دانلود پروژه داده کاوی Data Mining 

دانلود پاورپوینت , پروژه , کارآموزی , مقاله و تحقیق دانشجویی

http://kia-ir.ir

آمار بازدید

  • بازدید امروز : 231
  • بازدید دیروز : 229
  • بازدید کل : 3833825

پیوند ها

دانلود پروژه داده کاوی Data Mining


دانلود پروژه داده کاوی Data Mining

پروژه داده کاوی  پژوهش کامل در حوزه مهندسی کامپیوترمی باشد و در 3 فصل تنظیم شده است. شما میتوانید فهرست مطالب پروژه را در ادامه مشاهده نمایید.

پروژه بصورت فایل قابل ویرایش ورد(WORD) در 86 صفحه برای رشته مهندسی کامپیوتر در پایین همین صفحه قابل دانلود میباشد. شایسته یادآوری است که پروژه از ابتدا تا پایان ویرایش وتنظیم , سکشن بندی (section) ، نوشتن پاورقی (Footnote) و فهرست گذاری اتوماتیک کامل شده وآماده تحویل یا کپی برداری از مطالب مفید آن است.

بلافاصله بعد از پرداخت و خرید ، لینک دانلود نمایش داده می شود، علاوه بر آن لینک فایل مربوطه به ایمیل شما نیز ارسال می گردد.

چکیده

در دو دهه قبل توانايي­های فنی بشر برای توليد و جمع­آوری داده‌ها به سرعت افزايش يافته است. عواملی نظير استفاده گسترده از بارکد برای توليدات تجاری، به خدمت گرفتن کامپيوتر در کسبو­کار، علوم، خدمات­ دولتی و پيشرفت در وسائل جمع­آوری داده، از اسکن کردن متون و تصاوير تا سيستمهای سنجش از دور ماهواره­ای، در اين تغييرات نقش مهمی دارند.

بطور کلی استفاده همگانی از وب و اينترنت به عنوان يک سيستم اطلاع رسانی جهانی ما را مواجه با حجم زیادی از داده و اطلاعات می‌کند. اين رشد انفجاری در داده‌های ذخيره شده، نياز مبرم وجود تکنولوژی­های جديد و ابزارهای خودکاری را ايجاد کرده که به صورت هوشمند به انسان ياری رسانند تا اين حجم زياد داده را به اطلاعات و دانش تبديل کند. داده‌کاوی به عنوان يک راه حل برای اين مسائل مطرح مي باشد. در يک تعريف غير رسمی داده‌کاوی فرآيندی است، خودکار برای استخراج الگوهايی که دانش را بازنمايی مي­کنند، که اين دانش به صورت ضمنی در پايگاه داده­های عظيم، انباره­داده[1] و ديگر مخازن بزرگ اطلاعات، ذخيره شده است.

به لحاظ اینکه در چند سال اخیر مبحث داده‌کاوی و اکتشاف دانش موضوع بسیاری از مقالات و کنفرانسها قرار گرفته و نرم­افزار­های آن در بازار به شدت مورد توجه قرار گرفته، از اینرو در مقاله سعی بر آن شده تا گذری بر آن داشته باشیم.

در این تحقیق درفصل اول مروری بر داده‌کاوی خواهیم داشت . که به طور عمده به تاریخچه ، تعاریف، کاربردها وارتباط آن با انبار داده و OLAP خواهیم پرداخت. در پایان فصل مراحل فرایند کشف دانش از پایگاه داده­ها را ذکر کردیم که داده‌کاوی یکی از مراحل آن است.

در فصل 2 یکی از شیوه­های داده‌کاوی که از سبد خرید گرفته شده­ است توضیح داده شده است . در این فصل به شرح قوانین ارتباطی خواهیم پرداخت که در آن بعد از دسته­بندی الگوریتمها ، الگوریتم Apriori ( که یک الگوریتم پایه در این زمینه است ) و الگوریتم FP-Growth ( یک الگوریتم جدید میباشد) را با شرح یک مثال توضیح می­دهیم و در آخر آن دو را با هم مقایسه می­کنیم .

در فصل 3 مباحث وب­کاوی و متن­کاوی را که در بسیاری از مراجع جزء کاربردهای داده‌کاوی به حساب می­آید شرح داده خواهد شد.

