این تحقیق بصورت Word و با موضوع بررسی داده کاوی و الگوریتم های آن انجام گرفته است.تحقیق برای کامپیوتر وIT مناسب است و در 26صفحه می باشد. می توانید این تحقیق را بصورت کامل و آماده تحویل از پایین همین صفحه دانلود نمایید.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 تکنولوژی های 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: داده کاوی به عنوان يک راه حل برای اين مسائل مطرح مي باشد.در يک تعريف غير رسمی داده کاوی فرآيندی است، خودکار برای استخراج الگوهايی که دانش را بازنمايی مي کنند، که اين دانش به صورت ضمنی در پايگاه داده های عظيم، انباره داده و ديگر مخازن بزرگ اطلاعات، ذخيره شده است.داده کاوی بطور همزمان از چندين رشته علمی بهره مي برد نظير: تکنولوژی پايگاه داده، هوش مصنوعی، يادگيری ماشين، شبکه های عصبی، آمار، شناسايی الگو، سيستم های مبتنی بر دانش، حصول دانش، بازيابی اطلاعات، محاسبات سرعت بالا و بازنمايی بصری داده. داده کاوی در اواخر دهه 1980 پديدار گشته، در دهه 1990 گامهای بلندی در اين شاخه از علم برداشته شده و انتظار می رود در اين قرن به رشد و پيشرفت خود ادامه دهد.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 گیرند. 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 مطالبمقدمه ای بر داده کاوی.. 11-1. دلایل پيدايش داده کاوی.. 21-2. مراحل کشف دانش.... 31-3. جایگاه داده کاوی در میان علوم مختلف... 71-4. داده کاوی چه کارهایی نمی تواند انجام دهد؟. 81-5. داده کاوی و انبار داده ها 81-6. داده کاوی و OLAP. 91-7.کاربرد یادگیری ماشین و آمار در داده کاوی.. 102. توصیف داده ها در داده کاوی.. 112-1. خلاصه سازی و به تصویر در آوردن داده ها112-2. خوشه بندی 112-3. تحلیل لینک... 123. مدل های پیش بینی داده ها123-1.Classification. 123-2.Regression. 123-3.Time series. 134. مدل ها و الگوریتم های داده کاوی.. 134-1.شبکه های عصبی 134-2.Decision trees. 164-3.Multivariate Adaptive Regression Splines(MARS)174-4.Rule induction. 184-5.K-nearest neibour and memory-based reansoning(MBR)194-6. رگرسیون منطقی.. 204-7. تحلیل تفکیکی 204-8. مدل افزودنی کلی (GAM)214-9.Boosting. 215. سلسله مراتب انتخابها21منابع.. 23
تحقیق بررسی داده کاوی و الگوریتم های آن
این تحقیق بصورت Word و با موضوع بررسی داده کاوی و الگوریتم های آن انجام گرفته است.تحقیق برای کامپیوتر وIT مناسب است و در 26صفحه می باشد. می توانید این تحقیق را بصورت کامل و آماده تحویل از پایین همین صفحه دانلود نمایید.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 تکنولوژی های 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: داده کاوی به عنوان يک راه حل برای اين مسائل مطرح مي باشد.در يک تعريف غير رسمی داده کاوی فرآيندی است، خودکار برای استخراج الگوهايی که دانش را بازنمايی مي کنند، که اين دانش به صورت ضمنی در پايگاه داده های عظيم، انباره داده و ديگر مخازن بزرگ اطلاعات، ذخيره شده است.داده کاوی بطور همزمان از چندين رشته علمی بهره مي برد نظير: تکنولوژی پايگاه داده، هوش مصنوعی، يادگيری ماشين، شبکه های عصبی، آمار، شناسايی الگو، سيستم های مبتنی بر دانش، حصول دانش، بازيابی اطلاعات، محاسبات سرعت بالا و بازنمايی بصری داده. داده کاوی در اواخر دهه 1980 پديدار گشته، در دهه 1990 گامهای بلندی در اين شاخه از علم برداشته شده و انتظار می رود در اين قرن به رشد و پيشرفت خود ادامه دهد.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 گیرند. 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 مطالبمقدمه ای بر داده کاوی.. 11-1. دلایل پيدايش داده کاوی.. 21-2. مراحل کشف دانش.... 31-3. جایگاه داده کاوی در میان علوم مختلف... 71-4. داده کاوی چه کارهایی نمی تواند انجام دهد؟. 81-5. داده کاوی و انبار داده ها 81-6. داده کاوی و OLAP. 91-7.کاربرد یادگیری ماشین و آمار در داده کاوی.. 102. توصیف داده ها در داده کاوی.. 112-1. خلاصه سازی و به تصویر در آوردن داده ها112-2. خوشه بندی 112-3. تحلیل لینک... 123. مدل های پیش بینی داده ها123-1.Classification. 123-2.Regression. 123-3.Time series. 134. مدل ها و الگوریتم های داده کاوی.. 134-1.شبکه های عصبی 134-2.Decision trees. 164-3.Multivariate Adaptive Regression Splines(MARS)174-4.Rule induction. 184-5.K-nearest neibour and memory-based reansoning(MBR)194-6. رگرسیون منطقی.. 204-7. تحلیل تفکیکی 204-8. مدل افزودنی کلی (GAM)214-9.Boosting. 215. سلسله مراتب انتخابها21منابع.. 23