:: برچسب‌ها: سیستم های تشخیص نفوذ , داده کاوی , تکنیک های داده کاوی , شبکه های کامپیوتر , شبکه های کامپیوتری , درخت تصمیم , انتخاب ویژگی ,
:: بازدید از این مطلب : 51

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

کنفرانس بین المللی پژوهش های کاربردی در فناوری اطلاعات، کامپیوتر و مخابرات (19 نوابر 2017)

بررسی انواع منابع دارای ساختار و منابع بدون ساختار و پیش پردازش های ابهام زدایی مفهوم کلمات در پردازش زبان طبیعی:

چکیده :

دانش مهمترین بخش ابهام زدایی مفهوم کلمات است. این دانشها میتوانند در شکل های گوناگون و به صورت یک مجموعه از متون باشند که در آن مفهوم کلمه برچسب گزاری شده است. پایگاه دانش یک مجموعه از متن، برچسب ها و توضیحات در جهت تشخیص مفهوم کلمه است. مانند فرهنگ لغت قابل خواندن توسط ماشین، شبکه معنایی، اصطالحنامه و آنتولوژی. تقریبا از تمام این منابع در ابهام زدایی مفهوم کلمات استفاده میشود. کلیه منابع به دو دسته منابع دارای ساختار و منابع بدون ساختار تقسیم میشوند. جمله ورودی، یک متن بدون ساختار از اطالعات است. برای کسب مفهوم صحیح کلمات باید بر روی آن پیش پردازشهایی انجام شود تا بتوانیم بستری را فراهم نماییم که بتوان بهترین مفهوم را بدست آورد. در این مقاله، منابع دارای ساختار و منابع بدون ساختار و پیش پردازش های ابهام زدایی مفهوم کلمات در پردازش زبان طبیعی را مورد بررسی قرار می دهیم که بر اساس بررسی های انجام شده، استفاده از وردنت پیشنهاد می شود که یک منبع ضروری برای ابهام زدایی مفهوم کلمات است و یک منبع دارای ساختار می باشد.

کلمات کلیدی: اصطالحنامه، فرهنگ لغتهای قابل خواندن توسط ماشین، آنتولوژی، وردنت، Corpora

مروری بر روشهای خالصه سازی خودکار متون:

چکیده :

امروزه پردازش زبان طبیعی در زمینه های گوناگون نظیر خالصهسازهای خودکار و مترجمهای 1 ماشینی ، توجه زیادی را به خود جلب نمودهاند. در زبان فارسی هم مانند سایر زبانهای دیگر دنیا تالشهایی در زمینه ساخت ابزارهای خالصه سازی صورت گرفته است. تمرکز محققان بر ارایه روشهایی متمرکز است که بتواند خالصه هایی پر محتوا، سلیس و روان نسبت به روشهای خالصه سازی پیشین ارایه دهند . خالصه سازی یک مهارت نگارشی به شمار می رود، که هدف از ایجاد سیستم خالصه ساز اتوماتیک تقلید کلیه مراحلی است که توسط عامل انسانی انجام می شود، بدین صورت کهمتن به طور کامل خواندهوفهمیده شودوبا تشخیصوتفکیک قسمت های مهم وغیرمهم متن، نسخه خالصه شده متن اصلی تولید گردد. هدف از خالصه سازی خودکار سند، تولید یک نسخه مختصرتر از سند اصلی توسط یک برنامه رایانهای بهنحویکهویژگیهاونکاتاصلی سند اولیه حفظشود.بنابرتعریفارائه شدهدراستاندارد 212 ISO ،خالصه "یک بازگویی مختصر از سند" می باشد. روش های تولید خالصه را با توجه به انواع دیدگاه های مختلف خالصه سازی می توان به چندین دسته تقسیم بندی نمود، به عنوان مثال روش تولید خالصه تک سندی و چند سندی، تک زبانه و چند زبانه، مبتنی بر تعامل با کاربر و غیر مبتنی بر تعامل با کاربر و... لیکن با توجه به اهمیت فاکتور خروجی در تولید خالصه در این مقاله به بررسی روش های تولید خالصه گزینشی)استخراجی( و چکیده ای)مفهومی( پرداخته می شود.

واژگان كلیدي:پردازش زبان طبیعی، خالصهسازهای ماشینی، روابط کالمی ، تشابه معنایی، شبکه واژگان

 

ارزیابی سیستماتیک متون دانشجویان در کلاس های مجازی آنالین

چکیده :

عدم تعامالت و ارتباطات مستقیم اساتید و دانشجویان منجر به عدم تمرکز ایشان در کالس های مجازی می شود . از آنجا که ارزیابی همواره ابزار مناسبی برای ایجاد تمرکز و مشارکت دانشجویان بوده است منطقی است که به دنبال ابزاری جهت برآورد میزان مشارکت دانشجویان در کالس های آنالین باشیم . در این مقاله سعی داریم با استفاده از روش های متن کاوی ، پردازش زبان طبیعی و ترجمه ماشینی به الگوریتمی جهت ارزیابی متون وارد شده از سوی دانشجویان و تخصیص امتیاز به هر متن دست یابیم و بتوانیم پس از پایان کالس با محاسبه ، ثبت و اعالم برآورد امتیازات هر دانشجو به یک ارزیابی از میزان مشارکت مفید دانشجو در کالس های آنالین دست یابیم . واژههای کلیدی متن کاوی ، پردازش زبان طبیعی ، ترجمه ماشینی ، پایگاه داده ها

ایجاد و انتشار زیر ساخت وب معنایی براي قرآن کریم

چکیده شده است. تبدیل شناسی کامپیوتر و زبان حوزهو پژوهشگران محققان اساسی هاي یکی از دغدغهبه هاي اخیر در سال ايرایانهشناسی زبان یبا سرعت و دقت قابل توجه متن راپردازش که بتوان بسیاري از کارهاي مرتبط با ستا و ابزارهاي هوشمند باعث شده رایانهاستفاده از هاي پیکره پردازد. زبان می هايابزاري براي بیان ویژگیبه عنوان ی متن يهایکرهدر حوزه متن به پردازش پ یعیانجام داد. پردازش زبان طب واعد و ساز و کار زبان پی توان با تحلیل آنها به استخراج اجزا، قمتنی در واقع نمادي از زبان هستند که با هدف خاصی تولید گردیده، می ینا يمحتوا يرا در ارائه یمناسب یپژوهش یط، محيایانهرا هاييفناور یريمتون و با بکارگ يسازیو غن يفرآور بادر مرحله بعد، برد و .نمود یجادکارآمد ا يامتون به گونه ي و زیرساختی که تحت عنوان پیکرهپیکره متنی "فرقان" اي هوشـمند گیـري از سـامانه حاصـل بهـره د گردیده، تولیقرآن کریم براي ي اطلاعات قرآنی، آماري، متن و ترجمـه فارسـی و انگلیسـی آیـات و برچسـب کلیهحاوي مگابایت داده، 587 .این پیکره با بیش از است - و بسـیاري مـوارد دیگـر در قالـب ایابی کلمات آنهمتن عربی، فارسی و انگلیسی آیات، ریشهصرفی و نحوي گذاري RDF امکـان و سـت ا .استفاده و کاوش را براي هرگونه پژوهش و پردازش هوشمند ایجاد کرده است کلید واژه پردازش زبان طبیعی، پیکره، وب معنایی، قرآن کریم، RDF.

نگرشی جدید به تحلیل عبارت هاي اسمی هم مرجع

چکیده:

پردازش زبان طبیعی شامل وظایفی همچون استخراج اطلاعات، خلاصه سازي متن، پرسش و پاسخ می باشد که همگی نیاز دارند تا تمام اطلاعاتی که در مورد یک موجودیت در متن وجود دارد را شناسایی نمایند. بنابراین وجود سیستمی که بتواند موضوع تحلیل عبارت هاي اسمی هم مرجع را بررسی نماید، کمک شایانی به انجام موفقیت آمیز این وظایف خواهد نمود. ما در این مقاله، سعی داریم تا به طور دقیق، فرآیند تحلیل مرجع مشترك را بررسی نمائیم. در همین راستا نیز فرآیند مشابه دیگري تحت عنوان تحلیل پیشایند را نیز مطالعه خواهیم نمود. امید داریم تا با بررسی این فرآیند و مقایسه ي شباهت ها و تفاوت هاي آنها، به نگرشی جدید در مورد تحلیل عبارت هاي اسمی هم مرجع برسیم.

