فی گوو

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

فی گوو

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

دانلود فایل ورد Word پایان نامه داده کاوی در پایگاه داده

اختصاصی از فی گوو دانلود فایل ورد Word پایان نامه داده کاوی در پایگاه داده دانلود با لینک مستقیم و پر سرعت .

دانلود فایل ورد Word پایان نامه داده کاوی در پایگاه داده


دانلود فایل ورد Word پایان نامه داده کاوی در پایگاه داده

مشخصات مقاله:

 عنوان کامل: بررسی و داده کاوی در پایگاه داده ها.

دسته: فناوری اطلاعات وکامپیوتر
فرمت 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 ای بر داده کاوی                                                        

      1-1-  مقدمه                                                                                 

    1-2-  علت پیدایش داده کاوی                                                           

    1-3-  وی‍‍ژگی های داده کاوی                                                            

    1-4-  مراحل کشف دانش                                                                

    1-5-  جایگاه داده کاوی در علوم مختلف                                         

      1-6-  داده کاوی و OLAP  

      1-7-  کاربرد یادگیری ماشین و آمار در داده کاوی                          

      1-8-  تکنیک های داده کاوی                                                   

          1-9-  عملیات های داده کاوی                                                

1-9-1-  مدلسازی پیشگویی کننده                                     

1-9-2-  تقطیع پایگاه داده ها                                              

1-9-3-  تحلیل پیوند                                                          

         1-10-  چه نوع اطلاعاتی مناسب داده کاوی است؟                            

         1-11-  بررسی نرم افزارهای داده کاوی                                          

فصل دوم   پیش پردازش و آماده سازی داده ها                                           

           2-1-  انواع داده های مورد استفاده در داده کاوی                         

                  2-1-1-  ویژگی های کمی و کیفی                                        

                  2-1-2-  ویژگی های گسسته و پیوسته                                  

                  2-1-3-  ویژگی های نامتقارن                                             

          2-2-  آماده سازی داده ها                                                                               

                 2-2-1-  جایگاه آماده سازی داده ها در داده کاوی                                         

                  2-2-2-  علت آماده سازی داده ها                                                          

                 2-2-3-  تلخیص توصیفی داده ها                 

                 2-2-4-  نمایش گرافیکی داده های توصیفی               

                 2-2-5-  اجزای اصلی پیش پردازش داده ها

          2-3-  پاکسازی داده ها                                                  

                 2-3-1-  وظایف پاکسازی داده ها                              

فصل سوم   انباره داده ها                                                    

          3-1-  داده کاوی و انباره داده ها                                      

          3-2-  مفاهیم انباره داده                                                

                 3-2-1-  ساختار انباره داده                                    

                 3-2-2-  مدل های مفهومی انباره داده

                 3-2-3-  فرآیند طراحی انباره داده                              

                 3-2-4-  معماری انباره داده                                              

          3-3-  انواع انباره داده                                                           

          3-4-  انباره داده و سیستم های عملیاتی                                     

                 3-4-1-  کاربران نهایی انباره داده ها                                

3-5-  کاربردهای انباره داده                                                   

نتیجه گیری                                                                               

فهرست منابع                                                                           

 

 

فهرست شکل ها

عنوان                                                                                                                                 

1-1- داده کاوی به عنوان یک مرحله از فرآیند کشف دانش                     

1-2- سیر تکاملی صنعت پایگاه داده                                                          

1-3- معماری یک نمونه سیستم داده کاوی                                                  

 1-4- شبکه عصبی                                                                             

1-5- ساختار نورون                                                                   

2-1- جایگاه آماده سازی داده ها                                                   

2-2- نمونه ای از یک هیستوگرام                                                         

2-3- نمونه ای از یک نمودار چندک                                                     

2-4- نمونه ای از یک نمودار چندک- چندک                                           

2-5- نمونه ای از یک نمودار پراکنش                                                  

2-6- نمودارهای همبستگی میان دو ویژگی                                           

2-7- نمونه ای از یک نمودار لوئس                                                     

2-8- عملیات مختلف در پاکسازی داده                                                

3-1- نمونه ای از ساختار چندبعدی                                                 

3-2- مدل ستاره ای                                                                   

3-3- مدل برف دانه ای                                                             

3-4- مدل صورت فلکی                                                           

3-5- ابعاد مختلف داده های فروش                                             

3-6- مدل شبکه ستاره ای                                                      

3-7- معماری انباره داده ها                                                   

3-8- تفاوت ساختارها                                                      

 

