| داده کاوی،مدل سازی داده ها و مراحل فرایند کشف دانش از پایگاه داده ها
دانلود مقاله داده کاوی،مدل سازی داده ها و مراحل فرایند کشف دانش از پایگاه داده ها
|
 |
| دسته بندی | هوش مصنوعی |
| فرمت فایل | doc |
| حجم فایل | 257 کیلو بایت |
| تعداد صفحات فایل | 35 |
دانلود مقاله کارشناسی ارشد رشته هوش مصنوعی
داده کاوی،مدل سازی داده ها و مراحل فرایند کشف دانش از پایگاه داده ها
*ضمیمه کردن پاورپوینت در قالب 30 اسلاید و بصورت رایگان:)
مقدمه
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 پردازش کرد و اطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد . با استفاده ار 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 .
کلمات کلیدی:
داده کاوی
اکتشاف دانش
مدل سازی داده ها
فرایند کشف دانش از پایگاه داده ها
فهرست مطالب
مقدمه ای بر داده کاوی و اکتشاف دانش1
مقدمه3
مفاهیم پایه در داده کاوی4
تعریف داده کاوی4
تاریخچه داده کاوی5
مراحل فرایند کشف دانش از پایگاه داده ها7
مدلسازی پیشگویی کننده10
تقطیع پایگاه داده ها11
تحلیل پیوند12
قابلیتهای DataMining:14
Geographic16
Data Mining16
Data16
Analysis16
داده كاوی و OLAP:16
داده كاوی , آمار و یادگیری ماشین16
كاربردهای داده كاوی17
داده كاوی موفق:18
تحلیل ارتباطات:18
سلسله مراتبی از انتخاب ها21
- هدف كار22
طبقه بندی23
حدس بازگشتی24
سری های زمانی24
مدلها و الگوریتمهای داده كاوی24
شبكه های عصبی25
یك شبكه عصبی با یك لایه پنهان26
درخت های انتخاب26
استنتاج قانون27
الگوریتمهای ژنتیك27
فرآیند داده كاوی28
مدلهای فرآیند28
مدل فرآیند دو سویه28
ساختن یك پایگاه داده داده كاوی29
آماده سازی داده برای مدل سازی31
ساختن مدل داده كاوی31
تائید اعتبارساده32
ارزیابی و تفسیر32
تایید اعتبار مدل32
ماتریسهای پیچیدگی32
ایجاد معماری مدل و نتایج33
منابع و مراجع:34
دانلود طرح توجیهی مدرسـه غير انتـفاعي