دانلود پایان نامه داده کاوی در پایگاه داده های - دانلود رایگان
دانلود رایگان
دانلود رایگان
دانلود پایان نامه داده کاوی در پایگاه داده های بزرگشرح مختصر : داده کاوی، فرایند مرتب سازی و طبقه بندی داده های حجیم و آشکارسازی اطلاعات مرتبط باهم می باشد. امروزه داده کاوی به عنوان یکی از ابزارهای بسیار مهم مدیران جهت شناخت وضعیت دقیق تر سازمان و همچنین کمک در اتخاذ تصمیمات مناسب کاربرد دارد. با استفاده از این تکنیک، داده های موجود در سازمان با بکارگیری ابزارهای نرم افزاری، مورد بررسی و تحلیل دقیق قرار می گیرد تا الگوهای پنهان و پیچیده ای که در آنها وجود دارد کشف و استخراج گردد. داده کاوی را می توان نسل سوم تکنولوژیهایی نامید که با داده سروکار دارند. در نسل اول یا نسل سنتی، فقط انجام پرس و جو های ساده امکان پذیر بود، مثلا تعداد فروش یک کالای خاص چقدر است؟ میزان خرید یک مشتری خاص در ماه جاری چه مبلغی است؟ در نسل دوم یا همان پردازش لحظه ای برخط (OLAP) امکان پرس و جوی همزمان چند بعدی فراهم گردید. در این روش به عنوان مثال به سوالاتی مانند: میزان فروش محصولات به تفکیک فروشنده، خریدار و مسیر خاص چقدر است؟ بصورت لحظه ای و با استفاده از مکعب تصمیم و گزارش ماتریسی پاسخ داده می شود. اما در نسل سوم یا همان داده کاوی فقط مساله پرس و جو و دریافت گزارش ها از داده ها نیست، بلکه از حجم انبوه داده ها، الگوهایی کشف می شود که هیچ وقت امکان کشف این الگوها در OLAP یا روش سنتی وجود نداشت. انواع اطلاعات و الگوهایی که از طریق داده کاوی بدست می آیند و کاربرد دارند عبارتند از: وابستگی، تسلسل و توالی، طبقه بندی، خوشه بندی و پیش بینی. برای استخراج این الگوها اغلب از روشهای نوینی مانند شبکه عصبی و درختهای تصمیم استفاده می شود. در عمل برای امکان انجام داده کاوی و استفاده از تکنیکهای فوق الذکر، ابتدا باید نسبت به ایجاد یک انبار داده مناسب اقدام کرد. یک انبارداده در حقیقت پایگاه داده ای است که داده های جاری و همچنین سوابق قبلی تراکنشها را در خود ذخیره کرده و با منابع خارج سازمان نیز ارتباط برقرار می کند. اهداف کلی این مقاله عبارتند از ارایه تعریف دقیقی از انبار داده، بررسی تکنیکها و کاربردهای داده کاوی و کاربرد آن در مدیریت، معرفی شبکه عصبی به عنوان یکی از روشهای اجرای داده کاوی و بیان مفهوم درخت تصمیم و ارتباط آن با داده کاوی. فهرست : چکیده مقدمه ای بر داده کاوی فصل اول چه چيزی سبب پيدايش داده کاوی شده است مراحل کشف دانش جایگاه داده کاوی در میان علوم مختلف داده کاوی چه کارهایی نمی تواند انجام دهد؟ داده کاوی و انبار داده ها داده کاوی و OLAP کاربرد یادگیری ماشین و آمار در داده کاوی فصل دوم توصیف داده ها در داده کاوی خلاصه سازی و به تصویر در آوردن داده ها خوشه بندی تحلیل لینک فصل سوم مدل های پیش بینی داده ها Classification Regression Time series فصل چهارم مدل ها و الگوریتم های داده کاوی شبکه های عصبی Decision trees Multivariate Adaptive Regression Splines(MARS) Rule induction Knearest neibour and memorybased reansoning(MBR) رگرسیون منطقی تحلیل تفکیکی مدل افزودنی کلی (GAM) Boosting فصل پنجم سلسله مراتب انتخابها فصل ششم مراحل فرایند کشف دانش از پایگاه داده های بزرگ انبارش داده ها انتخاب داده ها تبدیل داده ها کاوش در داده ها تفسیر نتیجه فصل هفتم عملیات های داده کاوی مدل سازی پیشگویی کننده تقطیع پایگاه داده ها تحلیل پیوند فصل هشتم قابلیت هایdata mainig داده کاوی وانبار داده ها داده کاوی آمار ویادگیری ماشین کاربرد های داده کاوی داده کاوی موفق تحلیل ارتباطات فصل نهم طبقه بندی حدس بازگشتی سری های زمانی درخت های انتخاب استنتاج قانون الگوریتم های ژنتیک فصل دهم فرایند های داده کاوی مدل فرایند دو سویه فصل یازدهم ساختن یک پایگاه داده داده کاوی جستجوی داده آماده سازی داده برای مدل سازی ساختن مدل برای داده کاوی تائید اعتبار ساده ارزیابی وتفسیر فصل دوازدهم ماتریس های پیچیدگی ایجادمعماری مدل ونتایج فصل سیزدهم نتیجه گیری منابع ومآخذ دریافت فایل جهت کپی مطلب از ctrl+A استفاده نمایید نماید |