فهرست جداول

عنوان

1-1- تناظر بین شبکه عصبی زیستی و شبکه عصبی مصنوعی

1-2- تکنیک های وابسته به عملیات چهارگانه

2-1- انواع ویژگی

2-2- داده های فروش

3-1- مقایسه پردازش ها در انباره داده ها و پایگاه داده ها

3-2- مقایسه سیستم های عملیاتی و انباره داده ها

 

 

مشخصات مقاله:

 عنوان کامل: بررسی و داده کاوی در پایگاه داده ها.

دسته: فناوری اطلاعات وکامپیوتر
فرمت فایل: WORD (قابل ویرایش)
تعداد صفحات پایان نامه:  ۷۷

دانلود با لینک مستقیم


دانلود فایل ورد Word پایان نامه داده کاوی در پایگاه داده

پایان نامه وب کاوی در صنعت

اختصاصی از فی گوو پایان نامه وب کاوی در صنعت دانلود با لینک مستقیم و پر سرعت .

پایان نامه وب کاوی در صنعت


پایان نامه وب کاوی در صنعت

 

پایان نامه وب کاوی در صنعت

62 صفحه در قالب word

 

 

 

چکیده

با افزایش چشمگیر حجم اطلاعات و توسعه وب، نیاز به روش ها و تکنیک هایی که بتوانند امکان دستیابی کارا به داده‌ها و استخراج اطلاعات از آنها را فراهم کنند، بیش از پیش احساس می شود. وب کاوی یکی از زمینه های تحقیقاتی است که با به کارگیری تکنیک های داده کاوی به کشف و استخراج خودکار اطلاعات از اسناد و سرویس‌های وب می پردازد. در واقع وب کاوی، فرآیند کشف اطلاعات و دانش ناشناخته و مفید از داده های وب می باشد. روش های وب کاوی بر اساس آن که چه نوع داده ای را مورد کاوش قرار می دهند، به سه دسته کاوش محتوای وب، کاوش ساختار وب و کاوش استفاده از وب تقسیم می شوند.  طی این گزارش پس از معرفی وب کاوی و بررسی مراحل آن، ارتباط وب کاوی با سایر زمینه های تحقیقاتی بررسی شده و به چالش ها، مشکلات و کاربردهای این زمینه تحقیقاتی اشاره می شود. همچنین هر یک از انواع وب کاوی به تفصیل مورد بررسی قرار می گیرند که در این پروژه بیشتر به وب کاوی در صنعت می پردازم. برای این منظور مدل ها، الگوریتم ها و کاربردهای هر طبقه معرفی می شوند.

 