کلمات کلیدي :پردازش زبان طبیعی، استخراج اطلاعات، تحلیل مرجع مشترك ، تحلیل پیشایند

تعیین احساس از روي متن فارسی

چکیده:

در بسیاري از کاربردهاي تبدیل متن به گفتار بهتر است تا مشخصات گفتار تولید شده هرچه بیشتر شبیه به انسان باشد. براي این کار باید متنی که توسط سیستم ادا میشود، از لحاظ معنایی بررسی شود. یکی از مهمترین این ویژگیهاي معنایی، احساس حاکم بر متن است. در زمینه تعیین احساس از روي متن، کارهاي مختلفی در زبان انگلیسی صورت گرفته است؛ اما کمتر کسی اقدام به کار بر روي پیکرههاي فارسی کرده است. در این مقاله، پیکره اي شامل 3702 جمله از 6 کلاس احساس خوشحالی، عصبانیت، خنثی، ناراحتی، تنفر و ترس تهیه شده است و روشهاي گوناگونی جهت تعیین احساس از روي یک جمله متنی به زبان فارسی به کار گرفته شده است. با بررسی نتایج بدست آمده متوجه میشویم که عملکرد برنامه در صورت استفاده از رویکرد مبتنی بر پیکره مطلوب است و داراي حداکثر دقت 85/78 %و زمان بسیار کوتاه آموزش میباشد.

واژههاي کلیدي: پردازش زبان طبیعی، مدل زبانی، تحلیل معنایی، یادگیري ماشین، Bayes Naïve Complement

 

 

:: برچسب‌ها: داده کاوی , نظر کاوی , عقیده کاوی , متن کاوی , text mining , مقاله فارسی متن کاوی , مقاله 2017 متن کاوی ,
:: بازدید از این مطلب : 65

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

Procedia Computer Science 65 ( 2015 ) 778 – 786

(International Conference on Communication, Management and Information Technology (ICCMIT 2015)

 

Data Mining and Fusion Techniques for WSNs as a Source of the Big Data

 

Mohamed Mostafa Fouada,b,e,f, Nour E. Oweisb,e, Tarek Gaberb,c,e,f, Maamoun Ahmedd, Vaclav Snaselb

 

Abstract :

The wide adoption of the Wireless Senor Networks (WSNs) applications around the world has increased the amount of the sensor data which contribute to the complexity of Big Data. This has emerged the need to the use of in-network data processing techniques which are very crucial for the success of the big data framework. This article gives overview and discussion about the state-of-theart of the data mining and data fusion techniques designed for the WSNs. It discusses how these techniques can prepare the sensor data inside the network (in-network) before any further processing as big data. This is very important for both of the WSNs and the big data framework. For the WSNs, the in-network pre-processing techniques could lead to saving in their limited resources. For the big data side, receiving a clean, non-redundant and relevant data would reduce the excessive data volume, thus an overload reduction will be obtained at the big data processing platforms and the discovery of values from these data will be accelerated. c 2014 The Authors. Published by Elsevier B.V. Peer-review under responsibility of Universal Society for Applied Research. Keywords: Wireless Sensor Networks; Big Data; Data Mining; Data Fusion, Machine learning;

 

تکنیک های داده کاوی و تلفیق( ترکیبی) برای WSN ها به عنوان منبعی از کلان داده ها

 

چکیده:

میزان تطبیق پذیری بالای شبکات حسگری بی سیم[1]  در دنیا  باعث افزایش میزان حجم داده های حسگری شده است که منجر به ایجاد پیچیدگی در کلان داده ها[2] میشود. این پدیده باعث شده است تا نیاز به استفاده از تکنیک های پردازش داده های درون شبکه ای حس شود که این تکنیک ها برای بروز موفقیت در چارچوب[3] کلان داده ها ضروری هستند. در این مقاله درباره ی نوآوری تکنیک های داده کاوی و تلفیق داده هایی که به طور ویژه برای شبکات حسگر بی سیم بوده اند, بحث و بررسی میشود. این تحقیق این مطلب را بررسی میکند که چطور این تکنیک ها می توانند داده های حسگری درون شبکه را آماده کننده (قبل از اینکه هر گونه پردازشی به عنوان کلان داده روی آنها صورت بگیرد.) این مسئله هم برای  WSN مهم است و هم برای چارچوب کلان داده ها. برای WSN, تکنیک های پیش پردازشی درون شبکه ای می تواند به منزله ی راهی برای صرفه جوی در منابع محدودشان باشد. واز دیدگاه کلان داده ها, دریافت داده های تمیز(پالایش شده), بدون افزونگی و داده های مرتبط باعث کاهش حجم داده های اجرایی شود و از این رو در پلت فرم های پردازش کلان داده ها کاهش سرباری به وجود می آید و در کشف و یافتن[4] مقادیر در این داده ها, شتاب به وجود می آید.

کلمات کلیدی: شبکه های حسگر بی سیم؛ اطلاعات بزرگ؛ داده کاوی؛ داده های تلفیقی، یادگیری ماشین

[1] WSNs

[2] Big data

[3] Frame work

[4]  Discovery

:: برچسب‌ها: شبکه های حسگر بی سیم , اطلاعات بزرگ , داده کاوی , داده های تلفیقی , یادگیری ماشین , Data Mining and Fusion Techniques for WSNs as a Source of the Big Data ,
:: بازدید از این مطلب : 138

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

---

:: برچسب‌ها: Introduction to Data Mining by Tan , Michael Steinbach , Pang , Ning Tan , Ning Tan Data Mining download , Tan Data Mining , Vipin Kumar , داده کاوی , دانلود داده کاوی Steinbach , کتاب مقدمه ای بر داده کاوی , حل تمرین داده کاوی , حل تمرین مقدمه ای بر داده کاوی ,
:: بازدید از این مطلب : 35

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

سیستم کشف اطلاعات مبتنی بر آمیب
ما سیستم کشف اطلاعات مبتنی بر آمیب یا سیستم داده کاوی را مطرح می کنیم که با استفاده از ارگانیسم آمیبی شکل و سیستم کنترل مرتبط به آن اجرایی می گردد. سیستم امیب به عنوان یکی از الگوهای محاسباتی غیر سنتی جدید مد نظر قرار گرفته، که می تواند محاسبات موازی انبوه و پیچیده ای را انجام داده که از عملکردهای پیچیده امیب اسنفاده می کند. سیستم مورد نظر ما ترکیبی از واحدهای سنتی مبتنی بر اطلاعات بوده که بر روی کامپیوترهای معمولی و واحد جستجوی مبتنی بر امیب با رابط واحد کنترل امیب به اجرا در می آید. راه حل ها در سیستم ما دارای مسیردهی یک به یک نسبت به راه حل های شناخته شده دیگر همانند شبکه های عصبی و الگوریتم های ژنتیکی می باشد. این قابلیت مسیردهی چنین امکانی را برای امیب ایجاد می کند تا تکنیک هایی را که در حوزه های دیگر ایجاد شده است بکار گرفته و مورد استفاده قرار دهد. شکل های مختلفی از مراحل کشف اطلاعات معرفی شده اند. همچنین انواع جدیدی از تکنیک کشف اطلاعات به نام " حل مسئله مستقل" مورد بحث قرار می گیرد. کلیدواژه- محاسبات مبتنی بر امیب؛ کشف اطلاعات؛ داده کاوی؛ الگوی محاسباتی جدید

:: برچسب‌ها: محاسبات مبتنی بر امیب , کشف اطلاعات , داده کاوی , الگوی محاسباتی جدید , حل مسئله مستقل , مقاله انگلیسی کامپیوتر با ترجمه فارسی , مقاله انگلیسی کامپیوتر با ترجمه , مقاله انگلیسی کامپیوتر , Amoeba-Based Knowledge Discovery System ,
:: بازدید از این مطلب : 42

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

دانلود پایان نامه داده کاوی و نقش آن در سازمان های هوشمند:داده كاوي
و نقش آن در سازمان هاي هوشمند
عنوان پایان نامه : داده کاوی و نقش آن در سازمان های هوشمند

فرمت فایل: word ( قابل ویرایش)

تعداد صفحات: 78

چکیده و فهرست مطالب پایان نامه داده کاوی و نقش آن در سازمان های هوشمند را در قسمت پایین می توانید مشاهده کنید.

چکیده:

سازمانها ، نهاد ها و شرکت ها براي انجام امور محوله و کسب موفقيت در سطح ملي و بين المللي بايد هوشمند باشند که اين امر با درک و آگاهي از منابع و ساير موارد داخل و خارج آن سازمان يا نهاد ميسر خواهد شد . ميزان درک و آگاهي به دارا بودن دانش محيط آن سازمان و نحوه مديريت کردن آن وابسته است.

ازنکات قابل توجه و مهم در زمينه مديريت و مهندسي دانش، توليد و استخراج دانش ، استفاده از دانش، به اشتراک گذاشتن دانش و حفظ يکپارچگي و صحت آن مي باشد.

داده کاوي يکي از پيشرفتهاي اخير در حوزه کامپيوتر براي اکتشاف عميق داده هاست. داده کاوي از اطلاعات پنهاني که براي برنامه ريزيهاي استراتژيک و طولاني مدت ميتواند حياتي باشد پرده برداري ميکند.

