مشخصات مقاله:عنوان کامل: بررسی و داده کاوی در پایگاه داده ها.دسته: فناوری اطلاعات وکامپیوترفرمت فایل: WORD (قابل ویرایش)تعداد صفحات پایان نامه: ۷۷ چکیده ای از مقدمه آغازین ” پایان نامه بررسی داده کاوی در پایگاه داده ها ” بدین شرح است:در دو دههی قبل تواناییهای فنی بشر برای تولید و جمع آوری دادهها به سرعت افزایش یافته است. عواملی نظیراستفاده گسترده از بارکد برای تولیدات تجاری، به خدمت گرفتن کامپیوتر در کسب و کار، علوم، خدمات دولتی و پیشرفت در وسایل جمع آوری داده، از اسکن کردن متون و تصاویر تا سیستم های سنجش از دور ماهواره ای، در این تغیرات نقش مهمی دارند.بطور کلی استفاده همگانی از وب و اینترنت به عنوان یک سیستم اطلاع رسانی جهانی، ما را مواجه با حجم زیادی از داده و اطلاعات می کند. این رشد انفجاری در داده های ذخیره شده، نیاز مبرم وجود تکنولوژی های جدید و ابزارهای خودکاری را ایجاد کرده که به صورت هوشمند به انسان یاری می رسانند تا این حجم زیاد داده را به اطلاعات و دانش تبدیل کند. داده کاوی بعنوان یک راه حل برای این مسائل مطرح می باشد. در یک تعریف غیر رسمی، داده کاوی فرآیندی است خودکار برای استخراج الگوهایی که دانش را بازنمایی می کنند که این دانش به صورت ضمنی در پایگاه داده های عظیم، انبار داده و دیگر مخازن بزرگ اطلاعات ذخیره شده است. داده کاوی بطور همزمان از چندین رشته علمی بهره می برد. نظیر: تکنولوژی پایگاه داده، هوش مصنوعی، یادگیری ماشین، شبکه های عصبی، آمار، شناسایی الگو، سیستم های مبتنی بر دانش، حصول دانش، بازیابی اطلاعات، محاسبات سرعت بالا و بازنمایی بصری داده. داده کاوی در اواخر دهه ی ۱۹۸۰ پدیدار گشته، در دهه ی ۱۹۹۰ گام های بلندی در این شاخه از علم برداشته شده و انتظار می رود در این قرن به رشد و پیشرفت خود ادامه دهد.واژه های «داده کاوی» و «کشف دانش در پایگاه داده» اغلب به صورت مترادف یکدیگر مورد استفاده قرار می گیرند.تکامل تکنولوژی پایگاه داده و استفاده فراوان آن در کاربردهای مختلف، سبب جمع آوری حجم فراوانی از داده ها شده است. این داده های فراوان باعث ایجاد نیاز برای ابزارهای قدرتمند برای تحلیل داده ها گشته زیرا در حال حاضر به لحاظ داده ثروتمند هستیم ولی دچار کمبود اطلاعات می باشیم. ابزارهای داده کاوی داده ها را آنالیز می کنند و الگوهای داده ای را کشف می کنند که می توان از آن در کاربردهایی نظیر: تعیین استراتژی برای کسب و کار، پایگاه دانش و تحقیقات علمی و پزشکی استفاده کرد. شکاف موجود بین داده ها و اطلاعات سبب ایجاد نیاز برای ابزارهای داده کاوی شده است تا داده های بی ارزشی را به دانشی ارزشمند تبدیل کنیم.امروزه نامگذاری داده کاوی بسیار عمومیت پیدا کرده است، البته اسامی دیگری نیز برای این فرآیند پیشنهاد شده که بعضا بسیاری متفاوت با واژه ی داده کاوی است نظیر: استخراج دانش از پایگاه داده، آنالیز داده/الگو، باستان شناسی داده و لایروبی داده ها. کشف دانش در پایگاه داده فرآیند شناسایی درست، ساده، مفید و نهایتا الگوها و مدل های قابل فهم در داده ها می باشد. داده کاوی مرحله ای از فرآیند کشف دانش می باشد و شامل الگوریتم های