این تحقیق بصورت Word و با موضوع مقدمه اي بر داده کاوي و اکتشاف دانش Data Mining و برای رشته مهندسی کامپیوتر مناسب و در 19 برگه کامل می باشد.

در ادامه فهرست مطالب تحقیق آمده است . این تحقیق را می توانید بصورت کامل و آماده تحویل از پایین همین صفحه دانلود نمایید.

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.

مقدمه

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 ار 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 دانشبپردازند 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 .

فهرست مطالب

مقدمه. 1

1- مفاهيم پايه در داده کاوي. 2

1-1- تعريف داده کاوي. 2

2- تاريخچه داده کاوي. 2

3- مراحل فرايند کشف دانش از پايگاه داده ها4

4- عملياتهاي داده کاوي. 5

4-1- مدلسازي پيشگويي کننده6

4-2- تقطيع پايگاه داده ها6

4-3- تحليل پيوند. 7

4-4- تشخيص انحراف.. 7

5- الگوريتمهاي داده كاوي. 8

5-1- شبكه هاي عصبي. 8

5-2- درخت هاي انتخاب.. 9

5-3- استنتاج قانون. 10

5-4- الگوريتمهاي ژنتيك.. 10

6- مدل فرآيند دو سويه. 11

6-1- تعريف مساله. 11

6-2- ساختن يك پايگاه داده داده كاوي. 11

6-3- جستجوي داده12

6-4- آماده سازي داده براي مدل سازي. 13

6-5- ساختن مدل داده كاوي. 13

6-6- ارزيابي و تفسير14

6-7- ايجاد معماري مدل و نتايج. 14

نتيجه گيری. 15

منابع و مراجع. 16