در اين مطلب؛ با ارائه مفهوم داده کاوي جهت توليد و استخراج دانش به عنوان يک گام مهم در مديريت دانش و انبار آن، تکنيکهاي مختلف آن مورد ارزيابي قرار گرفته است ونيزفرآيند كشف دانش از پايگاه داده، همراه با مراحل آن، بررسي شده است و سپس نگاهي هم به تکنيکهاي داده‌کاوي و ارتباط داده کاوی با  مدیریت دانش  مي‌اندازيم.

 
فهرست مطالب:

1-سازمان هوشمند

2-سازمان های هوشمند و وضعیت موجود

3-مدیریت دانش در سازمان ها (بررسی تاثیر متقابل فناوری، فنون و انسان)

4-ماهیت دانش سازمانی

5-یادگیری دانش و سازمان های یادگیرنده

6-تعریف خلاقیت از نگاه سازمانی

7-ویژگی های سازمان خلاق

فصل دوم: بررسی روند پردازش داده و ارزیابی تکنیک ها و ابزارهای داده کاوی

1-درباره داده ها...

2-پیشرفت در تکنولوژی های پردازش داده

3-دیتا مارت

4-انبار داده ها

4-1-مشخصات یک انباره داده
4-2-انبار داده ها و داده کاوی
4-3-سیستم های انبار داده ها
4-4-انبار داده های مجازی
4-5-معماری دو لایه در انبار داده ها

5-فرایند کشف دانش از پایگاه داد
5-1- استخراج داده ها
5-2- آماده کردن داده ها
5-3-مهندسی داده ها
5-4- مهندسی الگوریتم و تعیین استراتژی های کاوش
5-5-اجرای الگوریتم کاوش و ارزیابی نتایج

6-سابقه داده کاوی
7-مفهوم داده کاوی
8-ضرورت داده کاوی
9-داده کاوی در مقابل پایگاه داده
10-زبان های پرسشی داده کاوی
11-فنون داده کاوی
12-محدودیت های داده کاوی
13-عناصر داده کاوی
14-قابلیتهای ابزارها و تکنیکهای داده کاوی
14-1-هم پیوندی
14-2-طبقه بندی
14-3-الگوریتم های ترتیبی
14-4-خوشه بندی
14-5-Regression
14-6-Time series

15-ابزارهای تجاری داده کاوی
16-نرم افزارهای داده کاوی
17-فرایند داده کاوی
18-داده کاوی و مدیریت دانش
فصل سوم: فرایند مدیریت دانش
1-درباره مدیریت دانش...
2-زنجیره اطلاعات
2-1-داده
2-2-اطلاعات
2-3-دانش
2-4-معرفت
3-فرآیند مدیریت دانش
3-1-ایجاد دانش
3-2-اعتباربخشی به دانش
3-3-رائه دانش
3-4-توزیع دانش
3-5-کاربرد دانش
4-چهار عنصر اساسی مدیریت دانش
5-مدیریت دانش از دیدگاه یک استراتژی سازمان تجاری
فصل چهارم: نقش داده کاوی در سازمان های هوشمند
1-داده کاوی و نقش آن در سازمان های هوشمند
2-مدل مفهومی برای کارائی مدیریت دانش
2-1-ارتقای دانش از طریق ابزارهای فنی
2-1-1تکنولوژی اطلاعات
2-1-سیستمهای حمایت از تصمیمات استراتژیک
2-2-دانش کسب شده به وسیله عوامل هوشمند
-خلاصه و نتیجه گیری
-پی نوشتها
-مراجع
-پیوست: صورت کلی چند الگوریتم داده کاوی


هم اکنون می توانید پایان نامه داده کاوی و نقش آن در سازمان های هوشمند را به قیمت 15000 تومان از سایت آسمان فایل دانلود نمایید.

:: برچسب‌ها: داده کاوی , داده کاوی و نقش آن در سازمان های هوشمند ,
:: بازدید از این مطلب : 24

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

عنوان پایان نامه : وب کاوی در صنعت‎

قالب بندی : Word

شرح مختصر : با افزایش چشمگیر حجم اطلاعات و توسعه وب، نیاز به روش ها و تکنیک هایی که بتوانند امکان دستیابی کارا به داده‌ها و استخراج اطلاعات از آنها را فراهم کنند، بیش از پیش احساس می شود. وب کاوی یکی از زمینه های تحقیقاتی است که با به کارگیری تکنیک های داده کاوی به کشف و استخراج خودکار اطلاعات از اسناد و سرویس‌های وب می پردازد. در واقع وب کاوی، فرآیند کشف اطلاعات و دانش ناشناخته و مفید از داده های وب می باشد. روش های وب کاوی بر اساس آن که چه نوع داده ای را مورد کاوش قرار می دهند، به سه دسته کاوش محتوای وب، کاوش ساختار وب و کاوش استفاده از وب تقسیم می شوند. طی این گزارش پس از معرفی وب کاوی و بررسی مراحل آن، ارتباط وب کاوی با سایر زمینه های تحقیقاتی بررسی شده و به چالش ها، مشکلات و کاربردهای این زمینه تحقیقاتی اشاره می شود. همچنین هر یک از انواع وب کاوی به تفصیل مورد بررسی قرار می گیرند که در این پروژه بیشتر به وب کاوی در صنعت می پردازم. برای این منظور مدل ها، الگوریتم ها و کاربردهای هر طبقه معرفی می شوند.

فهرست :

مقدمه

فصل دوم: داده کاوی

مقدمه ای بر داده کاوی

چه چیزی سبب پیدایش 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

توصیف داده ها در داده کاوی

خلاصه سازی و به تصویر در آوردن داده ها

خوشه بندی

تحلیل لینک

مدل های پیش بینی داده ها

دسته بندی

رگرسیون

سری های زمانی

مدل ها و الگوریتم های داده کاوی

شبکه های عصبی

درخت تصمیم

Multivariate Adaptive Regression Splines(MARS)

Rule induction

Knearest neibour and memorybased reansoning(MBR)

رگرسیون منطقی

تحلیل تفکیکی

مدل افزودنی کلی (GAM)

Boosting

سلسله مراتب انتخابها

داده کاوی و مدیریت بهینه وب سایت ها

داده‌کاوی و مدیریت دانش

فصل سوم: وب کاوی

تعریف وب کاوی

مراحل وب کاوی

وب کاوی و زمینه های تحقیقاتی مرتبط

وب کاوی و داده کاوی

وب کاوی و بازیابی اطلاعات

وب کاوی و استخراج اطلاعات

وب کاوی و یادگیری ماشین

انواع وب کاوی

چالش های وب کاوی

مشکلات ومحدودیت های وب کاوی در سایت های فارسی زبان

محتوا کاوی وب

فصل چهارم: وب کاوی در صنعت

انواع وب کاوی در صنعت

وب کاوی در صنعت نفت، گاز و پتروشیمی

مهندسی مخازن/ اکتشاف

مهندسی بهره برداری

مهندسی حفاری

بخشهای مدیریتی

کاربرد های دانش داده کاوی در صنعت بیمه

کاربردهای دانش داده کاوی در مدیریت شهری

کاربردهای داده کاوی در صنعت بانکداری

بخش بندی مشتریان

پژوهش های کاربردی

نتیجه گیری

منابع و ماخذ فارسی

مراجع و ماخذ لاتین و سایتهای اینترنتی

:: برچسب‌ها: دانلود پایان نامه وب کاوی در صنعت‎ , دانلود پایان نامه وب کاوی در صنعت‎ (فرمت word و باقابلیت ویرایش)تعداد صفحات 61 , وب کاوی , دیتاکاوی , وب کاوی در صنعت‎ , داده کاوی , پروژه داده کاوی , پایان نامه داده کاوی , تحقیق داده کاوی , مقدمه ای بر داده کاوی , چه چیزی سبب پیدایش داده کاوی شده است , موارد استفاده از داده کاوی , داده کاوی چیست , وب کاوی چیست , مراحل کشف دانش , تحقیق پیرامون داده کاوی , DATA MINING , تحقیق در مورد datamining , 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 , OLAP , کاربرد یادگیری ماشین و آمار در داده کاوی , توصیف داده ها در دا ,
:: بازدید از این مطلب : 38

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

این محصول حاوی یک فایل word ترجمه ی چکیده ی 3 مقاله ی انگلیسی جدید در زمینه ی داده کاوی به همراه فایل pdf مقالات مربوطه است.

