شرح مختصر : با افزایش سیستمهای کامپیوتر و گسترش تکنولوژی اطلاعات , بحث اصلی در علم کامپیوتر از چگونگی جمع آوری اطلاعات به نحوه استفاده از اطلاعات منتقل شده است . سیستمهای داده کاوی ,این امکان را به کاربر می دهند که بتواند انبوه داده های جمع آوری شده را تفسیر کنند و دانش نهفته در آن را استخراج نمایند . داده کاوی به هر نوع کشف دانش و یا الگوی پنهان در پایگاه داده ها اطلاق می شود . امروزه داده کاوی به عنوان یکی از مهمترین مسائل هوش مصنوعی و پایگاه داده ، محققان بسیاری را به خود جذب کرده است . در این تحقیق ابتدا نگاه کلی بر داده کاوی ، استراتژیهای داده کاوی و… داریم ، سپس مسأله کشف قوانین وابستگی در پایگاه داده را به تفضیل بررسی کردیم و نگاهی به الگوریتمهای موجود برای آن داشتیم . سپس مسأله کشف قوانین وابستگی در پایگاه داده های پویا را مورد بحث قرار دادیم و الگوریتم های ارائه شده مربوطه را مطرح کردیم .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