فایل داده کاوی و اکتشاف دانش

فایل داده کاوی و اکتشاف دانش

پایان نامه داده کاوي و اکتشاف دانش
چكيده:داده کاوی پل ارتباطی میان علم آمار ،  علم کامپیوتر ،  هوش مصنوعی ،  الگوشناسی ،  فراگیری ماشین و بازنمایی بصری داده می باشد. داده کاوی فرآیندی پیچیده جهت شناسایی الگوها و مدل های صحیح ،  جدید و به صورت بالقوه مفید ،  در حجم وسیعی از داده می باشد ،  به طریقی که این الگو ها و مدلها برای انسانها قابل درک باشند.داده کاوی به صورت یک محصول قابل خریداری نمی باشد ،  بلکه یک رشته علمی و فرآیندی است که بایستی به صورت یک پروژه پیاده سازی شود.  داده ها اغلب حجیم می باشند و به تنهایی قابل استفاده نیستند ،  بلکه دانش نهفته در داده ها قابل استفاده می باشد. بنابراین بهره گیری از قدرت فرآیند داده کاوی جهت شناسایی الگوها و مدلها و نیز ارتباط عناصر مختلف در پایگاه داده جهت کشف دانش نهفته در داده ها و نهایتا تبدیل داده به اطلاعات ،  روز به روز ضروری تر می شود. یکی از نمونه های بارز داده کاوی را می توان در فروشگاه های زنجیره ای مشاهده نمود ،  که در آن سعی می شود ارتباط محصولات مختلف هنگام خرید مشتریان مشخص گردد. فروشگاه های زنجیره ای مشتاقند بدانند که چه محصولاتی با یکدیگر به فروش می روند . به روشنی این مطلب قابل درک است که این نوع استفاده از داده کاوی می تواند فروشگاه ها را در برگزاری هوشمندانه فستیوال های فروش و نحوه ارائه اجناس به مشتریان یاری رساند.نمونه دیگر استفاده از داده کاوی در زمینه فروش را می توان در یک شرکت بزرگ دوبلاژ و تکثیر و عرضه فیلم های سینمایی در آمریکای شمالی مشاهده نمود که در آن عملیات داده کاوی ،  روابط مشتریان و هنرپیشه های سینمایی و نیز گروه های مختلف مشتریان بر اساس سبک فیلم ها ( ترسناک ،  رمانتیک ،  حادثه ای و ...) مشخص گردید.از دیگر زمینه های به کارگیری داده کاوی ،  استفاده بیمارستانها و کارخانه های داروسازی جهت کشف الگوها و مدلهای ناشناخته تاثیر دارو ها بر بیماری های مختلف و نیز بیماران گروه های سنی مختلف را می توان نام برد.استفاده از داده کاوی در زمینه های مالی و بانکداری به شناخت مشتریان پر خطر و سودجو بر اساس معیار هایی از جمله سن ،  درآمد ،  وضعیت سکونت ،  تحصیلات ،  شغل و غیره می انجامد.كلمات كليدي :داده كاوي  ،   انبارداده ،  كسب و كار هوشمند ،  تحليل دسته اي ،  درخت هاي تصميم گيري و قوا عد  تصميم گيري ،  مجموعه هاي فازي و منطق فازي ،   قواعد انجمني ،  شبكه عصبي مصنوعي و داده كاوي توزيع شده . 
فهرست مطالب فصل اول : مقدمه اي بر داده كاوي 1-1 مقدمه  1-2 داده كاوي چيست ؟    1- 3 مفاهيم پايه در داده کاوي 1- 4 تعريف داده کاوي 1- 5 تاريخچه داده کاوي 1- 6 برخي از کاربردهاي داده کاوي در محيطهاي واقعي عبارتند از :  1- 6- 1 خرده فروشي  1- 6- 2 بانکداري  1- 6- 3 بيمه  1- 6- 4 پزشکي  1- 7 مراحل فرايند کشف دانش از پايگاه داده ها  1- 8 عملياتهاي داده کاوي  1- 9 الگوريتمهاي داده كاوي 1- 10 مدل فرآيند دو سويه 1- 11 ساختن يك پايگاه داده داده كاوي 1-12 نتيجه گيری فصل دوم : داده كاوي درمديريت ارتباط بامشتري 2- 1 چكيده  2- 2 مقدمه 2- 3 داده كاوي 2- 4 مديريت ارتباط با مشتري 2- 5 چرخه زندگي مشتري 2- 6 نتيجه گيري فصل سوم : کاربردهای داده کاوی در کتابخانه ها و موسسات دانشگاهی 3- 1 چکیده  3- 2 مقدمه 3- 3 پیشرفت در تکنولوژیهای داده پردازی 3- 4 عناصر داده کاوی 3- 5 فنون داده کاوی 3- 6 کاربردهای داده کاوی در کتابخانه ها و محیط های دانشگاهی 3- 7 مدیریت و خدمات کتابخانه 3- 8 مدیریت موسسات دانشگاهی 3- 9 تذکرات نهایی فصل چهارم : كسب و كار هوشمند و داده كاوي  4- 1 مقدمه 4- 2 تكامل تاثير گذاري داده ها  4- 3 از داده ها تا تصميم گيريها 4- 4 مفهوم ذخيره داده ها  4- 5 تعريفي براي داده كاوي  4- 6 كاربردها و عمليات داده كاوي  4- 7 لزوم داده كاوي  4- 8 داده كاوي در مقابل پرس و جو ها در پايگاه هاي داده سنتي  4- 9 الگوريتم هاي انجمني  4- 10 تكنيكهاي مرتبط با داده كاوي  4- 11 ابزارهاي داده كاوي  4- 12 درخت هاي تصميم گيري  4- 13 داده كاوي - يك مدل و نمونه خلاصه  4- 14 نرم افزار Low end  4- 15 فرآيند داده كاوي  4- 16 نرمال سازي   4- 17 يادگيري داده ها  4- 18 درخت هاي تصميم گيري و قواعد تصميم گيري  4- 19 نتيجه گيري  فصل پنجم : تفاوت داده کاوی و آنالیز های آماری  5- 1 مقدمه  5- 2 روش آنالیز آماری  5- 3 روش داده کاوی  5- 4 فواید و نقش داده کاوی در فعالیت شرکتها   5- 5 مراحل اصلی داده کاوی   فصل ششم : داده كاوي توزيع شده  6- 1 مقدمه  6- 2 دلايل پيدايش داده کاوی توزيع شده  6- 3 تکنيکها و رويکردها در داده کاوی توزيع شده  6- 4 عاملها و داده کاوی توزيع شده 6- 5 داده کاوی و حريم خصوصی  6- 6 کاربرد‌هاي داده کاوي  6- 7 تکنيک‌هاي داده کاوي  6- 8 قوانين انجمني  6- 9 تشخيص قوانين انجمني  به كمك الگوريتم apriori 6- 10  فرآیند استخراج قوانین وابستگی  Apriori Based DDM Algorithms 11- 6  Count Distribution 12- 6  Data Distribution 13- 6  فصل هفتم : نرم¬افزار داده كاوي  Weka     7-1 مقدمه  7-2 روش استفاده از Weka    3-7 قابليتهاي Weka  4-7دريافت Weka    5-7 مروري بر Explorer  فصل هشتم : نتيجه گيری و ارائه پيشنهادات منابع