:: برچسب‌ها: ترجمه , مقاله , کامپیوتر , داده کاوی , وب کاوی , الگوریتم , کشف الگو , بهینه سازی ,
:: بازدید از این مطلب : 39

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

پروژه کامل داده کاوی کاربردی
حاوی یک فایل متنی کامل که تمامی داده کاوی را به صورت کامل توضیح میدهد.
به علاوه ی یک فایل پاورپوینت برای ارایه مطلب تحقیق که به صورت تعاملی و پیشرفته ساخته شده است.
مناسب برای دانشجویان رشته کامپیوتر و فناوری اطلاعات و علاقه مندان به تکنولوژی

:: برچسب‌ها: داده کاوی , data mining , داده کاوی کاربردی , دانلود پاورپوینت , دانلود فایل , دانلود تحقیق داده کاوی , دانلود تحقیق , تحقیق آماده , تحقیق آماده داده کاوی , تحقیق آماده دانشجویی , تحقیق دانشگاهی , پروژه آماده , پروژه دانشجویی , دانلود پروژه , دانلود پروژه آماده داده کاوی , دانلود پروژه کامپیوتر , پروژه رشته فناوری اطلاعات ,
:: بازدید از این مطلب : 56

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

خوشه بندی مکانی مبتنی بر چگالی در کاربردهای دارای نویز با استفاده از الگوریتم DBSCAN

:: برچسب‌ها: خوشه بندی , داده کاوی , الگوریتم , DBSCAN ,
:: بازدید از این مطلب : 34

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

:: برچسب‌ها: پایان نامه , داده کاوی ,
:: بازدید از این مطلب : 25

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

مقاله انگلیسی داده کاوی با داده های بزرگ همراه با ترجمه روان فارسی و پاور پوینت

:: برچسب‌ها: مقاله انگلیسی , داده کاوی , Data mining , داده های بزرگ , ترجمه , پاور پوینت , ترجمه ورد ,
:: بازدید از این مطلب : 42

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

داده کاوی، مفاهیم و کاربرد پروژه

 

مهندسی نرم افزار کامپیوتر

آفیس، فرمت داک، 108 صفحه

فهرست :

چکیده
مقدمه
فصل اول – مفاهیم داده کاوی
مديريت ذخيره سازی و دستيابی اطلاعات
ساختار بانک اطلاعاتی سازمان
داده کاوی (Data Mining)
مفاهيم پايه در داده کاوي
تعريف داده کاوي
مراحل فرايند کشف دانش از پايگاه داده ها
الگوريتم هاي داده كاوي
آماده سازي داده براي مدل سازي
درک قلمرو
ابزارهای تجاری داده کاوی Tools DM Commercial
منابع اطلاعاتی مورد استفاده
محدودیت های داده کاوی
حفاظت از حریم شخصی در سیستم‌های داده‌كاوی
فصل دوم : کاربردهای داده کاوی
کاربرد داده کاوی در کسب و کار هوشمند بانک
داده كاوي درمديريت ارتباط بامشتري
کاربردهای داده کاوی در کتابخانه ها و محیط های دانشگاهی
داده کاوی و مدیریت موسسات دانشگاهی
داده کاوی و مدیریت بهینه وب سایت ها
داده‌كاوي و مديريت دانش
كاربرد داده‌كاوي در آموزش عالي
فصل سوم – بررسی موردی1: وب کاوی
معماری وب کاوی
مشكلات ومحدوديت هاي وب كاوي در سايت هاي فارسي زبان
محتوا کاوی وب
فصل چهارم – بررسی موردی 2 : داده کاوی در شهر الکترونیک
زمينه دادهکاوي در شهر الکترونيک
کاربردهاي دادهکاوي در شهر الکترونيک
چالشهاي دادهکاوي در شهر الکترونيک
مراجع و ماخذ

چکیده

امروزه با گسترش سيستم هاي پايگاهي و حجم بالاي داده ها ي ذخيره شده در اين سيستم ها ، نياز به ابزاري است تا بتوان داده هاي ذخيره شده را پردازش کردواطلاعات حاصل از اين پردازش را در اختيار کاربران قرار داد .
با استفاده از پرسش هاي ساده در SQL و ابزارهاي گوناگون گزارش گيري معمولي ، مي توان اطلاعاتي را در اختيار کاربران قرار داد تا بتوانند به نتيجه گيري در مورد داده ها و روابط منطقي ميان آنها بپردازند اما وقتي که حجم داده ها بالا باشد ، کاربران هر چند زبر دست و با تجربه باشند نمي توانند الگوهاي مفيد را در ميان حجم انبوه داده ها تشخيص دهند و يا اگر قادر به اين کار هم با شند ، هزينه عمليات از نظر نيروي انساني و مادي بسيار بالا است .
از سوي ديگر کاربران معمولا فرضيه اي را مطرح مي کنند و سپس بر اساس گزارشات مشاهده شده به اثبات يا رد فرضيه مي پردازند ، در حالي که امروزه نياز به روشهايي است که اصطلاحا به کشف دانش بپردازند يعني با کمترين دخالت کاربر و به صورت خودکار الگوها و رابطه هاي منطقي را بيان نمايند .
داده کاوي يکي از مهمترين اين روشها است که به وسيله آن الگوهاي مفيد در داده ها با حداقل دخالت کاربران شناخته مي شوند و اطلاعاتي را در اختيار کاربران و تحليل گران قرار مي دهند تا براساس آنها تصميمات مهم و حياتي در سازمانها اتخاذ شوند .
در داده کاوي از بخشي از علم آمار به نام تحليل اکتشافي داده ها استفاده مي شود که در آن بر کشف اطلاعات نهفته و ناشناخته از درون حجم انبوه داده ها تاکيد مي شود . علاوه بر اين داده کاوي با هوش مصنوعي و يادگيري ماشين نيز ارتباط تنگاتنگي دارد ، بنابراين مي توان گفت در داده کاوي تئوريهاي پايگاه داده ها ، هوش مصنوعي ، يادگيري ماشين و علم آمار را در هم مي آميزند تا زمينه کاربردي فراهم شود .
بايد توجه داشت که اصطلاح داده کاوي زماني به کار برده مي شود که با حجم بزرگي از داده ها ، در حد مگا يا ترابايت ، مواجه باشيم . در تمامي منابع داده کاوي بر اين مطلب تاکيد شده است .
هر چه حجم داده ها بيشتر و روابط ميان آنها پيچيده تر باشد دسترسي به اطلاعات نهفته در ميان داده ها مشکلتر مي شود و نقش داده کاوي به عنوان يکي از روشهاي کشف دانش ، روشن تر مي گردد .