فهرست مطالب

چکیده. 1
فصل 1: مروری بر داده‌کاوی
1-1- تعریف داده‌کاوی 3
2-1- تاریخچه داده‌کاوی.. 5
3-1- دلایل پیدایش داده‌کاوی.. 6
4-1- اجزای سیستم داده‌کاوی.. 8
5-1- جایگاه داده‌کاوی در میان علوم مختلف... 10
6-1- قابلیتهای داده‌کاوی.. 11
7-1- نیاز به داده‌کاوی.. 12
8-1- داده‌کاوی چه کارهایی نمی‌تواند انجام دهد؟. 13
9-1- کاربردهای داده‌کاوی.. 13
1-9-1-کاربردهای پیشبینی کننده. 15
2-9-1-کاربردهای توصیف کننده. 16
10-1- ابزارهای تجاری داده‌کاوی 16
11-1- داده کاوی و انبار داده‌ها 17
1-11-1- تعاریف انبار داده. 17
2-11-1- چهار خصوصیت اصلی انبار داده. 18
3-11-1- موارد تفاوت انبار داده و پایگاه داده. 19
12-1- داده‌کاوی و OLAP. 21
1-12-1- OLAP. 21
1-12-1- انواع OLAP. 22
13-1- مراحل فرایند کشف دانش از پایگاه داده‌ها 23
1-13-1- انبارش داده‌ها 24
2-13-1- انتخاب داده‌ها 25
3-13-1- پاکسازی – پیش پردازش- آماده سازی.. 25
4-13-1 – تبدیل داده‌ها 25
5-13-1- کاوش در داده‌ها 26
6-13-1- تفسیر نتیجه. 27
فصل 2: قوانین ارتباطی
1-2- قوانین ارتباطی.. 29
2-2- اصول پایه. 30
1-2-2- شرح مشکل جدی.. 30
2-2-2- پیمایش فضای جستجو. 31
3-2-2- مشخص کردن درجه حمایت مجموعه اقلام. 33
3-2- الگوریتم‌های عمومی.. 34
1-3-2- دستهبندی.. 34
2-3-2- BFS و شمارش رویدادها 35
4-3-2- DFS و شمارش رویدادها 36
5-3-2- DFS و دونیم سازی TID-List 37
4-2- الگوریتم Apriori 37
1-4-2- مفاهیم کلیدی.. 37
2-4-2- پیاده سازی الگوریتم Apriori 38
3-4-2- معایب Apriori و رفع آنها 42
5-2- الگوریتم رشد الگوی تکرار شونده(FP-growth) 43
6-2- مقایسه دوالگوریتم Apriori و FD Growth. 46
7-2-تحليل ارتباطات.. 50
فصل 3: وبکاوی و متنکاوی
1-3-کاوش وب (وبکاری) 54
1-1-3- الگوریتم های هیتس ولاگسام. 58
2-1-3 کاوش الگوهای . 65
3-3 متنکاوی.. 68
1-2-3 کاربردهای متنکاوی.. 71
1-1-2-3 جستجو و بازیابی.. 71
2-1-2-3 گروهبندی و طبقه‌بندی داده. 72
3-1-2-3 خلاصه سازی.. 72
4-1-2-3 روابط میان مفاهیم.. 72
5-1-2-3 یافتن و تحلیل گرایشات.. 73
7-1-2-3 ایجاد Thesaurus و آنتولوژی بصورت اتوماتیک... 73
2-2-3 فرآیند متنکاوی.. 74
3-3-3 روشهای متنکاوی.. 75
مراجع.. 77
فهرست شکل ها
شکل 1-1 مراحل فرایند کشف دانش.... 6
شکل 2-1 سیر تکاملی صنعت پایگاه داده. 8
شکل 3-1 معماری یک نمونه سیستم داده‌کاوی.. 9
شکل 4-1 : نرخ رشد اطلاعات.. 13
شکل5-1 کاربرد پیشبینی کننده. 15
شکل 6-1 داده‌ها از انبار داده‌ها استخراج می‌گردند. 20
شکل 7-1 داده‌ها از چند پایگاه داده استخراج شده‌اند. 21
شکل 1-2 شبکه‌ای برای ................... 32
شکل 2-2 درخت L={1,2,3,4}. 33
شکل 3-2 دسته بندی الگوریتم.. 35
شکل4-2 پایان الگوریتم Apriori 41
5-2 درخت الگوی تکرار. 45
شکل 6-2 : اندازهگیری کارکرد درجه حمایت برای پایگاه داده D1 40K.. 48
شکل 7-2 : اندازهگیری الگوریتم Apriori با transaction / support 49
شکل 8-2 : اندازهگیری الگوریتم FP-growth با transaction / support 50
شکل 1-3 مقداردهی اولیه الگوریتم HITS. 61
شکل2-3 مثالی از الگوهای پیمایش.... 68
شکل3-3 فرایند متنکاوی.. 74
شکل 4-3 چند مثال نوعی را در این موردنشان می‌دهد. 76
فهرست جدول ها
جدول 1-2 کاوش FP- Tree با ایجاد پایگاه‌های الگو شرطی.. 46
جدول2-2 : پارامترها 47
جدول 3-2 : نتایج برای فاکتور حمایت 5%. 47
جدول 4-2 : نتایج برای D1 I50K با درجه حمایت... 49
جدول 1-3 تراکنش های توصیف شده توسّط مجموعه‌ای از URL ها. 63
جدول 2-3 نمایش URL ها بعنوان بردارهایی از فعالیت گروه تراکنش. 63
جدول 3-3 یک SOM مرسوم که توسّط توصیف URL ها تولید شده است. 64

  انتشار : ۲۵ فروردین ۱۳۹۶               تعداد بازدید : 1196

برچسب های مهم

گیلان-رشت

20 پروژه از بازدید شما تشکر نموده و آماده پاسخ گویی به سوالات و پیشنهادات شما است

فید خبر خوان    نقشه سایت    تماس با ما