاد کرده که به صورت هوشمند به انسان یاری رسانند تا این حجم زیاد داده را به اطلاعات و دانش تبدیل کند: داده کاوی به عنوان یک راه حل برای این مسائل مطرح می باشد. در یک تعریف غیر رسمی داده کاوی فرآیندی است، خودکار برای استخراج الگوهایی که دانش را بازنمایی می کنند، که این دانش به صورت ضمنی در پایگاه داده های عظیم، انباره داده  و دیگر مخازن بزرگ اطلاعات، ذخیره شده است. داده کاوی بطور همزمان از چندین رشته علمی بهره می برد نظیر: تکنولوژی پایگاه داده، هوش مصنوعی، یادگیری ماشین، شبکه های عصبی، آمار، شناسایی الگو، سیستم های مبتنی بر دانش ، حصول دانش ، بازیابی اطلاعات ، محاسبات سرعت بالا و بازنمایی بصری داده . داده کاوی در اواخر دهه 1980 پدیدار گشته، در دهه 1990 گامهای بلندی در این شاخه از علم برداشته شده و انتظار می رود در این قرن به رشد و پیشرفت خود ادامه دهد [‎2].

واژه های «داده کاوی» و «کشف دانش در پایگاه داده» اغلب به صورت مترادف یکدیگر مورد استفاده قرار می گیرند. کشف دانش به عنوان یک فرآیند در شکل1 نشان داده شده است.

کشف دانش در پایگاه داده فرایند شناسایی درست، ساده، مفید، و نهایتا الگوها و مدلهای قابل فهم در داده ها می باشد. داده کاوی، مرحله ای از فرایند کشف دانش می باشد و شامل الگوریتمهای مخصوص داده کاوی است، بطوریکه، تحت محدودیتهای مؤثر محاسباتی قابل قبول، الگوها و یا مدلها را در داده کشف می کند [‎1]. به بیان ساده تر، داده کاوی به فرایند استخراج دانش ناشناخته، درست، و بالقوه مفید از داده اطلاق می شود. تعریف دیگر اینست که، داده کاوی گونه ای از تکنیکها برای شناسایی اطلاعات و یا دانش تصمیم گیری از قطعات داده می باشد، به نحوی که با استخراج آنها، در حوزه های تصمیم گیری، پیش بینی، پیشگویی، و تخمین مورد استفاده قرار گیرند. داده ها اغلب حجیم ، اما بدون ارزش می باشند، داده به تنهایی قابل استفاده نیست، بلکه دانش نهفته در داده ها قابل استفاده می باشد. به این دلیل اغلب به داده کاوی، تحلیل داده ای ثانویه گفته می شود.

فهرست مطالب

1- مقدمه ای بر داده‌کاوی.. 1

1-1 چه چیزی سبب پیدایش داده کاوی شده است؟. 2

1-2 مراحل کشف دانش.... 4

1-3 جایگاه داده کاوی در میان علوم مختلف... 9

1-4 داده کاوی چه کارهایی نمی تواند انجام دهد؟. 10

1-5 داده کاوی و انبار داده ها 11

1-6 داده کاوی و OLAP. 12

1-7 کاربرد یادگیری ماشین و آمار در داده کاوی.. 13

2- توصیف داده ها در داده کاوی.. 13

2-1 خلاصه سازی و به تصویر در آوردن داده ها13

2-2 خوشه بندی 14

2-3 تحلیل لینک.... 15

3- مدل های پیش بینی داده ها15

3-1 Classification. 15

3-2 Regression. 16

3-3 Time series. 16

4 - مدل ها و الگوریتم های داده کاوی.. 16

4-1 شبکه های عصبی 17

4-2 Decision trees. 20

4-3 Multivariate Adaptive Regression Splines(MARS)22

4-4 Rule induction. 23

4-5 K-nearest neibour and memory-based reansoning(MBR)23

4-6 رگرسیون منطقی.. 24

4-7 تحلیل تفکیکی 25

4-8 مدل افزودنی کلی (GAM)26

4-9 Boosting. 26

5 - سلسله مراتب انتخابها26

منابع. 29

فهرست شکل ها

شکل1: داده کاوی به عنوان یک مرحله از فرآیند کشف دانش... 3

شکل2: سیر تکاملی صنعت پایگاه داده6

شکل3: معماری یک نمونه سیستم داده کاوی. 7

شکل 4 . داده ها از انباره داه ها استخراج می گردند. 11

شکل 5 .داده ها از چند پایگاه داده استخراج شده اند. 12

شکل6: شبکه عصبی با یک لایه نهان. 17

شکل 7: Wx,y وزن یال بین X و Y است.18

شکل8: درخت تصمیم گیری. 20

شکل9: محدوده همسایگی (بیستر همسایه ها در دسته X قرار گرفته اند)23