پایان نامه داده کاوی – پروژه داده کاوی(Data Mining)

18,000 تومان

پایان نامه داده کاوی

فرمت  : ورد (word )

تعداد صفحات : 85 صفحه

فهرست مطالب : دارد

فهرست اشکال : دارد 

 

مقدار:

توضیحات

پایان نامه داده کاوی –   Data Mining

پایان نامه داده کاوی  ( Data Mining)شامل ۱۰۰ صفحه مطالب همراه با فهرست  مطالب ، چکیده می باشد

 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 کاوی ( Data Mining)

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 .

پایان نامه داده کاوی

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 .

فهرست مطالب پایان نامه داده کاوی

 

فصل ۱: مقدمه…………………………………………………………………………………………………………. ۱

۱-۱- مقدمه……………………………………………………………………………………………………………. ۲

فصل ۲: مفاهیم داده کاوی………………………………………………………………………………………….. ۴

۲-۱- مفهوم مديريت ذخيره سازی و دستيابی اطلاعات………………………………………………………. ۵

۲-۲ ساختار بانک اطلاعاتی سازمان:…………………………………………………………………………….. ۶

۲-۳- داده کاوی …………………………………………………………………………….. ۷

۲-۳-۲- مفاهيم پايه در داده کاوي……………………………………………………………………………….. ۸

۲-۳-۳- تعريف داده کاوي………………………………………………………………………………………… ۸

۲-۳-۴- تاريخچه داده کاوي………………………………………………………………………………………. ۹

۲-۴ مراحل فرايند کشف دانش از پايگاه داده ها………………………………………………………………. ۱۰

۲-۴-۱- انبارش داده ها……………………………………………………………………………………………… ۱۱

۲-۴-۲- انتخاب داده ها…………………………………………………………………………………………….. ۱۲

۲-۴-۳- تبديل داده ها………………………………………………………………………………………………. ۱۲

۲-۴-۴- کاوش در داده ها…………………………………………………………………………………………. ۱۲

۲-۴-۵- تفسير نتيجه…………………………………………………………………………………………………. ۱۳

۲-۵- عملياتهاي داده کاوي………………………………………………………………………………………… ۱۳

۲-۵-۱- مدلسازي پيشگويي کننده………………………………………………………………………………… ۱۴

۲-۵-۲- تقطيع پايگاه داده ها………………………………………………………………………………………. ۱۴

۲-۵-۳- تحليل پيوند………………………………………………………………………………………………… ۱۵

۲-۵-۴- تشخيص انحراف………………………………………………………………………………………….. ۱۵

فصل ۳: الگوريتم هاي داده كاوي…………………………………………………………………………………. ۱۶

۳-۱- مقدمه……………………………………………………………………………………………………………. ۱۷

۳-۲- شبكه هاي عصبي…………………………………………………………………………………………….. ۱۸

۳-۳- درخت هاي انتخاب………………………………………………………………………………………….. ۱۸

۳-۴- استنتاج قانون…………………………………………………………………………………………………… ۱۹

۳-۵- الگوريتمهاي ژنتيك………………………………………………………………………………………….. ۲۰

۳-۶- مدل فرآيند دو سويه………………………………………………………………………………………….. ۲۰

۳-۶-۱- تعريف مساله……………………………………………………………………………………………….. ۲۱

۳-۶-۲- ساختن يك پايگاه داده داده كاوي……………………………………………………………………. ۲۱

۳-۶-۳- جستجوي داده……………………………………………………………………………………………… ۲۲

۳-۶-۴- آماده سازي داده براي مدل سازي……………………………………………………………………… ۲۲

۳-۶-۵- ساختن مدل داده كاوي………………………………………………………………………………….. ۲۳

۳-۶-۶- ارزيابي و تفسير؛ تاييد اعتبار مدل………………………………………………………………………. ۲۳

۳-۶-۷- ايجاد معماري مدل و نتايج………………………………………………………………………………. ۲۴

۳-۷- سابقه داده کاوي……………………………………………………………………………………………… ۲۶

۳-۸- نرم‌افزارهاي داده‌كاوي………………………………………………………………………………………. ۲۹

۳-۹- طبقه بندی داده کاوی………………………………………………………………………………………… ۳۲

۳-۹-۱- اكتشاف :…………………………………………………………………………………………………… ۳۲

