داده کاوری ( رایگان)

لینک و خرید پایین توضیحات
دسته بندی : وورد
نوع فایل :  word (..doc) ( قابل ويرايش و آماده پرينت )
تعداد صفحه : 22 صفحه

 قسمتی از متن word (..doc) : 
 

1
‏باسمه تعالي
‏نگاهی بر داده کاوی و کشف قوانین وابستگی
‏چکیده:
‏با افزايش سيستمهاي كامپيوتر و گسترش تكنولوژي اطلاعات ,‏ ‏بحث اصلي در علم كامپيوتر از چگونگي جمع آوري اطلاعات به نحوه استفاده از اطلاعات منتقل شده است . سيستمهاي داده كاوي ,‏اين امكان را به كاربر مي دهند كه بتواند انبوه داده هاي جمع آوري شده را تفسير كنند و دانش نهفته در آن را استخراج نمايند .
‏داده كاوي به هر نوع كشف دانش و يا الگوي پنهان در پايگاه داده ها اطلاق مي 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 ‏.
2
‏مقدمه :
‏هدف از اين اراِئه و تحقيق بررسي روشهاي مطرح داده كاوي است .داده كاوي هر نوع استخراج دانش و يا الگواز داده هاي موجود در پايگاه داده است كه اين دانشها و الگوها ضمني و مستتر در داده ها هستند ,‏از داده كاوي مي توان جهت امور رده بندي (Classification ‏) و تخمين (Estimation‏) ,‏پيش بيني (Prediction‏) و خوشه بندي (Clustering‏)استفاده كرد .‏داده كاوي داراي محاسن فراواني است . از مهمترين آن محاسن كشف كردن دانش نهفته در سيستم است كه به شناخت بهتر سيستم كمك مي كند .به عنوان مثال مي توان به استفاده تركيبي از روش خوشه بندي جهت تخصيص بودجه به دسته هاي مختلف از كتب اشاره كرد .
‏سيستمهاي داده كاوي ‏تقريبا از اوايل دهه 1990 مورد توجه قرار گرفتند . علت اين امر نيز آن بود كه تا آن زمان سازمانها بيشتر در پي ايجاد سيستمهاي عملياتي كامپيوتري بودند كه به وسيله آنها بتوانند داده هاي موجود در سازمان خود را سازماندهي كنند . پس از ايجاد اين سيستمها ,‏روزانه حجم زيادي از اطلاعات جمع آوري ميشد ‏كه تفسير كردن آنها از عهده انسان خارج بود . به همين دليل ,‏ نياز به تكنيكي بود كه از ميان انبوه داده معني استخراج كند و داده كاوي به همين منظور ايجاد و رشد يافت .‏
‏بنابر اين هدف اصلي از داده كاوي ,‏كشف دانش نهفته در محيط مورد بررسي است كه اين دانش مي تواند شكلهاي گوناگوني داسته باشد . دانش استخراج شده مي تواند به فرم الگوهاي موجود در داده ها باشد كه كشف اين الگوها منجر به شناخت بهتر سيستم نيز مي شود . ‏الگوهاي استخراجي عموما بيانگر روابط بين ويژگيهاي سيستم هستند بعنوان مثال در سيستم تجاري يك الگو مي تواند بيانگر رابطه بين نوع كالا و ميزان تقاضاي آن باشد .
‏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 .