ابزارها و راهکارهای داده کاوی

بخشی از مقدمه:
ما به تدریج با این واقعیت رشد کرده ایم که حجم عظیمی از داده ها وجود دارد که کامپیوترها، شبکه ها و در حقیقت تمام زندگی مارا فرا گرفته است. سازمان های دولتی، مؤسسات علمی و تجاری ،سرمایه هنگفتی را برای جمع آوری و ذخیره این داده ها اختصاص داده اند. در حالی که فقط مقدار کمی از این داده ها مورد استفاده قرار می گیرند. زیرا، در بسیاری از موارد، حجم داده های لازم  برای سازماندهی بسیار بالا بوده یا ساختار آن ها بسیار پیچیده است.
ضرورت درک مجموعه داده های بزرگ، پیچیده و اطلاعات کامل و غنی در زمینه تجارت،علوم و مهندسی کم و بیش رایج است. توانایی استخراج دانش و اطلاعات مفید موجود در این داده ها و امکان استفاده از این دانش در جهان رقابتی امروز بیش از پیش حائز اهمیت است. به کل فرآیند به کارگیری متدولو‍ژی مبتنی بر کامپیوتر از جمله روش های جدید برای دریافت دانش و اطلاعات از داده ها را داده کاوی می گویند.
داده کاوی دراواخر دهه 1980پدیدار گشت در سال 1990گام های بلندی  دراین شاخه ازعلم برداشته شد. درزمانی طلا یازغال سنگ ارزشمند ترین چیزی بودند که انسان ها برای بالا بردن کیفیت زندگی شان به جستجو آن می پرداختند. دردنیای امروزه داده ها حکم طلا را دارند و با ارزش ترین ماده خام دنیای کنونی محسوب می شوند.
اصطلاح داده کاوی برگرفته از (gold mining) یا استخراج طلا از صخره های سنگی است. در رابطه با استخراج و اکتشاف طلا  از واژه Rock mining استفاده نشده است و بنابراین شاید نام  مناسب برای Data mining  نیز واژه Knowledge mining frim data بود اما از انجا که این واژه طولانی بود ازواژه Data mining استفاده می شود. ...

فهرست مطالب:
فصل اول مفاهیم داده کاوی
1-1 مقدمه
1-2 ریشه های داده کاوی
1-3 برای انجام داده کاوی به چه چیزهایی نیاز است
1-4 فرآیندداده کاوی
1-5 عناصر داده کاوی
1-6 روش های داده کاوی
1-7 مراحل اصلی داده کاوی
1-8 فنون داده کاوی
1-9 دلایل استفاده از داده کاوی
1-10 استراتژی های داده کاوی
1-11 تکنیک های داده کاوی
1-12 ضرورت داده کاوی
1-13 کارکردها ووظایف داده کاوی
1-14 کاربردهای داده کاوی
1-15 مثالی کلاسیک از داده کاوی
1-16 فواید ونقش داده کاوی درفعالیت شرکت ها
1-17 نمونه های اجرایی داده کاوی
7-1- درزمینه صنعت
7-3- در مدیریت ریسک
1-18 انبار های داده
1-19روش آنالیز آماری
1-20 تفاوت داده کاوی وآنالیزهای آماری
فصل دوم: آماده سازی داده ها
2-1 نمایش داده های خام
2-2 ویژگی های داده های اولیه(خام)
2-3 تبدیل داده های خام
2-4 تحلیل داده های نا منطبق
فصل سوم: روشهای آمار
3-1 استنتاج آماری
3-2 تشخیص تفاوت ها درمجموعه داده
3-3 رگرسیون پیشگو
3-4 تحلیل واریانس
3-5 تحلیل ممیز خطی
فصل چهارم: درختان تصمیم و قوانین تصمیم
4-1 مقدمه
4-2 درخت تصمیم
4-3 الگوریتمc4.5 :تولیددرخت تصمیم
4-4 مقادیرویژگی ناشناخته
4-5 هرس کردن درخت تصمیم
4-6 تولید قوانین تصمیم
4-7 محدودیتهای درختان تصمیم وقوانین تصمیم
فصل پنجم: قوانین انجمنی
5-1 مقدمه
5-2 تحلیل سبدخرید
5-3 الگوریتم APRIORI
5-4 مجموعه اقلام های تکراری وروابط انجمنی
5-5 افزایش راندمان وکارایی الگوریتمApriori
5-6 کاوش قوانین انجمنی چند بعدی
5-7 کاوش وب( وب کاوی )
5-8 کاوش متن
فصل ششم: شبکه های عصبی مصنوعی
6-1 مقدمه
6-2 مدل یک نورون مصنوعی
6-3 معماری های شبکه های عصبی مصنوعی
6-4 فرآیندیادگیری
6-5 وظایف یادگیری
6-6 مفاهیم چندلایه ای
6-7 شبکه های رقابتی ویادگیری رقابتی
فصل هفتم: الگوریتم های ژنتیک
7-1 اصول الگوریتم ژنتیک
7-2پیوندزنی
7-3 نمایش ساده ای برای یک الگوریتم ژنتیک
فصل هشتم: روشهای تجسم سازی
8- 1 ادراک وتجسم ساز ی فکری
8-2تجسم سازی علمی وتجسم سازی اطلاعات
8-3 سیستم های تجسم سازی برای داده کاوی
 نتیجه گیری   
منابع

تعداد مشاهده: 1705 مشاهده

فرمت فایل دانلودی:.docx

فرمت فایل اصلی: docx

تعداد صفحات: 71

حجم فایل:937 کیلوبایت

 قیمت: 9,000 تومان
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود.   پرداخت و دریافت فایل

• راهنمای استفاده:
  مناسب جهت استفاده دانشجویان و مهندسین کامپیوتر و IT
  
  
• محتوای فایل دانلودی:
  در قالب فایل word و قابل ویرایش
  
  

مفاهیم داده کاوی روش های رگرسیون درخت تصمیم الگوریتم c4 شبکه های عصبی مصنوعی پروژه راهکارهای داده کاوی پروژه ابزارهای داده کاوی پروژه داده کاوی

سجاد چهارشنبه 24 شهریور 1395 ساعت 06:04