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.فهرست :چکیدهمقدمهکشف دانش در پایگاه دادهآیا داده کاوی برای حل مسائل ما مناسب است؟جمع آوری داده هابکارگیری نتایجاستراتژیهای داده کاویپیش گویی PerdictionUnsupervised Clustering دسته بندی بدون کنترلتکنیکهای داده کاوی تحت کنترلشبکه عصبیبرگشت آماریقوانین وابستگیالگوریتم Aprioriالگوریتم Aprior TIDالگوریتم partitionالگوریتم های MaxEclat,Eclatالگوریتم با ساختار trieالگوریتم fp-growساخت fp- treeFp-tree شرطیالگوریتم بردارینگهداری قوانین وابستگیالگوریتم کاهشی