مقدمه

با گسترش فناوري اطلاعات و ارتباطات درجهان و ورود سريع آن به زندگي روزمره مردم مسائل و ضرورت­هاي تازه­اي به­وجود­آمده­است .امروزه انسان توسعه يافته كسي است كه به اطلاعات دسترسي داشته­باشد و دسترسي به اطلاعات نه يك ضرورت،كه يك قدرت محسوب­مي­شود. دراين­ميان شهر­ها به عنوان مراكز قدرت انساني و تمدن­هاي بشري بيش از پيش اهميت­يافته­اند. به اعتقاد الوين تافلر، مردم كره زمين تا به امروز سه موج اساسي تحول راپشت سرگذاشته اند :
موج اول، موج انقلاب كشاوزي است كه زمان آغاز آن بركسي مشخص نيست.
موج دوم، انقلاب صنعتي است كه به دنبال اختراع ماشين بخار در سال 1764آغاز­ شد.
موج سوم يا انقلاب انفورماتيك است كه ازسال 1946 كه بشر به ساخت كامپيوتر نائل آمده آغاز گشته­است.
اگر در موج دوم سخت­افزارها به كمك انسان­ها مي­آمدند، درموج سوم اين نرم­افزار­ها هستند که به خدمت بشر مي­شتابند و تفكرات و تصورات آدمي را به شكل كدهاي صفر و يك و با كمك امواج ماهواره­اي مبادله ­مي­كنند.
در موج سوم، انسان هر روز که بيشتر ياد ­مي­گيرد، بيشترمي فهمدكه با حقيقت فاصله دارد .موج سوم راموج خردورزي نيز لقب داده اند زيرا در اين عرصه­ها، انسان­ها ديگر فرصت ندارند زياد با هم صحبت­كنند، همه چيز تعريف­شده و براي هر تعريف، يك كد درنظرگرفته­شده­است.
از سوی دیگر در دنیای به شدت رقابتی امروز، اطلاعات بعنوان یکی از فاکتورهای تولیدی مهم پدیدار شده است. در نتیجه تلاش برای استخراج اطلاعات از داده ها توجه بسیاری از افراد دخیل در صنعت اطلاعات و حوزه های وابسته را به خود جلب نموده است.
حجم بالای داده های دائما در حال رشد در همه حوزه ها و نیز تنوع آنها به شکل داده متنی، اعداد، گرافیکها، نقشه ها، عکسها،  تصاویر ماهواره ای و عکسهای گرفته شده با اشعه ایکس نمایانگر پیچیدگی کار تبدیل داده ها به اطلاعات است. علاوه بر این، تفاوت وسیع در فرآیندهای تولید داده مثل روش آنالوگ مبتنی بر کاغذ و روش دیجیتالی مبتنی بر کامپیوتر، مزید بر علت شده است. استراتژیها و فنون متعددی برای گردآوری، ذخیره، سازماندهی و مدیریت کارآمد داده های موجود و رسیدن به نتایج معنی دار بکار گرفته شده اند. بعلاوه، عملکرد مناسب ابرداده که داده ای درباره داده است در عمل عالی بنظر میرسد.
پیشرفتهای حاصله در علم اطلاع رسانی و تکنولوژی اطلاعات، فنون و ابزارهای جدیدی برای غلبه بر رشد مستمر و تنوع بانکهای اطلاعاتی تامین می کنند. این پیشرفتها هم در بعد سخت افزاری و هم نرم افزاری حاصل شده اند.
ریزپردازنده های سریع، ابزارهای ذخیره داده های انبوه پیوسته و غیر پیوسته، اسکنرها، چاپگرها و دیگر ابزارهای جانبی نمایانگر پیشرفتهای حوزه سخت افزار هستند. پیشرفتهای حاصل در نظامهای مدیریت بانک اطلاعات در طی چهار دهه گذشته نمایانگر تلاشهای بخش نرم افزاری است.
این تلاشها در بخش نرم افزار را میتوان بعنوان یک حرکت پیشرونده از ایجاد یک بانک اطلاعات ساده تا شبکه ها و بانکهای اطلاعاتی رابطه ای و سلسله مراتبی برای پاسخگویی به نیاز روزافزون سازماندهی و بازیابی اطلاعات ملاحظه نمود. بدین منظور در هر دوره، نظامهای مدیریت بانک اطلاعاتی مناسب سازگار با نرم افزار سیستم عامل و سخت افزار رایج گسترش یافته اند. در این رابطه میتوان از محصولاتی مانند، Dbase-IV, Unify, Sybase, Oracle  و غیره نام برد.
داده کاوی یکی از پیشرفتهای اخیر در راستای فن آوریهای مدیریت داده هاست. داده کاوی مجموعه ای از فنون است که به شخص امکان میدهد تا ورای داده پردازی معمولی حرکت کند و به استخراج اطلاعاتی که در انبوه داده ها مخفی و یا پنهان است کمک می کند. انگیزه برای گسترش داده کاوی بطور عمده از دنیای تجارت در دهه 1990 پدید آمد. مثلا داده کاوی در حوزه بازاریابی، بدلیل پیوستگی غیرقابل انتظاری که بین پروفایل یک مشتری و الگوی خرید او ایجاد میکند اهمیتی خاص دارد.
تحلیل رکوردهای حجیم نگهداری سخت افزارهای صنعتی، داده های هواشناسی و دیدن کانال های تلوزیونی از دیگر کاربردهای آن است. در حوزه مدیریت کتابخانه کاربرد داده کاوی بعنوان فرایند ماخذ کاوی نامگذاری شده است. این مقاله به کاربردهای داده کاوی در مدیریت کتابخانه ها و موسسات آموزشی می پردازد. در ابتدا به چند سیستم سازماندهی داده ها که ارتباط نزدیکی به داده کاوی دارند می پردازد؛ سپس عناصر داده ای توصیف میشوند و درپایان چگونگی بکارگیری داده کاوی در کتابخانه ها و موسسات آموزشی مورد بحث قرار گرفته و مسائل عملی مرتبط در نظر گرفته می شوند.

:: برچسب‌ها: داده , داده کاوی , مهندسی نرم افزار کامپیوتر , داده کاوی، مفاهیم و کاربرد پروژه , پروژه , مفاهیم و کاربرد , کاربرد پروژه , data , نرم افزار , مهندسی , پروژه مهندسی , ذخيره سازی , مديريت , اطلاعات , Data Mining , مدیریت بهینه وب سایت , مديريت دانش , وب کاوی , معماری وب کاوی , الکترونیک , کاوش , جست و جو ,
:: بازدید از این مطلب : 65

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

 تا به امروز نرم افزارهاي تجاري و آموزشي فراواني براي داده كاوي در حوزه هاي مختلف داده ها به دنياي علم و فناوري عرضه شده اند. هريك از آنها با توجه به نوع اصلي داده هايي كه مورد كاوش قرار ميدهند، روي الگوريتمهاي خاصي متمركز شده اند. مقايسه دقيق و علمي اين ابزارها بايد از جنبه هاي متفاوت و متعددي مانند تنوع انواع و فرمت داده هاي ورودي، حجم ممكن براي پردازش داده ها، الگـوريتمهای پياده سـازي شده، روشهاي ارزيابي نتايج، روشهاي مصـور سـازي، روشهاي پيش پردازش داده ها، واسطهاي كاربر پسند، پلت‌فرمهاي سازگار براي اجرا،قيمت و در دسترس بودن نرم افزار صورت گيرد. از آن ميان، نرم افزار Weka با داشتن امكانات بسيار گسترده،امكان مقايسه خروجي روشهاي مختلف با هم، راهنماي خوب، واسط گرافيگي كارا، سازگاري با ساير برنامه هاي ويندوزي، و از همه مهمتر وجود كتابي بسيار جامع و مرتبط با آن [Data Mining, witten et Al. 2005 ] ، معرفي ميشود.

1- معرفی نرم افزار Weka

ميزكارWeka ، مجموع‌هاي از الگوريتمهاي روز يادگيري ماشيني و ابزارهاي پيش پردازش داده‌ها ميباشد. اين نرم‌افزار به گونه‌اي طراحي شده است كه ميتوان به سرعت، روشهاي موجود را به صورت انعطافپذيري روي مجموعه‌هاي جديد داده، آزمايش نمود. اين نرم‌افزار، پشتيباني‌هاي ارزشمندي را براي كل فرآيند داده كاوي هاي تجربي فراهم ميكند. اين پشتيباني‌ها، آماده سازي داده‌هاي ورودي، ارزيابي آماري چارچوبهاي يادگيري و نمايش گرافيكي داده‌هاي ورودي و نتايج يادگيري را در بر ميگيرند. همچنين، هماهنگ با دامنه وسيع الگوريتمهاي يادگيري، اين نرم‌افزار شامل ابزارهاي متنوع پيش پردازش داده‌هاست. اين جعبه ابزار متنوع و جامع، از طريق يك واسط متداول در دسترس است، به نحوي كه كاربر ميتواند روشهاي متفاوت را در آن با يكديگر مقايسه كند و روشهايي را كه براي مسايل مدنظر مناسبتر هستند، تشخيص دهد.

اين سيستم به زبان جاوا نوشته شده و بر اساس ليسانس عمومي و فراگير GNU انتشار يافته است.Weka تقريباً روي هر پلت فرمي اجرا ميشود و نيز تحت سيستم عاملهاي لينوكس، ويندوز، و مكينتاش، و حتي روي يك منشي ديجيتالي شخصي، آزمايش شده است.

اين نرم افزار، يك واسط همگون براي بسياري از الگوريتمهاي يادگيري متفاوت، فراهم كرده است كه از طريق آن روشهاي پيش پردازش، پس از پردازش و ارزيابي نتايج طرح هاي يادگيري روي همه مجموعه هاي داده موجود، قابل اعمال است.

نرم افزار Weka ، پياده سازي الگوريتمهاي مختلف يادگيري را فراهم ميكند و به آساني ميتوان آنها را به مجموعه هاي داده خود اعمال كرد.

  همچنين، اين نرم افزار شامل مجموعه متنوعي از ابزارهاي تبديل مجموعه‌هاي داده ها، همانند الگوريتمهاي گسسته سازي ميباشد. در اين محيط ميتوان يك مجموعه داده را پيش پردازش كرد، آن را به يك طرح يادگيري وارد نمود، و دسته‌بندي حاصله و كارآيي‌اش را مورد تحليل قرار داد.( همه اين كارها، بدون نياز به نوشتن هيچ قطعه برنامه‌اي ميسر است.)

  اين محيط، شامل روشهايي براي همه مسايل استاندارد داده كاوي مانند رگرسيون، رده‌بندي، خوشه‌بندي، كاوش قواعد انجمني و انتخاب ويژگي ميباشد. با در نظر گرفتن اينكه، داده‌ها بخش مكمل كار هستند، بسياري از ابزارهاي پيش پردازش داده‌ها و مصورسازي آنها فراهم گشته است. همه الگوريتم ها، وروديهاي خود را به صورت يك جدول رابطهاي به فرمت ARFF دريافت ميكنند. اين فرمت داده‌ها، ميتواند از يك فايل خوانده شده يا به وسيله يك درخواست از پايگاه دادهاي توليد گردد.

