فایل داده کاوی و اکتشاف دانش

توضیحات تکمیلی

فایل داده کاوی و اکتشاف دانشپایان نامه داده کاوي و اکتشاف دانشچكيده: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