|
|
در اين تحقيق داده كاوي مورد بحث قرار مي گيرد . علل استفاده از داده كاوي و منابعي كه داده كاوي بر روي آنها اعمال مي شود ,علاوه بر اين خلاصه اي از روشهاي رايج داده كاوي ارائه شده است . تكنيكهاي داده كاوي و قوانين وابستگي و الگوريتمهاي موجود (Apriori , Aprior TID, Partition, Eclat ,Max Eclat , Vector ) و الگوريتم با ساختار Trie وfp grow و الگوريتمهاي كاهشي مورد بررسي قرار مي گيرند و در هر مورد مثالها , موارد كاربرد ,تكنيكها و نقاط قوت و ضعف مورد بررسي قرار گرفته اند. فهرست : چکیده مقدمه کشف دانش در پایگاه داده آیا داده کاوی برای حل مسائل ما مناسب است؟ جمع آوری داده ها بکارگیری نتایج استراتژیهای داده کاوی پیش گویی Perdiction Unsupervised Clustering دسته بندی بدون کنترل تکنیکهای داده کاوی تحت کنترل شبکه عصبی برگشت آماری قوانین وابستگی الگوریتم Apriori الگوریتم Aprior TID الگوریتم partition الگوریتم های MaxEclat,Eclat الگوریتم با ساختار trie الگوریتم fp-grow ساخت fp- tree Fp-tree شرطی الگوریتم برداری نگهداری قوانین وابستگی الگوریتم کاهشی
:: برچسبها:
دانلود تحقیق و مقاله نگاهی بر داده کاوی و کشف قوانین وابستگی (فرمت فایل Word ورد) تعداد صفحات 22 ,
مقاله نگاهی بر داده کاوی ,
داده کاوی و کشف قوانین وابستگی ,
داده کاوی ,
نقش داده کاوی ,
کشف دانش در پایگاه داده ,
آیا داده کاوی برای حل مسائل ما مناسب است ,
حل مسائل به کمک داده کاوی ,
جمع آوری داده ها ,
بکارگیری نتایج ,
استراتژیهای داده کاوی ,
به کار گیری نتایح در داده کاوی ,
پیش گویی Perdiction ,
Unsupervised Clustering ,
Unsupervised Clustering دسته بندی بدون کنترل ,
دسته بندی بدون کنترل ,
تکنیکهای داده کاوی تحت کنترل ,
شبکه عصبی ,
برگشت آماری ,
قوانین وابستگی ,
الگوریتم Apriori ,
الگوریتم Aprior TID ,
الگوریتم partition ,
الگوریتم های MaxEclat و Eclat ,
:: بازدید از این مطلب : 61
|
امتیاز مطلب : 0
|
تعداد امتیازدهندگان : 0
|
مجموع امتیاز : 0
تاریخ انتشار : سه شنبه 20 ارديبهشت 1395 |
نظرات ()
|
|
صفحه قبل 2 3 4 5 ... 6341 صفحه بعد
|
|
|