يكي از راههاي به كارگيري Weka ، اعمال يك روش يادگيري به يك مجموعه داده و تحليل خروجي آن براي شناخت چيزهاي بيشتري راجع به آن اطلاعات ميباشد. راه ديگر استفاده از مدل يادگيري شده براي توليد پيشبيني‌هايي در مورد نمونه‌هاي جديد است. سومين راه، اعمال يادگيرنده‌هاي مختلف و مقايسه كارآيي آنها به منظور انتخاب يكي از آنها براي تخمين ميباشد. روشهاي يادگيري Classifier ناميده ميشوند و در واسط تعاملي Weka ، ميتوان هر يك از آنها را از منو انتخاب نمود. بسياري از classifier ها پارامترهاي قابل تنظيم دارند كه ميتوان از طريق صفحه ويژگي‌ها يا object editor به آنها دسترسي داشت. يك واحد ارزيابي مشترك، براي اندازه‌گيري كارآيي همه classifier به كار ميرود.

پياده سازيهاي چارچوبهاي يادگيري واقعي، منابع بسيار ارزشمندي هستند كه Weka فراهم مي كند. ابزارهايي كه براي پيش پردازش داده‌ها استفاده ميشوند Filter ناميده ميشوند. همانند classifier ها، ميتوان filter ها را از منوي مربوطه انتخاب كرده و آنها را با نيازمنديهاي خود، سازگار نمود. در ادامه، به روش به كارگيري فيلترها اشاره ميشود.

  علاوه بر موارد فوق، Weka شامل پياده سازي الگوريتمهايي براي يادگيري قواعد انجمني، خوشه‌بندي داده‌ها در جايي كه هيچ دست‌هاي تعريف نشده است، و انتخاب ويژگيهاي مرتبط در داده‌ها ميباشد.

تعداد صفحات :80

فرمت فایل : Word

:: برچسب‌ها: داده کاوی , datamining , پایان نامه داده کاوی , کاربرد های داده کاوی , انواع داده کاری , چرا داده کاوی , آموزش برنام هنویسی داده کاوی , مقاله در مورد داده کاوی , اجزا اصلی پایان نامه داده کاوی , پایان نامه رشته نرم افزار , مقاله داده کاوی , داده کاوی چیست , پایان نامه و تحقیق در رابطه با تکنیک های داده کاوی (فایل Word/ قابل ویرایش ) تعداد صفحات 80 , پایان نامه , پروژه داده کاوی , تحقیق در رابطه با تکنیک های داده کاوی , پروژه تکنیک های داده کاوی , مقاله تکنیک های داده کاوی , پروژه پایانی رشته نرم افزار , پروژه پایان ترم دانشگاه , مقاله پیرامون داده کاوی , پروژه کامپیوتر اماده پرینت , پروژه شخصی کامپیوتر , کاربرد ها ,
:: بازدید از این مطلب : 45

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

مبانی یادگیری ماشین از دانشگاه کالیفرنیا

آیا می خواهید پردازش داده ها را در مقیاس های بزرگ بیاموزید؟

 آیا نیاز به استفاده از مدل های پیش بینی دارید اما با شیوه  استفاده از نرم افزارهای  مناسب و جدید روز در این زمینه آشنا نیستید؟

این دوره شما را با کاربا نرم افزار های جدید و پیشرفته در زمینه یادگیری ماشین مانند KNIME  و SPARK آشنا می نماید و قادر به شرح و بکارگیری تکنیک های خوشه بندی و الگوریتم های طبقه بندی جدید خواهید بود.

مدرسان این دوره

 دکتری کامپیوتر و مدیر مرکز پیشبینی و تجزیه و تحلیل ابرکامپیوتر ها از دانشگاه کالیفرنیا: Natasha Balac

 دکتری مدلسازی با کامپیوتراز دانشگاه کالیفرنیا : Paul Rodriguez 

عناوین این بخش:

درس اول: یادگیری ماشین و داده های بزرگ

درس دوم: داده کاوه در یادگیری ماشین 

درس سوم: آغاز به کار با   KNIME

درس چهارم: کار با داده های نمونه

:: برچسب‌ها: داده های بزرگ , یادگیری ماشین , KNIME , داده کاوی ,
:: بازدید از این مطلب : 43

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

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 : 34

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

 تا به امروز نرم افزارهاي تجاري و آموزشي فراواني براي داده كاوي در حوزه هاي مختلف داده ها به دنياي علم و فناوري عرضه شده اند. هريك از آنها با توجه به نوع اصلي داده هايي كه مورد كاوش قرار ميدهند، روي الگوريتمهاي خاصي متمركز شده اند. مقايسه دقيق و علمي اين ابزارها بايد از جنبه هاي متفاوت و متعددي مانند تنوع انواع و فرمت داده هاي ورودي، حجم ممكن براي پردازش داده ها، الگـوريتمهای پياده سـازي شده، روشهاي ارزيابي نتايج، روشهاي مصـور سـازي، روشهاي پيش پردازش داده ها، واسطهاي كاربر پسند، پلت‌فرمهاي سازگار براي اجرا،قيمت و در دسترس بودن نرم افزار صورت گيرد. از آن ميان، نرم افزار Weka با داشتن امكانات بسيار گسترده،امكان مقايسه خروجي روشهاي مختلف با هم، راهنماي خوب، واسط گرافيگي كارا، سازگاري با ساير برنامه هاي ويندوزي، و از همه مهمتر وجود كتابي بسيار جامع و مرتبط با آن [Data Mining, witten et Al. 2005 ] ، معرفي ميشود.

1- معرفی نرم افزار Weka

ميزكارWeka ، مجموع‌هاي از الگوريتمهاي روز يادگيري ماشيني و ابزارهاي پيش پردازش داده‌ها ميباشد. اين نرم‌افزار به گونه‌اي طراحي شده است كه ميتوان به سرعت، روشهاي موجود را به صورت انعطافپذيري روي مجموعه‌هاي جديد داده، آزمايش نمود. اين نرم‌افزار، پشتيباني‌هاي ارزشمندي را براي كل فرآيند داده كاوي هاي تجربي فراهم ميكند. اين پشتيباني‌ها، آماده سازي داده‌هاي ورودي، ارزيابي آماري چارچوبهاي يادگيري و نمايش گرافيكي داده‌هاي ورودي و نتايج يادگيري را در بر ميگيرند. همچنين، هماهنگ با دامنه وسيع الگوريتمهاي يادگيري، اين نرم‌افزار شامل ابزارهاي متنوع پيش پردازش داده‌هاست. اين جعبه ابزار متنوع و جامع، از طريق يك واسط متداول در دسترس است، به نحوي كه كاربر ميتواند روشهاي متفاوت را در آن با يكديگر مقايسه كند و روشهايي را كه براي مسايل مدنظر مناسبتر هستند، تشخيص دهد.

:: برچسب‌ها: پروژه در رابطه با تکنیک های داده کاوی (فایل Word ورد و قابل ویرایش ) تعداد صفحات 80 , تکنیک های داده کاوی , پروژه تکنیک های داده کاوی , تکنیک های داده کاوی , تحقیق در مورد تکنیک های داده کاوی , داده کاوی چیست , پروزه پیرامون تکنیک های داده کاوی , تحقیق در مورد داده کاوی , مقاله در مورد تکنیک های داده کاوی , دیتا مینینگ , Datamining , کنفرانس پیرامون تکنیک های داده کاوی , پایان نامه در مورد تکنیک های داده کاوی , پایان نامه تکنیک های داده کاوی , داده کاوی , تکنیک های داده کاوی در کامپیوتر , تکنیک های داده کاوی در رایانه , کنفرانس تکنیک های داده کاوی , کاربرد های داده کاوی , داده کاوی و اقتصاد ,
:: بازدید از این مطلب : 44

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

ادغام برنامه ریزی های سلسله مراتبی و داده کاوی برای پیشنهاد محصول بر مبنای ارزش طول عمر آن کالا به مشتری
چکیدهفرایند تولید , فعالیت تجاری می باشد که در ارتباط با جذب مشتریان بوده و دارای اهمیت زیادی می باشد. بنابراین بهبود کیفیت این فرایندها برای تامین نیاز مشتریان در شرایط رقابتی دارای اهمیت زیادی نیز است. اگرچه راه های متفاوتی در این زمینه مطرح شده است , اما تعداد کمی از آن ها به موضوع اعتبار دادن به مشتریان (CLV) پرداخته اند.  معمولا CLV از نظر تازه بودن , تکرار و متغیرهای مالی مورد ارزیابی قرار می گیرند. به هر حال اهمیت نسبی آن از نظر مشخصه های تولید و صنعت متفاوت می باشد. ما در این مورد روش جدیدی را مد نظر قرار می دهیم که تکنیک های تصمیم گیری گروهی و پردازش اطلاعاتی را مد نظر قرار می دهد.برنامه ریزی های سلسله مراتبی نیز برای تعیین متغیرهای نسبی RFM در ارتباط با ارزیابی و دادن اعتبار به مشتریان مد نظر قرار می گیرد. چنین تکنیک های دسته بندی شده بر طبق به فرایند RFM برای گروهی از مشتریان به کار برده شده است. سرانجام یک روش پردازشی بکار برده شده است , تا برای هر یک از این گروه ها فرایند های تولیدی را تعریف کند. نتایج عملی نشان داده است که این روش ها پا را فراتر نهاده و از RFM های یکسان و روش های تعاونی استفاده کرده اند.