فهرست مطالب

فصل اول:مقدمه

مقدمه 1

فصل دوم:داده کاوی

2- 1 مقدمه ای بر داده کاوی 6

2-1-1 چه چیزی سبب پیدایش داده کاوی شده است؟ 7

2-2 مراحل کشف دانش 9

2- 3 جایگاه داده کاوی در میان علوم مختلف 12

2-4 داده کاوی چه کارهایی نمی تواند انجام دهد؟ 14

2-5 داده کاوی و انبار داده ها 14

2-6 داده کاوی و OLAP 15

2-7 کاربرد یادگیری ماشین و آمار در داده کاوی 16

2-8 توصیف داده ها در داده کاوی 16

2-8-1 خلاصه سازی و به تصویر در آوردن داده ها 16

2-8-2 خوشه بندی 17

2-8-3 تحلیل لینک 18

2-9 مدل های پیش بینی داده ها 18

2-9-1 دسته بندی 18

2-9-2 رگرسیون 18

2-9-3 سری های زمانی 19

2-10 مدل ها و الگوریتم های داده کاوی 19

2-10-1 شبکه های عصبی 19

2-10-2 درخت تصمیم 22

2-10-3 Multivariate Adaptive Regression Splines(MARS) 24

2-10-4 Rule induction 25

2-10-5 K-nearest neibour and memory-based reansoning(MBR) 25

2-10-6 رگرسیون منطقی 26

2-10-7 تحلیل تفکیکی 27

2-10-8 مدل افزودنی کلی (GAM) 28

2-10-9 Boosting 28

2-11 سلسله مراتب انتخابها 28

2-12داده کاوی و مدیریت بهینه وب سایت ها 30

2-13داده‌کاوی و مدیریت دانش 31

فصل سوم: وب کاوی

3-1 تعریف وب کاوی 33

3-2 مراحل وب کاوی 33

3-3 وب کاوی و زمینه های تحقیقاتی مرتبط 34

3-3-1 وب کاوی و داده کاوی 34

3-3-2 وب کاوی و بازیابی اطلاعات 35

3-3-3 وب کاوی و استخراج اطلاعات 36

3-3-4 وب کاوی و یادگیری ماشین 37

3-4 انواع وب کاوی 37

3-5 چالش های وب کاوی 38

3-6مشکلات ومحدودیت های وب کاوی در سایت های فارسی زبان 39

3-7 محتوا کاوی وب 40

فصل چهارم: وب کاوی در صنعت

4-1 انواع وب کاوی در صنعت 43

4-1-1وب کاوی در صنعت نفت، گاز و پتروشیمی 43

4-1-1-1 مهندسی مخازن/ اکتشاف 43

4-1-1-2مهندسی بهره برداری 44

4-1-1- 3مهندسی حفاری 44

4-1-1-4بخشهای مدیریتی 44

4-1-2 کاربرد های دانش داده کاوی در صنعت بیمه 45

4-1-3کاربردهای دانش داده کاوی در مدیریت شهری 46

4-1-4کاربردهای داده کاوی در صنعت بانکداری 47

4-1-4-1بخش بندی مشتریان 47

4-2 پژوهش های کاربردی 48

نتیجه گیری 50

منابع و ماخذ فارسی 51

مراجع و ماخذ لاتین و سایتهای اینترنتی 52

 

مقدمه

با توسعه سیستم های اطلاعاتی، داده به یکی از منابع پراهمیت سازمان ها مبدل گشته است. بنابراین روش ها و تکنیک هایی برای دستیابی کارا به داده، اشتراک داده، استخراج اطلاعات از داده و استفاده از این اطلاعات، مورد نیاز می باشد. با ایجاد و گسترش وب و افزایش چشمگیر حجم اطلاعات، نیاز به این روش ها و تکنیک ها بیش از پیش احساس می شود. وب، محیطی وسیع، متنوع و پویا است که کاربران متعدد اسناد خود را در آن منتشر می کنند. در حال حاضر بیش از دو بیلیون صفحه در وب موجود است و این تعداد با نرخ 3/7 میلیون صفحه در روز افزایش مییابد. با توجه به حجم وسیع اطلاعات در وب، مدیریت آن با ابزارهای سنتی تقریبا غیر ممکن است و ابزارها و روش هایی نو برای مدیریت آن مورد نیاز است. به طور کلی کاربران وب در استفاده از آن با مشکلات زیر روبرو هستند:

  1. یافتن اطلاعات مرتبط: یافتن اطلاعات مورد نیاز در وب دشوار می باشد. روش های سنتی بازیابی اطلاعات که برای جستجوی اطلاعات در پایگاه داده ها به کار می روند، قابل استفاده در وب نمی‌باشند وکاربران معمولا از موتورهای جستجو که مهمترین و رایج ترین ابزار براییافتن اطلاعات در وب می باشند، استفاده می کنند. این موتورها، یک پرس و جوی[1] مبتنی بر کلمات کلیدی از کاربر دریافت کرده و در پاسخ لیستی از اسناد مرتبط با پرس و جوی وی را که بر اساس میزان ارتباط با این پرس و جو مرتب شده اند، به وی ارائه می کنند. اما موتورهای جستجو دارای دو مشکل اصلی هستند. اولا دقت[2] موتورهای جستجو پایین است، چراکه این موتورها در پاسخ به یک پرس و جوی کاربر صدها یا هزاران سند را بازیابی می کنند، در حالی که بسیاری از اسناد بازیابی شده توسط آنها با نیاز اطلاعاتی کاربر مرتبط نمی باشند. دوما میزان فراخوان[3] این موتورها کم می باشد، به آن معنی که قادر به بازیابی کلیه اسناد مرتبط با نیاز اطلاعاتی کاربر نیستند. چراکه حجم اسناد در وب بسیار زیاد است و موتورهای جستجو قادر به نگهداری اطلاعات کلیه اسناد وب، در پایگاه داده های خود نمی باشند.
  2. ایجاد دانش جدید با استفاده از اطلاعات موجود در وب: این مشکل در واقع بخشی از مشکل مطرح شده در قسمت قبل می باشد. در حال حاضر این سوال مطرح است که چگونه می توان داده های فراوان موجود در وب را به دانشی قابل استفاده تبدیل کرد، به طوری که یافتن اطلاعات مورد نیاز در آن به سادگی صورت بگیرد. همچنین چگونه می توان با استفاده از داده های وب به اطلاعات و دانشی جدید دست یافت.
  3. خصوصی سازی[4] اطلاعات: از آن جا که کاربران متفاوت هر یک درباره نوع و نحوه بازنمایی اطلاعات سلیقه خاصی دارند،این مسئله باید توسط تامین کنندگان اطلاعات در وب مورد توجه قرار بگیرد. برای این منظور با توجه به خواسته ها و تمایلات کاربران متفاوت، نحوه ارائه اطلاعات به آنها باید سفارشی گردد.

تکنیک های وب کاوی[5]قادر به حل این مشکلات می باشند. دروب کاویبه صورت زیر تعریف شده است:

وب کاوی به کارگیری تکنیک های داده کاوی[6] برای کشف و استخراج خودکار اطلاعات از اسناد و سرویس های وب می باشد.

البته تکنیک های وب کاوی تنها ابزار موجود برای حل این مشکلات نیستند. بلکه تکنیک های مختلفی از سایر زمینه های تحقیقاتی همچون پایگاه داده ها، بازیابی اطلاعات، پردازش زبان طبیعی قابل استفاده در این زمینه می باشند. همچنین تکنینک های وب کاوی می توانند به صورت مستقیم یا غیر مستقیم برای حل این مشکلات به کار روند. منظور از رویکرد مستقیم آن است که کاربرد تکنیک های وب کاوی به صورت مستقیم مشکلات مطرح شده را حل می نماید. یک عامل گروه خبری که مرتبط بودن یک خبر به یک کاربر را تعیین می کند، مثالی از این رویکرد می باشد. اما در رویکرد غیر مستقیم، تکنیک های وب کاوی به عنوان بخشی از یک روش جامع تر که به حل این مشکلات می پردازد، مورد استفاده قرار می گیرند.

با توجه به گسترش روز افزون حجم اطلاعات در وب و ارتباط وب کاوی با تجارت الکترونیکی، وب کاوی به یک زمینه تحقیقاتی وسیع مبدل گشته است. طی این گزارش پس از بررسی مراحل وب کاوی،انواع آن معرفی می شوند. سپس ارتباط وب کاوی با سایر زمینه های تحقیقاتی بررسی شده و به چالش ها و مشکلات این زمینه تحقیقاتی اشاره می شود. در ادامه هر یک از انواع وب کاوی به تفصیل مورد بررسی قرار می گیرند. برای این منظور مدل ها، الگوریتم ها و کاربردهای هر طبقه معرفی می شوند. در پایان نیز به برخی از نمونه کاربردهای واقعی وب کاوی اشاره می شود.