۳-۹-۲- مدل پيش بيني :……………………………………………………………………………………………. ۳۲

۳-۹-۳- تحليلهاي دادگاهي :………………………………………………………………………………………. ۳۲

۳-۱۰- ابزارهای تجاری داده کاوی ……………………………………………………………………………… ۳۶

۳-۱۱- منابع اطلاعاتی مورد استفاده………………………………………………………………………………. ۳۷

انبار داده………………………………………………………………………………………………………………… ۳۷

۳-۱۲- پیشرفت در تکنولوژیهای داده پردازی………………………………………………………………….. ۳۸

۳-۱۲-۱- دیتامارت………………………………………………………………………………………………….. ۳۸

۳-۱۲-۲- انبار داده ها……………………………………………………………………………………………….. ۳۹

۳-۱۳ عناصر داده کاوی…………………………………………………………………………………………….. ۴۱

۳-۱۴ فنون داده کاوی……………………………………………………………………………………………….. ۴۱

۳-۱۵- شبکه های عصبی :…………………………………………………………………………………………. ۴۳

فصل ۴: محدودیت های داده کاوی………………………………………………………………………………. ۴۴

۴-۱- مقدمه……………………………………………………………………………………………………………. ۴۵

۴-۲- حفاظت از حریم شخصی در سیستم‌های داده‌كاوی……………………………………………………. ۴۶

فصل ۵: کاربردهای داده کاوی……………………………………………………………………………………. ۴۷

۵-۱- کاربردهای مختلف داده کاوی…………………………………………………………………………….. ۴۸

۵-۲- کاربرد داده کاوی در کسب و کار هوشمند بانک…………………………………………………….. ۴۹

۵-۳ داده كاوي درمديريت ارتباط بامشتري……………………………………………………………………… ۵۰

۵-۴ کاربردهای داده کاوی در کتابخانه ها و محیط های دانشگاهی……………………………………….. ۵۱

کاربردهای داده کاوی در کتابخانه ها……………………………………………………………………………. ۵۱

۵-۵- داده کاوی و مدیریت موسسات دانشگاهی………………………………………………………………. ۵۲

۵-۶- داده کاوی و مدیریت بهینه وب سایت ها………………………………………………………………… ۵۳

۵-۷- داده‌كاوي و مديريت دانش…………………………………………………………………………………. ۵۳

۵-۸- كاربرد داده‌كاوي در آموزش عالي……………………………………………………………………….. ۵۴

فصل ۶: بررسی موردی وب کاوی………………………………………………………………………………… ۵۶

۶-۱- معماری وب کاوی…………………………………………………………………………………………… ۵۷

مشكلات ومحدوديت هاي وب كاوي در سايت هاي فارسي زبان………………………………………….. ۶۰

محتوا کاوی وب……………………………………………………………………………………………………… ۶۱

فصل ۷: داده کاوی در شهر الکترونیک………………………………………………………………………….. ۶۳

۷-۱- مقدمه……………………………………………………………………………………………………………. ۶۴

۷-۲ زمينه دادهکاوي در شهر الکترونيک………………………………………………………………………… ۶۶

۷-۳کاربردهاي دادهکاوي در شهر الکترونيک…………………………………………………………………. ۶۷

۷-۴- تقويت برنامهريزيهاي دولت و ترويج نوآوري………………………………………………………….. ۶۹

۷-۵- بهبود تحليلها و تصميمات دولت…………………………………………………………………………… ۷۰

۷-۶- چالشهاي دادهکاوي در شهر الکترونيک…………………………………………………………………. ۷۰

۷-۶-۱- كيفيت دادهها……………………………………………………………………………………………… ۷۱

۷-۶-۲- قابليت انتقال دادهها و استفاده از اطلاعات……………………………………………………………. ۷۱

۷-۶-۳- چالش برآورد مدلهاي دادهکاوي……………………………………………………………………… ۷۲

۷-۶-۴- دقت نتايج متدهاي دادهكاوي………………………………………………………………………….. ۷۳

۷-۶-۵- پيچيدگي و هزينه زماني…………………………………………………………………………………. ۷۴

۷-۶-۶- محرمانگي دادهها…………………………………………………………………………………………. ۷۴

۷-۷- نتيجه گيري……………………………………………………………………………………………………. ۷۵

فصل ۸: مراجع و ماخذ………………………………………………………………………………………………. ۷۶

مراجع و ماخذ فارسی………………………………………………………………………………………………… ۷۷

مراجع و ماخذ لاتین و سایتهای اینترنتی………………………………………………………………………….. ۷۸