:: برچسب‌ها: ادغام برنامه ریزی , داده کاوی , ارزش طول عمر کالا , RFM , مقاله انگلیسی اقتصاد با ترجمه فارسی , مقاله انگلیسی اقتصاد با ترجمه , مقاله انگلیسی اقتصاد , Integrating AHP , data mining , product recommendation , customer lifetime value ,
:: بازدید از این مطلب : 37

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

یک تحقیق نمونه بر به کار بردن تکنیک های تحقیقی داده کاویدر علوم تربیتی: توسعه داده کاوی
خلاصههدف این تحقیق ارائه یک تحقیق نمونه است که اطلاعات جمع آوری شده از یک تحقیق تربیتی توسط تکنیک های داده کاوی مناسب برای پردازش این اطلاعات را تحلیل می کند. به منظور دست یابی به این هدف یک میزان خود بهره وری کامپیوتر استفاده شده در علوم تربیتی انتخاب شده است و این میزان در یک گروه تحقیقی به کار برده شد. داده ها با استفاده از آمار توصیفی (t تست و تحلیل واریانس)، و تکنیک های داده کاوی درخت تصمیم گیری، شبکه های وابستگی و دسته ای تحلیل شده اند. آمار توصیفی مورد استفاده با استفاده از بسته های نرم افزاری آماری معمول محاسبه نشدند، بلکه با استفاده از اجرای یک برنامه نوشته شده در برنامه ریزی زبانی 2009 Delphi در Microsoft SQL server 2008 محاسبه شدند. مایکروسافت SQL 2008 مستقیما برای تکنیک های داده کاوی شبکه های وابستگی و دسته ای مورد استفاده قرار گرفت. برخی از نتایج تحقیق، که نمی توان آنها را با تکنیک های آماری معمول به دست آورد را می توان با روش های داده کاوی به دست آورد در ادامه آمده است: آنهایی که گمان می کنند توانایی کار کردن با اصطلاحات و مفاهیم کامپیوتر را دارند عقیده دارند که در استفاده از کامپیوتر مهارت دارند؛ آنهایی که عقیده دارند مهارت خاصی در استفاده از کامپیوتر دارند احساس می کنند که کامپیوتر بخشی از اندام آنهاست، و دانش آموزانی که بیشتر از 6 سال است که از کامپیوتر استفاده می کنند عقیده دارند که مهارت خاصی در استفاده کردن از کامپیوتر دارند.

:: برچسب‌ها: تکنیک های تحقیقی داده کاوی , داده کاوی , توسعه داده کاوی , داده کاوی در علوم تربیتی , SQL 2008 , 2009 Delphi , applying data mining research techniques , educational science: developing , more meaning of data , مقاله انگلیسی علوم تربیتی با ترجمه فارسی , مقاله انگلیسی علوم تربیتی با ترجمه , مقاله انگلیسی علوم تربیتی ,
:: بازدید از این مطلب : 36

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

---

:: برچسب‌ها: داده کاوی , data mining ,
:: بازدید از این مطلب : 64

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

 تا به امروز نرم افزارهاي تجاري و آموزشي فراواني براي داده كاوي در حوزه هاي مختلف داده ها به دنياي علم و فناوري عرضه شده اند. هريك از آنها با توجه به نوع اصلي داده هايي كه مورد كاوش قرار ميدهند، روي الگوريتمهاي خاصي متمركز شده اند. مقايسه دقيق و علمي اين ابزارها بايد از جنبه هاي متفاوت و متعددي مانند تنوع انواع و فرمت داده هاي ورودي، حجم ممكن براي پردازش داده ها، الگـوريتمهای پياده سـازي شده، روشهاي ارزيابي نتايج، روشهاي مصـور سـازي، روشهاي پيش پردازش داده ها، واسطهاي كاربر پسند، پلت‌فرمهاي سازگار براي اجرا،قيمت و در دسترس بودن نرم افزار صورت گيرد. از آن ميان، نرم افزار Weka با داشتن امكانات بسيار گسترده،امكان مقايسه خروجي روشهاي مختلف با هم، راهنماي خوب، واسط گرافيگي كارا، سازگاري با ساير برنامه هاي ويندوزي، و از همه مهمتر وجود كتابي بسيار جامع و مرتبط با آن [Data Mining, witten et Al. 2005 ] ، معرفي ميشود.

1- معرفی نرم افزار Weka

ميزكارWeka ، مجموع‌هاي از الگوريتمهاي روز يادگيري ماشيني و ابزارهاي پيش پردازش داده‌ها ميباشد. اين نرم‌افزار به گونه‌اي طراحي شده است كه ميتوان به سرعت، روشهاي موجود را به صورت انعطافپذيري روي مجموعه‌هاي جديد داده، آزمايش نمود. اين نرم‌افزار، پشتيباني‌هاي ارزشمندي را براي كل فرآيند داده كاوي هاي تجربي فراهم ميكند. اين پشتيباني‌ها، آماده سازي داده‌هاي ورودي، ارزيابي آماري چارچوبهاي يادگيري و نمايش گرافيكي داده‌هاي ورودي و نتايج يادگيري را در بر ميگيرند. همچنين، هماهنگ با دامنه وسيع الگوريتمهاي يادگيري، اين نرم‌افزار شامل ابزارهاي متنوع پيش پردازش داده‌هاست. اين جعبه ابزار متنوع و جامع، از طريق يك واسط متداول در دسترس است، به نحوي كه كاربر ميتواند روشهاي متفاوت را در آن با يكديگر مقايسه كند و روشهايي را كه براي مسايل مدنظر مناسبتر هستند، تشخيص دهد.

اين سيستم به زبان جاوا نوشته شده و بر اساس ليسانس عمومي و فراگير GNU انتشار يافته است.Weka تقريباً روي هر پلت فرمي اجرا ميشود و نيز تحت سيستم عاملهاي لينوكس، ويندوز، و مكينتاش، و حتي روي يك منشي ديجيتالي شخصي، آزمايش شده است.

اين نرم افزار، يك واسط همگون براي بسياري از الگوريتمهاي يادگيري متفاوت، فراهم كرده است كه از طريق آن روشهاي پيش پردازش، پس از پردازش و ارزيابي نتايج طرح هاي يادگيري روي همه مجموعه هاي داده موجود، قابل اعمال است.

نرم افزار Weka ، پياده سازي الگوريتمهاي مختلف يادگيري را فراهم ميكند و به آساني ميتوان آنها را به مجموعه هاي داده خود اعمال كرد.

  همچنين، اين نرم افزار شامل مجموعه متنوعي از ابزارهاي تبديل مجموعه‌هاي داده ها، همانند الگوريتمهاي گسسته سازي ميباشد. در اين محيط ميتوان يك مجموعه داده را پيش پردازش كرد، آن را به يك طرح يادگيري وارد نمود، و دسته‌بندي حاصله و كارآيي‌اش را مورد تحليل قرار داد.( همه اين كارها، بدون نياز به نوشتن هيچ قطعه برنامه‌اي ميسر است.)

  اين محيط، شامل روشهايي براي همه مسايل استاندارد داده كاوي مانند رگرسيون، رده‌بندي، خوشه‌بندي، كاوش قواعد انجمني و انتخاب ويژگي ميباشد. با در نظر گرفتن اينكه، داده‌ها بخش مكمل كار هستند، بسياري از ابزارهاي پيش پردازش داده‌ها و مصورسازي آنها فراهم گشته است. همه الگوريتم ها، وروديهاي خود را به صورت يك جدول رابطهاي به فرمت ARFF دريافت ميكنند. اين فرمت داده‌ها، ميتواند از يك فايل خوانده شده يا به وسيله يك درخواست از پايگاه دادهاي توليد گردد.

يكي از راههاي به كارگيري Weka ، اعمال يك روش يادگيري به يك مجموعه داده و تحليل خروجي آن براي شناخت چيزهاي بيشتري راجع به آن اطلاعات ميباشد. راه ديگر استفاده از مدل يادگيري شده براي توليد پيشبيني‌هايي در مورد نمونه‌هاي جديد است. سومين راه، اعمال يادگيرنده‌هاي مختلف و مقايسه كارآيي آنها به منظور انتخاب يكي از آنها براي تخمين ميباشد. روشهاي يادگيري Classifier ناميده ميشوند و در واسط تعاملي Weka ، ميتوان هر يك از آنها را از منو انتخاب نمود. بسياري از classifier ها پارامترهاي قابل تنظيم دارند كه ميتوان از طريق صفحه ويژگي‌ها يا object editor به آنها دسترسي داشت. يك واحد ارزيابي مشترك، براي اندازه‌گيري كارآيي همه classifier به كار ميرود.

