در اين تحقيق داده كاوي مورد بحث قرار مي گيرد . علل استفاده از داده كاوي و منابعي كه داده كاوي بر روي آنها اعمال مي شود ,علاوه بر اين خلاصه اي از روشهاي رايج داده كاوي ارائه شده است . تكنيكهاي داده كاوي و قوانين وابستگي و الگوريتمهاي موجود (Apriori , Aprior TID, Partition, Eclat ,Max Eclat , Vector ) و الگوريتم با ساختار Trie وfp grow و الگوريتمهاي كاهشي مورد بررسي قرار مي گيرند و در هر مورد مثالها , موارد كاربرد ,تكنيكها و نقاط قوت و ضعف مورد بررسي قرار گرفته اند . چکیده مقدمه کشف دانش در پایگاه داده آیا داده کاوی برای حل مسائل ما مناسب است؟ جمع آوری داده ها بکارگیری نتایج استراتژیهای داده کاوی پیش گویی Perdiction Unsupervised Clustering دسته بندی بدون کنترل تکنیکهای داده کاوی تحت کنترل شبکه عصبی برگشت آماری قوانین وابستگی الگوریتم Apriori الگوریتم Aprior TID الگوریتم partition الگوریتم های MaxEclat,Eclat الگوریتم با ساختار trie الگوریتم fp-grow ساخت fp- tree Fp-tree شرطی الگوریتم برداری نگهداری قوانین وابستگی الگوریتم کاهشی
داده کاوی و کشف قوانین وابستگی بر آن (فرمت پروژه Word ورد و با قابل ویرایش) تعداد صفحات 22
در اين تحقيق داده كاوي مورد بحث قرار مي گيرد . علل استفاده از داده كاوي و منابعي كه داده كاوي بر روي آنها اعمال مي شود ,علاوه بر اين خلاصه اي از روشهاي رايج داده كاوي ارائه شده است . تكنيكهاي داده كاوي و قوانين وابستگي و الگوريتمهاي موجود (Apriori , Aprior TID, Partition, Eclat ,Max Eclat , Vector ) و الگوريتم با ساختار Trie وfp grow و الگوريتمهاي كاهشي مورد بررسي قرار مي گيرند و در هر مورد مثالها , موارد كاربرد ,تكنيكها و نقاط قوت و ضعف مورد بررسي قرار گرفته اند . چکیده مقدمه کشف دانش در پایگاه داده آیا داده کاوی برای حل مسائل ما مناسب است؟ جمع آوری داده ها بکارگیری نتایج استراتژیهای داده کاوی پیش گویی Perdiction Unsupervised Clustering دسته بندی بدون کنترل تکنیکهای داده کاوی تحت کنترل شبکه عصبی برگشت آماری قوانین وابستگی الگوریتم Apriori الگوریتم Aprior TID الگوریتم partition الگوریتم های MaxEclat,Eclat الگوریتم با ساختار trie الگوریتم fp-grow ساخت fp- tree Fp-tree شرطی الگوریتم برداری نگهداری قوانین وابستگی الگوریتم کاهشی