پروژه داده‌کاوی پویا با استفاده از عامل

پروژه داده‌کاوی پویا با استفاده از عامل پژوهشی کامل برای رشته کامپیوتر و IT می باشد و در 6 فصل تنظیم شده است. شما میتوانید فهرست مطالب پروژه را در ادامه مشاهده نمایید.

پروژه بصورت فایل قابل ویرایش ورد(WORD) در 165 برگهدر پایین همین صفحه قابل دانلود میباشد. شایسته یادآوری است که پروژه از ابتدا تا پایان ویرایش وتنظیم , سکشن بندی (section) وfootnote نویسی و فهرست گذاری اتوماتیک کامل شده وآماده تحویل یا کپی برداری از مطالب مفید آن است.

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.

چکیده

امروزه با توجه به گسترش روز افزون اطلاعاتی که بشر با آنها سر و کار دارد، بهره­گیری از روشهایی همچون داده‌کاوی برای استخراج دانش و اطلاعات نهفته در داده‌ها، امری غیرقابل اجتناب می­باشد. بدلیل حجم بسیار بالای داده‌ها در بسیاری از کاربردها و اهمیت بیشتر داده‌های جدید، ذخیره­سازی این داده‌ها امری مقرون به صرفه نیست، لذا داده‌هایی که باید مورد پردازش قرار گیرند، همواره بصوت پویا در حال تغییر و تحول هستند. مساله دیگری که امروزه در بحث داده‌کاوی وجود دارد، بحث توزیع شدگی ذاتی داده‌ها است. معمولا پایگاههایی که این داده‌ها را ایجاد یا دریافت می­کنند، متعلق به افراد حقیقی یا حقوقی هستند که هر کدام بدنبال اهداف و منافع خود می­باشند و حاضر نیستند دانش خود را بطور رایگان در اختیار دیگران قرار دهند.

با توجه به قابلیتهای عامل و سیستمهای چندعامله و مناسب بودن آنها برای محیطهای پویا و توزیع شده بنظر می­رسد که بتوان از قابلیتهای آنها برای داده‌کاوی در محیطهای پویا و محیطهای توزیع شده بهره برد. اکثر کارهایی که تاکنون در زمینه بهره­گیری از عامل و سیستمهای چندعامله انجام شده است خصوصیتهایی همانند خودآغازی و بخصوص متحرک بودن عاملها را مورد بررسی قرار داده است و در آنها مواردی همچون هوشمندی، یادگیری، قابلیت استدلال، هدفگرایی و قابلیتهای اجتماعی عاملها مورد بررسی قرار نگرفته است. در این تحقیق ما قصد داریم تا ضمن بررسی کارهای موجود در زمینه کاربرد عامل و سیستمهای چندعامله در داده‌کاوی، بحث طبقه‌بندی جریان داده‌ها را در یک محیط پویا مورد بررسی قرار دهیم. ما مساله خود را در دو فاز مورد بررسی قرار خواهیم داد. در فاز اول خصوصیتهای یک عامل تنها مورد بررسی قرار خواهد گرفت و در فاز دوم قابلیتهای اجتماعی عاملها مانند مذاکره، دستیابی به توافق و ... برای داده‌کاوی در یک محیط پویا و توزیع­شده رقابتی مورد استفاده قرار خواهد گرفت. بطور کلی دستاوردهای اصلی این تحقیق عبارتند از 1) ارائه یک رویکرد مبتنی بر عامل برای مساله طبقه‌بندی جریان داده‌های دارای تغییر مفهوم و پویا با استفاده از قابلیتهای هدفگرایی، هوشمندی، یادگیری و استدلال 2) ارائه یک رویکرد مبتنی بر سیستمهای چندعامله برای طبقه‌بندی جریان داده‌های توزیع­شده در یک محیط رقابتی با استفاده از قابلیتهای اجتماعی عاملها و دستیابی به توافق. نتایج حاصل از آزمایشات انجام شده در این پایان­نامه نشان­دهنده برتری استفاده از عاملها و سیستمهای چندعامله برای بحث طبقه‌بندی و داده‌کاوی در محیطهای پویا و توزیع شده می­باشد.

کلمات کلیدی:

داده‌کاوی[1]، طبقه‌بندی[2]، جریان داده[3]، عامل[4].

[1] Data Mining

پایان نامه داده‌کاوی داده‌کاوی Data Mining Miningخوشه‌بندیداده‌کاوی الگوریتمهای داده‌کاوی داده‌کاوی استفاده از عامل

زینب جمعه 3 شهریور 1396 ساعت 12:52

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

زینب یکشنبه 8 مرداد 1396 ساعت 08:56

این تحقیق بصورت Word و با موضوع دانش داده کاوی و برای رشته مهندسی کامپیوتر مناسب و در 15 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.

چکیده

نمونه‌ای از کاربرد دانش داده کاوی استفاده از داده کاوی در زمینه‌های مالی و بانکداری است که به شناخت مشتریان پر خطر و سودجو بر اساس معیار هایی از جمله سن، درآمد، وضعیت سکونت، تحصیلات، شغل و غیره می انجامد. دانش داده کاوی با با دانش آنالیز آماری تفاوت دارد. این دانش با استخراج اطلاعات از چندین پایگاه داده، یکپارچه سازی اطلاعات، جلوگیری از افزونگی ومدیریت بروزرسانی، با در اختیار داشتن نرم‌افزارهای مخصوص و با ارایه گزارش و گراف به مدیریت داده‌ها در شرکت‌ها کمک می‌کند.

1- مقدمه

دانش داده کاوی یکی از ده دانش در حال توسعه است. در این مقاله به صورت کامل دانش داده کاوی(data mining) یا کشف دانش در داده‌ها معرفی شده است.برای یادگیری دانش داده کاوی نیاز است با مفاهیمی آشنا شویم:

داده کاوی استخراج اطلاعات مفهومی، ناشناخته و به صورت بالقوه مفید از پایگاه داده می‌باشد. Source: W.Frawley and G. Piatetsky. Knowledge Discovery IDataBases.ISSN ۰۷۳۸-۴۶۰۲ داده کاوی علم استخراج اطلاعات مفید از پایگاه‌های داده یا مجموعه داده‌ای می‌باشد. Source: D. Hand,H. Mannila,P. Smyth(۲۰۰۱).Principlesof Data Mining.MIT Press,Cambridge داده کاوی استخراج نیمه اتوماتیک الگوها، تغییرات، وابستگی ها، نابهنجاری‌ها و دیگر ساختارهای معنی دار آماری از پایگاه‌های بزرگ داده می‌باشد.Source: R.Grossman

فهرست مطالب

چکیده1

1- مقدمه. 1

2- تعاریف داده کاوی.. 1

3- تاریخچه داده کاوی.. 2

4- دانش داده کاوی(data mining)2

4- مراحل کشف دانش داده‌ها2

5- مراحل داده کاوی پایگاه داده3

6- مراحل فرایند داده کاوی.. 4

7- مفاهیم اساسی در داده کاوی.. 5

8- رابطه داده کاوی با آنالیز آماری.. 6

8-1- نمونه‌ای از روش آنالیز آماری.. 7

8-2- نمونه‌ای از روش داده کاوی.. 7

9- مثال تفهیمی در مورد داده کاوی.. 7

10- مثالی کلاسیک از کاربرد داده کاوی.. 8

11- فواید و نقش داده کاوی در فعالیت شرکتها10

نتیجه گیری.. 10

منبع. 12

زینب یکشنبه 8 مرداد 1396 ساعت 01:46

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

زینب چهارشنبه 31 خرداد 1396 ساعت 07:05