پياده سازيهاي چارچوبهاي يادگيري واقعي، منابع بسيار ارزشمندي هستند كه Weka فراهم مي كند. ابزارهايي كه براي پيش پردازش داده‌ها استفاده ميشوند Filter ناميده ميشوند. همانند classifier ها، ميتوان filter ها را از منوي مربوطه انتخاب كرده و آنها را با نيازمنديهاي خود، سازگار نمود. در ادامه، به روش به كارگيري فيلترها اشاره ميشود.

  علاوه بر موارد فوق، Weka شامل پياده سازي الگوريتمهايي براي يادگيري قواعد انجمني، خوشه‌بندي داده‌ها در جايي كه هيچ دست‌هاي تعريف نشده است، و انتخاب ويژگيهاي مرتبط در داده‌ها ميباشد.

تعداد صفحات :80

فرمت فایل : Word

:: برچسب‌ها: تکنیک های داده کاوی , پایان نامه داده کاوی , دیتا مینینگ , پروژه کامل در مورد داده کاوی , پایان نامه آماده و کامل رشته نرم افزار , دانلود پایان نامه , خرید پایان نامه رشته نرم افزار , نرم افزار کامپیوتر پایان نامه , داده کاوی , datamining , تحقیق در مورد داده کاوی , کاربرد های داده کاوی , داده کاوی چیست , چرا داده کاوی , داده کاوی و حل مسائل , مسائل پیچیده و حل به کمک داده کاوی , پایان نامه و تحقیق دیتا مینینگ , مقاله داده کاوی , پایان نامه با فرمت ورد , پایان نامه Word , پایان نامه doc , پایان نامه و تحقیق در رابطه با تکنیک های داده کاوی (فایل Word/ قابل ویرایش ) تعداد صفحات 80 , پروژه داده کاوی , دانلود تکنیک های داده ,
:: بازدید از این مطلب : 53

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

این محصول شامل یک پاورپوینت از مبحث داده کاوی (Data mining) با 60 اسلاید می باشد. این محصول هم اکنون با پرداخت تنها 3500 تومان قابل دانلود خواهد بود.

:: برچسب‌ها: داده کاوی (Data Mining) , داده کاوی , پاورپوینت داده کاوی , مدیریت , پاورپوینت مدیریت , صنایع , پاورپوینت صنایع , مدیریت فناوری اطلاعات , مدیریت it ,
:: بازدید از این مطلب : 71

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

این پاورپوینت شامل 34 اسلاید از مباحث کتاب داده کاوی جمال شهرابی می باشد. این محصول هم اکنون با پرداخت تنها 4000 تومان قابل دانلود خواهد بود. 

:: برچسب‌ها: پاورپوینت کتاب داده کاوی 2 جمال شهرابی , جمال شهرابی , پاورپوینت کتاب داده کاوی , داده کاوی 2 , کتاب داده کاوی 2 , پاورپوینت کتاب داده کاوی 2 , پاورپوینت کتاب جمال شهرابی , پاورپوینت کتاب داده کاوی جمال شهرابی , مدیریت , پاورپوینت مدیریت , پاورپوینت مدیریت فناوری اطلاعات , مدیریت فناوری اطلاعات , مدیریت it , پاورپوینت مدیریت it , data mining , داده کاوی ,
:: بازدید از این مطلب : 88

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

:: برچسب‌ها: داده کاوی , کشف قوانین وابستگی , داده , تحقیق , پژوهش , قوانین وابستگی , وابستگی , داده ها ,
:: بازدید از این مطلب : 81

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

نگاهی بر داده کاوی و کشف قوانین وابستگی

فایل آفیس شامل 32 صفحه

نگاهی به چکیده ی این فایل

چکیده:
با افزايش سيستمهاي كامپيوتر و گسترش تكنولوژي اطلاعات , بحث اصلي در علم كامپيوتر از چگونگي جمع آوري اطلاعات به نحوه استفاده از اطلاعات منتقل شده است . سيستمهاي داده كاوي ,اين امكان را به كاربر مي دهند كه بتواند انبوه داده هاي جمع آوري شده را تفسير كنند و دانش نهفته در آن را استخراج نمايند .
داده كاوي به هر نوع كشف دانش و يا الگوي پنهان در پايگاه داده ها اطلاق مي شود . امروزه داده کاوی به عنوان یکی از مهمترین مسائل هوش مصنوعی و پایگاه داده ، محققان بسیاری را به خود جذب کرده است . در این تحقیق ابتدا نگاه کلی بر داده کاوی ، استراتژیهای داده کاوی و... داریم ، سپس مسأله کشف قوانین وابستگی در پایگاه داده را به تفضیل بررسی کردیم و نگاهی به الگوریتمهای موجود برای آن داشتیم . سپس مسأله کشف قوانین وابستگی در پایگاه داده های پویا را مورد بحث قرار دادیم و الگوریتم های ارائه شده مربوطه را مطرح کردیم .

:: برچسب‌ها: داده , کشف , قوانین , نگاهی بر داده کاوی و کشف قوانین وابستگی , داده کاوی , کشف قوانین , وابستگی , داده کاوی و کشف قوانین وابستگی , کشف قوانین وابستگی , چگونگي جمع آوري اطلاعات , جمع آوری اطلاعات , سيستمهاي داده كاوي , كشف دانش , پایگاه داده , استراتژیهای داده کاوی ,
:: بازدید از این مطلب : 107

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

کتاب مرجع داده کاوی
انتشارات  Springer
عنوان کامل کتاب
Web Data Mining

:: برچسب‌ها: داده کاوی , web , data mining ,
:: بازدید از این مطلب : 108

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

سه مقاله هست که جمع اوری شده در مورد تاریخچه و داده کاوی

:: برچسب‌ها: داده کاوی , تاریخچه , مقاله ,
:: بازدید از این مطلب : 85

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

عنوان: مفاهیم داده کاوی و کاربرد های آن حجم : 1 مگابایتتعداد صفحات: 100 صفحهسال تولید: 1393قابلیت تغیر داردفرمت: doc

شرح مختصر : 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 از 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 دانش بپردازند 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 :

چکیده

مقدمه

فصل اول – مفاهیم داده کاوی

مدیریت ذخیره سازی و دستیابی اطلاعات

ساختار بانک اطلاعاتی سازمان

داده کاوی (Data Mining)

مفاهیم پایه در داده کاوی

تعریف داده کاوی

مراحل فرایند کشف دانش از پایگاه داده ها

الگوریتم های داده کاوی

آماده سازی داده برای مدل سازی

درک قلمرو

ابزارهای تجاری داده کاوی Tools DM Commercial

منابع اطلاعاتی مورد استفاده

محدودیت های داده کاوی

حفاظت از حریم شخصی در سیستم‌های داده‌کاوی

فصل دوم : کاربردهای داده کاوی

کاربرد داده کاوی در کسب و کار هوشمند بانک

داده کاوی در مدیریت ارتباط با مشتری

کاربردهای داده کاوی در کتابخانه ها و محیط های دانشگاهی

داده کاوی و مدیریت موسسات دانشگاهی

داده کاوی و مدیریت بهینه وب سایت ها

داده‌کاوی و مدیریت دانش

کاربرد داده‌کاوی در آموزش عالی

فصل سوم – بررسی موردی۱: وب کاوی

معماری وب کاوی

مشکلات و محدودیت های وب کاوی در سایت های فارسی زبان

محتوا کاوی وب

فصل چهارم – بررسی موردی

داده کاوی در شهر الکترونیک

زمینه دادهکاوی در شهر الکترونیک

کاربردهای داده کاوی در شهر الکترونیک

چالشهای داده کاوی در شهر الکترونیک

مراجع و ماخذ

:: برچسب‌ها: datamining , دیتا ماینینگ , داده کاوی ,
:: بازدید از این مطلب : 114

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

پایان نامه رشته مهندسی کامپیوتر گرایش نرم افزاربا عنوان داده کاوی و مفاهیم و کاربردهای آنبا فرمت word و کامل در قالب 100 صفحهقابل استفاده برای دانشجویان مهندسی کامپیوتر، آی تی،  در مقطع کارانی و کارشناسی و کارشناسی ارشد

:: برچسب‌ها: مهندسی کامپیوتر , نرم افزار , داده کاوی , پایان نامه کارشناسی رشته مهندسی کامپیوتر ,
:: بازدید از این مطلب : 84

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0