 

ممکن است هنگام انتقال از فایل ورد به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است

متن کامل را می توانید در ادامه دانلود نمائید

چون فقط تکه هایی از متن برای نمونه در این صفحه درج شده است ولی در فایل دانلودی متن کامل همراه با تمام ضمائم (پیوست ها) با فرمت ورد word که قابل ویرایش و کپی کردن می باشند موجود است


دانلود با لینک مستقیم


پایان نامه وب کاوی در صنعت

بررسی کاربرد فنون داده کاوی مکانی در تحلیل تصادفات جاده ای در تقاطع ها

اختصاصی از فی گوو بررسی کاربرد فنون داده کاوی مکانی در تحلیل تصادفات جاده ای در تقاطع ها دانلود با لینک مستقیم و پر سرعت .

ایمنى ترافیک از مباحث مهم در حمل و نقل و از اولویت هاى مهم سازمان هاى دخیل در این حوزه است. تقاطع ها به دلیل شرایط هندسى، محیطى و ساختارى نقاطى کلیدی در حادثه خیزی مسیرها هستند. این تحقیق به بررسى روش هاى مکان-مبناى مورد استفاده جهت تحلیل تصادفات جاده اى در تقاطع ها مى پردازد. در این حوزه، GIS به دلیل توانایی انجام آنالیزهاى سودمند مکانى نقش اى را ایفا مى کند. تصمیم گیری صحیح با هدف سرمایه گذارى در امور زیر بنایى به مجموعه بزرگى از داده ها به ویژه داده هاى مکانى نیاز دارد و از آنجا که حجم این داده ها با گذشت زمان به سرعت افزایش مى یا بد، تحلیل و استخراج اطلاعات مفید از آن ها بدون استفاده از ابزار هاى پیشرفته تحلیل داده ها مشکل می باشد. داده کاوى مکانى تکنیکى نوظهور در تجزیه و تحلیل داده هاى مکانى و مکان - محور می باشد که به دلیل افزایش قابلیت جمع آورى و ذخیره سازى این نوع داده مورد توجه قرار گرفته است. در این مقاله دو تکنیک رایج در داده کاوى مکانى به نام هاى درخت تصمیم و شبکه عصبى مصنوعى در تحلیل تصادفات جاده اى در تقاطع ها مورد بررسى و مطالعه قرار مى گیرد. نتایج این پژوهش نشان مى دهد که گر چه شبکه هاى عصبى سابقأ کاربرد بیشترى در تحلیل هاى تصادفات جاده اى دارند، اما عملکرد درخت تصمیم به مشدهدات میدانى نزدیک تر می باشد.

 

سال انتشار: 1392

تعداد صفحات: 14

فرمت فایل: pdf


دانلود با لینک مستقیم


بررسی کاربرد فنون داده کاوی مکانی در تحلیل تصادفات جاده ای در تقاطع ها

پایان نامه کامل داده کاوی و کاربرد آن در سیستمهای مختلف

اختصاصی از فی گوو پایان نامه کامل داده کاوی و کاربرد آن در سیستمهای مختلف دانلود با لینک مستقیم و پر سرعت .

پایان نامه کامل داده کاوی و کاربرد آن در سیستمهای مختلف


تحقیق درباره بررسی داده کاوی  و کاربرد آن در سیستمهای مختلف

فرمت فایل : word (قابل ویرایش) تعداد صفحات : 113 صفحه

 

 

 

 

 

 

فهرست

 

چکیده. 4

 

مقدمه. 6

 

فصل اول – مفاهیم داده کاوی.. 9

 

مدیریت ذخیره سازی و دستیابی اطلاعات... 9

 

ساختار بانک اطلاعاتی سازمان:. 10

 

داده کاوی (Data Mining):. 11

 

مفاهیم پایه در داده کاوی.. 13

 

تعریف داده کاوی.. 14

 

مراحل فرایند کشف دانش از پایگاه داده ها 16

 

الگوریتم های داده کاوی.. 22

 

آماده سازی داده برای مدل سازی.. 30

 

درک قلمرو. 38

 

ابزارهای تجاری داده کاوی Tools DM Commercial. 46

 

منابع اطلاعاتی مورد استفاده. 47

 

محدودیت های داده کاوی.. 56

 

حفاظت از حریم شخصی در سیستم‌های داده‌کاوی.. 56

 