مخصوص داده کاوی است بطوریکه تحت محدودیت های مؤثر محاسباتی قابل قبول، الگوها و یا مدل ها را در داده کشف می کند. به بیان ساده تر، داده کاوی به فرآیند استخراج دانش ناشناخته، درست و بالقوه مفید از داده اطلاق می شود. تعریف دیگر اینست که داده کاوی گونه ای از تکنیکها برای شناسایی اطلاعات و یا دانش تصمیم گیری از قطعات داده می باشد به نحوی که با استخراج آنها در حوزه های تصمیم گیری، پیش بینی، پیشگویی و تخمین مورد استفاده قرار می گیرد. داده ها اغلب حجیم اما بدون ارزش می باشند، داده به تنهایی قابل استفاده نیست بلکه دانش نهفته در داده ها قابل استفاده می باشد. به این دلیل اغلب به داده کاوی، تحلیل داده ای ثانویه گفته می شود.————- فهرست مطالب فصل اول مقدمه اي بر داده كاوي1-1- مقدمه1-2- علت پيدايش داده كاوي1-3- ويژگي هاي داده كاوي1-4- مراحل كشف دانش1-5- جايگاه داده كاوي در علوم مختلف1-6- داده كاوي و OLAP1-7- كاربرد يادگيري ماشين و آمار در داده كاوي1-8- تكنيك هاي داده كاوي1-9- عمليات هاي داده كاوي1-9-1- مدلسازي پيشگويي كننده1-9-2- تقطيع پايگاه داده ها1-9-3- تحليل پيوند1-10- چه نوع اطلاعاتي مناسب داده كاوي است؟1-11- بررسي نرم افزارهاي داده كاويفصل دوم پيش پردازش و آماده سازي داده ها2-1- انواع داده هاي مورد استفاده در داده كاوي2-1-1- ويژگي هاي كمي و كيفي2-1-2- ويژگي هاي گسسته و پيوسته2-1-3- ويژگي هاي نامتقارن 2-2- آماده سازي داده ها2-2-1- جايگاه آماده سازي داده ها در داده كاوي2-2-2- علت آماده سازي داده ها2-2-3- تلخيص توصيفي داده ها2-2-4- نمايش گرافيكي داده هاي توصيفي2-2-5- اجزاي اصلي پيش پردازش داده ها2-3- پاكسازي داده ها2-3-1- وظايف پاكسازي داده هافصل سوم انباره داده ها3-1- داده كاوي و انباره داده ها3-2- مفاهيم انباره داده3-2-1- ساختار انباره داده3-2-2- مدل های مفهومي انباره داده3-2-3- فرآيند طراحي انباره داده3-2-4- معماري انباره داده3-3- انواع انباره داده3-4- انباره داده و سيستم هاي عملياتي3-4-1- كاربران نهايي انباره داده ها3-5- كاربردهاي انباره دادهنتيجه گيريفهرست منابع فهرست شکل هاعنوان 1-1- داده كاوي به عنوان يك مرحله از فرآيند كشف دانش1-2- سير تكاملي صنعت پايگاه داده1-3- معماري يك نمونه سيستم داده كاوي1-4- شبكه عصبي1-5- ساختار نورون2-1- جايگاه آماده سازي داده ها2-2- نمونه اي از يك هيستوگرام2-3- نمونه اي از يك نمودار چندك2-4- نمونه اي از يك نمودار چندك- چندك2-5- نمونه اي از يك نمودار پراكنش2-6- نمودارهاي همبستگي ميان دو ويژگي2-7- نمونه اي از يك نمودار لوئس2-8- عمليات مختلف در پاكسازي داده3-1- نمونه اي از ساختار چندبعدي3-2- مدل ستاره اي3-3- مدل برف دانه اي3-4- مدل صورت فلكي3-5- ابعاد مختلف داده هاي فروش3-6- مدل شبكه ستاره اي3-7- معماري انباره داده ها3-8- تفاوت ساختارها فهرست جداولعنوان1-1- تناظر بين شبكه عصبي زيستي و شبكه عصبي مصنوعي1-2- تكنيك هاي وابسته به عمليات چهارگانه2-1- انواع ويژگي2-2- داده هاي فروش3-1- مقايسه پردازش ها در انباره داده ها و پايگاه داده ها3-2- مقايسه سيستم هاي عملياتي و انباره داده ها
