فایل ورد کامل مفاهیم داده‌کاوی (Data Mining) و کاربردهای آن

بخشی از فهرست مطالب پروژه فایل ورد کامل مفاهیم داده‌کاوی (Data Mining) و کاربردهای آن

فهرست اشکال

فهرست جداول

فصل۱: مقدمه¬ای بر داده¬کاوی

۱-۱ تعریف داده¬کاوی

۲-۱ تاریخچه داده¬کاوی

۳-۱ چه چیزی سبب پیدایش داده¬کاوی شده است؟

۴-۱ اجزای سیستم داده¬کاوی

۵-۱ جایگاه داده¬کاوی در میان علوم مختلف

۶-۱ قابلیتهای داده¬کاوی

۷-۱ چرا به داده¬کاوی نیاز داریم؟

۸-۱ داده¬کاوی چه کارهایی نمی¬تواند انجام دهد؟

۹-۱ کاربردهای داده¬کاوی

۱-۹-۱ کاربردهای پیش¬بینی¬کننده

۲-۹-۱ کاربردهای توصیف¬کننده

۱۰-۱ ابزارهای تجاری داده¬کاوی

۱۱-۱ داده¬کاوی و انبار¬داده¬ها

۱-۱۱-۱ تعاریف انبار¬داده

۲-۱۱-۱ چهار خصوصیت اصلی انبار¬داده

۳-۱۱-۱ موارد تفاوت انبار¬داده و پایگاه¬ داده

۱۲-۱ داده¬کاوی و OLAP

۱-۱۲-۱ OLAP

۲-۱۲-۱ انواع OLAP

۱۳-۱ مراحل فرایند کشف دانش از پایگاه داده¬ها

۱-۱۳-۱ انبارش داده¬ها

۲-۱۳-۱ انتخاب داده¬ها

۳-۱۳-۱ پاکسازی- پیش¬پردازش- آماده¬سازی

۴-۱۳-۱ تبدیل داده¬ها

۵-۱۳-۱ کاوش در داده¬ها (Data Mining)

۶-۱۳-۱ تفسیر نتیجه

فصل ۲: قوانین ارتباطی

۱-۲ قوانین ارتباطی

۲-۲ اصول پایه

۱-۲-۲ شرح مشکل جدی

۲-۲-۲ پیمایش فضای جستجو

۳-۲-۲ مشخص کردن درجه حمایت مجموعه اقلام

۳-۲ الگوریتمهای عمومی

۱-۳-۲ دسته¬بندی

۲-۳-۲ BFS و شمارش رویداد¬ها

۳-۳-۲ BFS و دونیم¬سازی TID-list

۴-۳-۲ DFS و شمارش رویداد

۵-۳-۲ DFS و دو نیم¬سازی TID-list

۴-۲ الگوریتم Apriori

۱-۴-۲ مفاهیم کلیدی

۲-۴-۲ پیاده¬سازی الگوریتم Apriori

۳-۴-۲ معایب Apriori و رفع آنها

۵-۲ الگوریتم رشد الگوی تکرارشونده

۱-۵-۲ چرا رشد الگوی تکرار سریع است؟

۶-۲ مقایسه دو الگوریتم Apriori و FP-growth

۷-۲ تحلیل ارتباطات

فصل ۳: وب¬کاوی و متن¬کاوی

۱-۳ وب¬کاوی

۱-۱-۳ الگوریتمهای هیتس و لاگسام

۲-۱-۳ کاوش الگوهای پیمایش مسیر

۲-۳ متن¬کاوی

۱-۲-۳ کاربردهای متن¬کاوی

۱-۱-۲-۳ جستجو و بازیابی

۲-۱-۲-۳ گروه¬بندی و طبقه¬بندی

۳-۱-۲-۳ خلاصه¬سازی

۴-۱-۲-۳ روابط میان مفاهیم

۵-۱-۲-۳ یافتن و تحلیل گرایشات

۶-۱-۲-۳ برچسب زدن نحوی (pos)

