پروژه Data Mining-((پی دی اف-pdf))

 

پروژه Data Mining-((پی دی اف-pdf))

پروژه Data Mining-((پی دی اف-pdf))

پروژه Data Mining

چکیده:
در دو دهه قبل توانایی¬های فنی بشر 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.
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.
به لحاظ اینکه در چند سال اخیر مبحث داده¬کاوی و اکتشاف دانش موضوع بسیاری از مقالات و کنفرانسها قرار گرفته و نرم¬افزار¬های آن در بازار به شدت مورد توجه قرار گرفته، از اینرو در مقاله سعی بر آن شده تا گذری بر آن داشته باشیم.
و….

فهرست مطالب:

فصل۱: مقدمه¬ای بر داده¬کاوی
۱-۱ تعریف داده¬کاوی
۲-۱ تاریخچه داده¬کاوی
۳-۱ چه چیزی سبب پیدایش داده¬کاوی شده است؟
۴-۱ اجزای سیستم داده کاوی
۵-۱ جایگاه داده¬کاوی در میان علوم مختلف
۶-۱ قابلیتهای داده¬کاوی
۷-۱ چرا به داده¬کاوی نیاز داریم؟
۸-۱ داده¬کاوی چه کارهایی نمی¬تواند انجام دهد؟
۹-۱ کاربردهای داده¬کاوی
۱-۹-۱ کاربردهای پیش¬بینی¬کننده
۲-۹-۱ کاربردهای توصیف¬کننده
۱۰-۱ ابزارهای تجاری داده¬کاوی
۱۱-۱ داده¬کاوی و انبار¬داده¬ها
۱-۱۱-۱ تعاریف انبار¬داده
۲-۱۱-۱ چهار خصوصیت اصلی انبار¬داده
۳-۱۱-۱ موارد تفاوت انبار¬داده و پایگاه¬ داده
۱۲-۱ داده¬کاوی و OLAP
۱-۱۲-۱ OLAP
۲-۱۲-۱ انواع OLAP
۱۳-۱ مراحل فرایند کشف دانش از پایگاه داده¬ها
۱-۱۳-۱ انبارش داده¬ها
۲-۱۳-۱ انتخاب داده¬ها
۳-۱۳-۱ پاکسازی- پیش¬پردازش- آماده¬سازی
۴-۱۳-۱ تبدیل داده¬ها
۵-۱۳-۱ کاوش در داده¬ها (Data Mining)
۶-۱۳-۱ تفسیر نتیجه
فصل ۲: قوانین ارتباطی
۱-۲ قوانین ارتباطی
۲-۲ اصول پایه
۱-۲-۲ شرح مشکل جدی
۲-۲-۲ پیمایش فضای جستجو
۳-۲-۲ مشخص کردن درجه حمایت مجموعه
۳-۲ الگوریتمهای عمومی
۱-۳-۲ دسته¬بندی
۲-۳-۲ BFS و شمارش رویداد¬ها
۳-۳-۲ BFS و دونیم¬سازی TID-list
۴-۳-۲ DFS و شمارش رویداد
۵-۳-۲ DFS و دو نیم¬سازی TID-list
۴-۲ الگوریتم Apriori
۱-۴-۲ مفاهیم کلیدی
۲-۴-۲ پیاده¬سازی الگوریتم Apriori
۳-۴-۲ معایب Apriori و رفع آنها
۵-۲ الگوریتم رشد الگوی تکرارشونده
۱-۵-۲ چرا رشد الگوی تکرار سریع است؟
۶-۲ مقایسه دو الگوریتم Apriori و FP-growth
۷-۲ تحلیلارتباطات
فصل ۳: وب¬کاوی و متن¬کاوی
۱-۳ وبکاوی
۱-۱-۳ الگوریتمهای هیتس و لاگسام
۲-۱-۳ کاوش الگوهای پیمایش مسیر
۲-۳ متنکاوی
۱-۲-۳ کاربردهای متن¬کاوی
۱-۱-۲-۳ جستجو و بازیابی
۲-۱-۲-۳ گروه¬بندی و طبقه¬بندی
۳-۱-۲-۳ خلاصه¬سازی
۴-۱-۲-۳ روابط میان مفاهیم
۵-۱-۲-۳ یافتن و تحلیل گرایشات
۶-۱-۲-۳ برچسب زدن نحوی (pos)
۷-۱-۲-۳ ایجاد Thesaurus و آنتولوژی به صورت اتوماتیک
۲-۲-۳ فرایند متن¬کاوی
۳-۲-۳ روشهای متن¬کاوی
مراجع:

……………………..
ادامه مطلب در دانلود فایل قابل مشاهده است
………………………….
نوع فایل: ((پی دی اف-pdf))

تعداد صفحات: ۹۲ صفحه

حجم فایل: ۲ مگابایت

قیمت: 1000 تومان
…………………………
دانلود فایل ((ورد-word-doc-dox)) این پروژه

…………………………

( سوالات شما دوستان عزیز )

ایمیل پشتیبانی: [e-mail]

پشتیبانی تلگرام:https://t.me/ramazan1397