فایل Wordپایان نامه معرفی داده کاوی در پایگاه داده ها
مشخصات مقاله:عنوان کامل: بررسی و داده کاوی در پایگاه داده ها.دسته: فناوری اطلاعات وکامپیوترفرمت فایل: WORD (قابل ویرایش)تعداد صفحات پایان نامه: ۷۷ چکیده ای از مقدمه آغازین ” پایان نامه بررسی داده کاوی در پایگاه داده ها ” بدین شرح است:در دو دههی قبل تواناییهای فنی بشر برای تولید و جمع آوری دادهها به سرعت افزایش یافته است. عواملی نظیراستفاده گسترده از بارکد برای تولیدات تجاری، به خدمت گرفتن کامپیوتر در کسب و کار، علوم، خدمات دولتی و پیشرفت در وسایل جمع آوری داده، از اسکن کردن متون و تصاویر تا سیستم های سنجش از دور ماهواره ای، در این تغیرات نقش مهمی دارند.بطور کلی استفاده همگانی از وب و اینترنت به عنوان یک سیستم اطلاع رسانی جهانی، ما را مواجه با حجم زیادی از داده و اطلاعات می کند. این رشد انفجاری در داده های ذخیره شده، نیاز مبرم وجود تکنولوژی های جدید و ابزارهای خودکاری را ایجاد کرده که به صورت هوشمند به انسان یاری می رسانند تا این حجم زیاد داده را به اطلاعات و دانش تبدیل کند. داده کاوی بعنوان یک راه حل برای این مسائل مطرح می باشد. در یک تعریف غیر رسمی، داده کاوی فرآیندی است خودکار برای استخراج الگوهایی که دانش را بازنمایی می کنند که این دانش به صورت ضمنی در پایگاه داده های عظیم، انبار داده و دیگر مخازن بزرگ اطلاعات ذخیره شده است. داده کاوی بطور همزمان از چندین رشته علمی بهره می برد. نظیر: تکنولوژی پایگاه داده، هوش مصنوعی، یادگیری ماشین، شبکه های عصبی، آمار، شناسایی الگو، سیستم های مبتنی بر دانش، حصول دانش، بازیابی اطلاعات، محاسبات سرعت بالا و بازنمایی بصری داده. داده کاوی در اواخر دهه ی ۱۹۸۰ پدیدار گشته، در دهه ی ۱۹۹۰ گام های بلندی در این شاخه از علم برداشته شده و انتظار می رود در این قرن به رشد و پیشرفت خود ادامه دهد.واژه های «داده کاوی» و «کشف دانش در پایگاه داده» اغلب به صورت مترادف یکدیگر مورد استفاده قرار می گیرند.تکامل تکنولوژی پایگاه داده و استفاده فراوان آن در کاربردهای مختلف، سبب جمع آوری حجم فراوانی از داده ها شده است. این داده های فراوان باعث ایجاد نیاز برای ابزارهای قدرتمند برای تحلیل داده ها گشته زیرا در حال حاضر به لحاظ داده ثروتمند هستیم ولی دچار کمبود اطلاعات می باشیم. ابزارهای داده کاوی داده ها را آنالیز می کنند و الگوهای داده ای را کشف می کنند که می توان از آن در کاربردهایی نظیر: تعیین استراتژی برای کسب و کار، پایگاه دانش و تحقیقات علمی و پزشکی استفاده کرد. شکاف موجود بین داده ها و اطلاعات سبب ایجاد نیاز برای ابزارهای داده کاوی شده است تا داده های بی ارزشی را به دانشی ارزشمند تبدیل کنیم.