پایان نامه داده کاوي و اکتشاف دانش

دسته بندي : فنی و مهندسی » کامپیوتر و IT
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