فصل دوم : کاربردهای داده کاوی.. 59

 

کاربرد داده کاوی در کسب و کار هوشمند بانک.... 60

 

داده کاوی درمدیریت ارتباط بامشتری.. 61

 

کاربردهای داده کاوی در کتابخانه ها و محیط های دانشگاهی.. 63

 

داده کاوی و مدیریت موسسات دانشگاهی.. 65

 

داده کاوی و مدیریت بهینه وب سایت ها 66

 

داده‌کاوی و مدیریت دانش.... 67

 

کاربرد داده‌کاوی در آموزش عالی.. 68

 

فصل سوم – بررسی موردی1: وب کاوی.. 70

 

معماری وب کاوی.. 70

 

مشکلات ومحدودیت های وب کاوی در سایت های فارسی زبان.. 75

 

محتوا کاوی وب... 76

 

فصل چهارم – بررسی موردی 2 : داده کاوی در شهر الکترونیک.... 79

 

زمینه دادهکاوی در شهر الکترونیک.... 81

 

کاربردهای دادهکاوی در شهر الکترونیک.... 83

 

چالشهای دادهکاوی در شهر الکترونیک.... 88

 

مراجع و ماخذ.. 97


چکیده

امروزه با گسترش سیستم های پایگاهی و حجم بالای داده ها ی ذخیره شده در این سیستم ها ، نیاز به ابزاری است تا بتوان داده های ذخیره شده را پردازش کردواطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد .

 

با استفاده از پرسش های ساده در SQL و ابزارهای گوناگون گزارش گیری معمولی ، می توان اطلاعاتی را در اختیار کاربران قرار داد تا بتوانند به نتیجه گیری در مورد داده ها و روابط منطقی میان آنها بپردازند اما وقتی که حجم داده ها بالا باشد ، کاربران هر چند زبر دست و با تجربه باشند نمی توانند الگوهای مفید را در میان حجم انبوه داده ها تشخیص دهند و یا اگر قادر به این کار هم با شند ، هزینه عملیات از نظر نیروی انسانی و مادی بسیار بالا است .

 

از سوی دیگر کاربران معمولا فرضیه ای را مطرح می کنند و سپس بر اساس گزارشات مشاهده شده به اثبات یا رد فرضیه می پردازند ، در حالی که امروزه نیاز به روشهایی است که اصطلاحا به کشف دانش بپردازند یعنی با کمترین دخالت کاربر و به صورت خودکار الگوها و رابطه های منطقی را بیان نمایند .

 

داده کاوی یکی از مهمترین این روشها است که به وسیله آن الگوهای مفید در داده ها با حداقل دخالت کاربران شناخته می شوند و اطلاعاتی را در اختیار کاربران و تحلیل گران قرار می دهند تا براساس آنها تصمیمات مهم و حیاتی در سازمانها اتخاذ شوند .

 

در داده کاوی از بخشی از علم آمار به نام تحلیل اکتشافی داده ها استفاده می شود که در آن بر کشف اطلاعات نهفته و ناشناخته از درون حجم انبوه داده ها تاکید می شود . علاوه بر این داده کاوی با هوش مصنوعی و یادگیری ماشین نیز ارتباط تنگاتنگی دارد ، بنابراین می توان گفت در داده کاوی تئوریهای پایگاه داده ها ، هوش مصنوعی ، یادگیری ماشین و علم آمار را در هم می آمیزند تا زمینه کاربردی فراهم شود .

 

باید توجه داشت که اصطلاح داده کاوی زمانی به کار برده می شود که با حجم بزرگی از داده ها ، در حد مگا یا ترابایت ، مواجه باشیم . در تمامی منابع داده کاوی بر این مطلب تاکید شده است .

 

هر چه حجم داده ها بیشتر و روابط میان آنها پیچیده تر باشد دسترسی به اطلاعات نهفته در میان داده ها مشکلتر می شود و نقش داده کاوی به عنوان یکی از روشهای کشف دانش ، روشن تر می گردد .

 


دانلود با لینک مستقیم


پایان نامه کامل داده کاوی و کاربرد آن در سیستمهای مختلف