امروزه نامگذاری داده کاوی بسیار عمومیت پیدا کرده است، البته اسامی دیگری نیز برای این فرآیند پیشنهاد شده که بعضا بسیاری متفاوت با واژه ی داده کاوی است نظیر: استخراج دانش از پایگاه داده، آنالیز داده/الگو، باستان شناسی داده و لایروبی داده ها. کشف دانش در پایگاه داده فرآیند شناسایی درست، ساده، مفید و نهایتا الگوها و مدل های قابل فهم در داده ها می باشد. داده کاوی مرحله ای از فرآیند کشف دانش می باشد و شامل الگوریتم های مخصوص داده کاوی است بطوریکه تحت محدودیت های مؤثر محاسباتی قابل قبول، الگوها و یا مدل ها را در داده کشف می کند. به بیان ساده تر، داده کاوی به فرآیند استخراج دانش ناشناخته، درست و بالقوه مفید از داده اطلاق می شود. تعریف دیگر اینست که داده کاوی گونه ای از تکنیکها برای شناسایی اطلاعات و یا دانش تصمیم گیری از قطعات داده می باشد به نحوی که با استخراج آنها در حوزه های تصمیم گیری، پیش بینی، پیشگویی و تخمین مورد استفاده قرار می گیرد. داده ها اغلب حجیم اما بدون ارزش می باشند، داده به تنهایی قابل استفاده نیست بلکه دانش نهفته در داده ها قابل استفاده می باشد. به این دلیل اغلب به داده کاوی، تحلیل داده ای ثانویه گفته می شود.————- فهرست مطالب فصل اول مقدمه اي بر داده كاوي1-1- مقدمه1-2- علت پيدايش داده كاوي1-3- ويژگي هاي داده كاوي1-4- مراحل كشف دانش1-5- جايگاه داده كاوي در علوم مختلف1-6- داده كاوي و OLAP1-7- كاربرد يادگيري ماشين و آمار در داده كاوي1-8- تكنيك هاي داده كاوي1-9- عمليات هاي داده كاوي1-9-1- مدلسازي پيشگويي كننده1-9-2- تقطيع پايگاه داده ها1-9-3- تحليل پيوند1-10- چه نوع اطلاعاتي مناسب داده كاوي است؟1-11- بررسي نرم افزارهاي داده كاويفصل دوم پيش پردازش و آماده سازي داده ها2-1- انواع داده هاي مورد استفاده در داده كاوي2-1-1- ويژگي هاي كمي و كيفي2-1-2- ويژگي هاي گسسته و پيوسته2-1-3- ويژگي هاي نامتقارن 2-2- آماده سازي داده ها2-2-1- جايگاه آماده سازي داده ها در داده كاوي2-2-2- علت آماده سازي داده ها2-2-3- تلخيص توصيفي داده ها2-2-4- نمايش گرافيكي داده هاي توصيفي2-2-5- اجزاي اصلي پيش پردازش داده ها2-3- پاكسازي داده ها2-3-1- وظايف پاكسازي داده هافصل سوم انباره داده ها3-1- داده كاوي و انباره داده ها3-2- مفاهيم انباره داده3-2-1- ساختار انباره داده3-2-2- مدل های مفهومي انباره داده3-2-3- فرآيند طراحي انباره داده3-2-4- معماري انباره داده3-3- انواع انباره داده3-4- انباره داده و سيستم هاي عملياتي3-4-1- كاربران نهايي انباره داده ها3-5- كاربردهاي انباره دادهنتيجه گيريفهرست منابع فهرست شکل هاعنوان 1-1- داده كاوي به عنوان يك مرحله از فرآيند كشف دانش1-2- سير تكاملي صنعت پايگاه داده1-3- معماري يك نمونه سيستم داده كاوي1-4- شبكه عصبي1-5- ساختار نورون2-1- جايگاه آماده سازي داده ها2-2- نمونه اي از يك هيستوگرام2-3- نمونه اي از يك نمودار چندك2-4- نمونه اي از يك نمودار چندك- چندك2-5- نمونه اي از يك نمودار پراكنش2-6- نمودارهاي همبستگي ميان دو ويژگي2-7- نمونه اي از يك نمودار لوئس2-8- عمليات مختلف در پاكسازي داده3-1- نمونه اي از ساختار چندبعدي3-2- مدل ستاره اي3-3- مدل برف دانه اي3-4- مدل صورت فلكي3-5- ابعاد مختلف داده هاي فروش3-6- مدل شبكه ستاره اي3-7- معماري انباره داده ها3-8- تفاوت ساختارها فهرست جداولعنوان1-1- تناظر بين شبكه عصبي زيستي و شبكه عصبي مصنوعي1-2- تكنيك هاي وابسته به عمليات چهارگانه2-1- انواع ويژگي2-2- داده هاي فروش3-1- مقايسه پردازش ها در انباره داده ها و پايگاه داده ها3-2- مقايسه سيستم هاي عملياتي و انباره داده ها