پروژه بررسی مفاهیم و کاربردهای داده کاوی پژوهشی کامل می باشد و در 4 فصل تنظیم شده است. شما میتوانید فهرست مطالب پروژه را در ادامه مشاهده نمایید.

پروژه بصورت فایل قابل ویرایش ورد(WORD) در 91 برگه برای رشته کامپیوتر و IT در پایین همین صفحه قابل دانلود میباشد. شایسته یادآوری است که پروژه از ابتدا تا پایان ویرایش وتنظیم , سکشن بندی (section) وfootnote نویسی 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.

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 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 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

فصل اول، مفاهیم داده کاوی

1-1- مقدمه ای بر داده‌کاوی.. 3

1-2- تاريخچه داده کاوي.. 4

1-3- تعريف داده کاوي.. 5

1-5- مفهوم داده کاوي.. 5

1-6- کاربردهاي داده کاوي.. 7

1-7- دلایل پیدایش سبب پيدايش داده کاوی.. 7

1-8- مراحل کشف دانش.... 9

1-9- جایگاه داده کاوی در میان علوم مختلف... 13

1-9- داده کاوی و انبار داده ها 14

1-10- داده کاوی و OLAP. 16

1-11- کاربرد یادگیری ماشین و آمار در داده کاوی.. 16

1-12- توصیف داده ها در داده کاوی.. 17

1-12-1- خلاصه سازی و به تصویر در آوردن داده ها17

1-12-2- خوشه بندی 17

1-12-3- تحلیل لینک.... 18

1-13- مدل های پیش بینی داده ها19

1-13-1- Classification. 19

1-13-2- Regression. 19

1-13-3- Time series19

1-14- مدل ها و الگوریتم های داده کاوی.. 19

1-14-1- شبکه های عصبی 20

1-14-2- Decision trees23

1-14-3- Multivariate Adaptive Regression Splines(MARS)25

1-14-4- Rule induction. 26

1-14-5- K-nearest neibour and memory-based reansoning(MBR)26

1-14-6- رگرسیون منطقی.. 27

1-14-7- تحلیل تفکیکی 28

1-14-8- مدل افزودنی کلی (GAM)28

1-14-9- Boosting. 29

1-15- سلسله مراتب انتخابها29

1-16- انبارش داده ها30

1-17- انتخاب داده ها31

1-18- تبديل داده ها31

1-19- کاوش در داده ها32

1-20- تفسير نتيجه. 32

1-21- عملياتهاي داده کاوي.. 32

1-21-1- مدلسازي پيشگويي کننده33

1-21-2- تقطيع پايگاه داده ها33

1-21-3- تحليل پيوند. 34

1-21-4- تشخيص انحراف... 34

1-22- آماده سازي داده براي مدل سازي.. 35

1-23- ساختن مدل داده كاوي.. 35

1-24- نرم‌افزارهاي داده‌كاوي.. 37

1-25- ابزارهای تجاری داده کاوی ToolsDM Commercial45

1-26- منابع اطلاعاتی مورد استفاده46

1-27- پیشرفت در تکنولوژیهای داده پردازی.. 46

1-28- دیتامارت... 47

1-29- عناصر داده کاوی.. 49

1-30- محدودیت های داده کاوی.. 50

1-31- حفاظت از حریم شخصی در سیستم‌های داده‌كاوی.. 50

فصل دوم، کاربردهای داده کاوی

2-1- مقدمه. 53

2-2- کاربرد داده کاوی در کسب و کار هوشمند بانک.... 54

2-3- داده كاوي درمديريت ارتباط با مشتري.. 55

2-4- کاربردهای داده کاوی در کتابخانه ها و محیط های دانشگاهی.. 56

2-5- داده کاوی و مدیریت موسسات دانشگاهی.. 57

2-6- داده کاوی و مدیریت بهینه وب سایت ها58

2-7- داده‌كاوي و مديريت دانش.... 59

2-8- كاربرد داده‌كاوي در آموزش عالي.. 60

فصل سوم، بررسی موردی 1: وب کاوی

3-1- معماری وب کاوی.. 63

3-2- مشكلات ومحدوديت هاي وب كاوي در سايت هاي فارسي زبان.. 67

3-3- محتوا کاوی وب... 68

فصل چهارم، بررسی موردی 2 : داده کاوی در شهر الکترونیک

4-1- مقدمه. 71

4-2- زمينه داده کاوي در شهر الکترونيک.... 73

4-3- کاربردهاي داده کاوي در شهر الکترونيک.... 74

4-4- کشف علايق و انگيزه هاي شهروندان و توليد سرويسهاي شخصي سازي.. 75

4-5- تجديد ساختار سايت وب شهر و افزايش کارايي سيستم.. 76

4-6- تقويت برنامه ريزي هاي دولت و ترويج نوآوري.. 77

4-7- بهبود تحليلها و تصميمات دولت... 77

4-8- چالشهاي داده کاوي در شهر الکترونيک.... 78

4-8-1- كيفيت داده ها78

4-8-2- قابليت انتقال داده ها و استفاده از اطلاعات... 79

4-8-3- چالش برآورد مدلهاي داده کاوي.. 79

4-8-4- دقت نتايج متدهاي داده كاوي.. 81

4-8-5- پيچيدگي و هزينه زماني.. 82

4-9- نتيجه گيري.. 83

مراجع و ماخذ. 85

مراجع و ماخذ فارسی.. 85

مراجع و ماخذ لاتین و سایتهای اینترنتی.. 86

فهرست شکل ها و جدول ها

شکل1-1: داده کاوی به عنوان يک مرحله از فرآيند کشف دانش... 8

شکل1-2: سير تکاملی صنعت پايگاه داده10

شکل1-3: معماری يک نمونه سيستم داده کاوی.. 11

شکل 1-4:. داده ها از انباره داه ها استخراج می گردند. 15

شکل 1-6:.داده ها از چند پایگاه داده استخراج شده اند. 15

شکل1-7: شبکه عصبی با یک لایه نهان. 21

شکل1-8: Wx,y وزن یال بین X و Y است.22

شکل1-9: درخت تصمیم گیری.. 23

شکل1-10: محدوده همسایگی (بیستر همسایه ها در دسته X قرار گرفته اند)26

جدول2-1: کاربردهای داده کاوی در کتابخانه ها56

جدول 2-2: کاربردهای داده کاوی در موسسات دانشگاهی. 58

جدول 3-1: نمونه اي از محتويات پايگاه داده مترادف ها.64

شكل 3-1: ساختار واسط كمك فارسي براي بهبود مانعيت.. 65

شكل 3-2: ساختار واسط كمك فارسي براي بهبود جامعيت.. 66

جدول 3-2: اجزاء وپردازش هاي مربوط به رفع اشكالات رسم الخط.. 66

شکل4-1: جايگاه داده کاوي در شهر الکترونيک... 73

شکل 4-2: چهارچوب داده کاوي در شهر الکترونيک... 74

شکل 4-3: کاربردهاي داده کاوي در شهر الکترونيک... 75

شکل 4-4: فرايند توليد سرويسهاي شخصي. 75