۷-۱-۲-۳ ایجاد Thesaurus و آنتولوژی به صورت اتوماتیک

۲-۲-۳ فرایند متن¬کاوی

۳-۲-۳ روشهای متن¬کاوی

مراجع

فهرست اشکال

۱-۱ مراحل فرایند کشف دانش

۲-۱ سیر تکاملی صنعت پایگاه داده

۳-۱ معماری یک نمونه سیستم داده¬کاوی

۴-۱ نرخ رشد اطلاعات

۵-۱ کاربرد پیش¬بینی کننده

۶-۱ داده¬ها از انبار¬داده¬ها استخراج می¬گردند

۷-۱ داده¬ها از از چند پایگاه داده¬ استخراج می¬گردند

۱-۲ شبکه‌ای برای

۲-۲ درخت

۳-۲ دسته¬بندی الگوریتمها

۴-۲ پایان الگوریتم Apriori

۵-۲ درخت الگوی تکرار

۶-۲ اندازه¬گیری کارکرد درجه حمایت برای پایگاه داده D1 40K

۷-۲ اندازه¬گیری Apriori با درجه حمایت/تراکنش

۸-۲ اندازه¬گیری FP-growth با درجه حمایت/تراکنش

۱-۳ مقداردهی اولیه الگوریتم HITS

۲-۳ مثالی از الگوهای پیمایش

۳-۳ فرایند متن¬کاوی

۴-۳ مثال یافتن روابط

فهرست جداول

۱-۲ کاوش FP-tree با ایجاد پایگاه¬های الگوشرطی

۲-۲ پارامترها

۳-۲ نتایج برای فاکتور درجه حمایت ۵%

۴-۲ نتایج برای D1 150K با درجه حمایت

۱-۳ تراکنش¬های توصیف شده توسط مجموعه¬ای از URLها

۲-۳ نمایش URLها به عنوان بردارهایی از فعالیت گروه تراکنش

۳-۳ یک SOM مرسوم که توسط توصیف URLها تولید شده است

چکیده:

در دو دهه قبل تواناییهای فنی بشر برای تولید و جمعآوری داده‌ها به سرعت افزایش یافته است. عواملی نظیر استفاده گسترده از بارکد برای تولیدات تجاری، به خدمت گرفتن کامپیوتر در کسبو-کار، علوم، خدمات دولتی و پیشرفت در وسائل جمعآوری داده، از اسکن کردن متون و تصاویر تا سیستمهای سنجش از دور ماهوارهای، در این تغییرات 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 می‌کند. این رشد انفجاری در داده‌های ذخیره شده، نیاز مبرم وجود تکنولوژیهای جدید و ابزارهای خودکاری را ایجاد کرده که به صورت هوشمند به انسان یاری رسانند تا این حجم زیاد داده را به اطلاعات و دانش تبدیل کند. دادهکاوی به عنوان یک راه حل برای این مسائل مطرح می باشد. در یک تعریف غیر رسمی دادهکاوی فرآیندی است، خودکار برای استخراج الگوهایی که دانش را بازنمایی میکنند، که این دانش به صورت ضمنی در پایگاه دادههای عظیم، انبارهداده  و دیگر مخازن بزرگ اطلاعات، ذخیره شده است.

        به لحاظ اینکه در چند سال اخیر مبحث دادهکاوی و اکتشاف دانش موضوع بسیاری از مقالات و کنفرانسها قرار گرفته و نرم-افزارهای آن در بازار به شدت مورد توجه قرار گرفته، از اینرو در مقاله سعی بر آن شده تا گذری بر آن داشته باشیم.

بخشی از منابع و مراجع پروژه فایل ورد کامل مفاهیم داده‌کاوی (Data Mining) و کاربردهای آن

[۱] دادهکاوی (Data Mining)، تالیف مهمد کانتاردزیک، ترجمه امیر علیخانزاده، ۱۳۸۵، ویرایش اول

[۲] Introduction to Data Mining and Knowledge Discovery، Two Crows Corporation، ۱۹۹۹

[۳] Data Mining: Concepts and Techniques، M.Kamber and J.Han، ۲۰۰۱

[۴] مقاله Algorithms for Association Rule Mining – A General Survey and comparison نوشته Jochen Hipp و Gholamreza Nakhaeizadeh ، در کنفرانس ACM SIGKDD July 2000

[۵] مقاله Comparative Study of Association Rules Mining Algorithms نوشته Stefan Holban (http://www.bmf.hu/conferences/saci04/Gyorodi.pdf)

[۶] 

http://ece.ut.ac.ir/DBRG/seminars/Keykhah/Data Mining/Data mining.doc   

http://ece.ut.ac.ir/DBRG/seminars/Ghadimi-Abbasi-Pashaei/Document/datamining_Introduction.doc