|
داده کاوی،مدل سازی داده ها و مراحل فرایند کشف دانش از پایگاه داده ها
دانلود مقاله داده کاوی،مدل سازی داده ها و مراحل فرایند کشف دانش از پایگاه داده ها |
 |
| دسته بندی | هوش مصنوعی |
| فرمت فایل | doc |
| حجم فایل | 257 کیلو بایت |
| تعداد صفحات فایل | 35 |
دانلود مقاله کارشناسی ارشد رشته هوش مصنوعی
داده کاوی،مدل سازی داده ها و مراحل فرایند کشف دانش از پایگاه داده ها
*ضمیمه کردن پاورپوینت در قالب 30 اسلاید و بصورت رایگان:)
مقدمه
امروزه با گسترش سیستم های پایگاهی و حجم بالای داده ها ی ذخیره شده در این سیستم ها ، نیاز به ابزاری است تا بتوان داده های ذخیره شده پردازش کرد و اطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد . با استفاده ار پرسش های ساده در SQL و ابزارهای گوناگون گزارش گیری معمولی ، می توان اطلاعاتی را در اختیار کاربران قرار داد تا بتوانند به نتیجه گیری در مورد داده ها و روابط منطقی میان آنها بپردازند اما وقتی که حجم داده ها بالا باشد ، کاربران هر چند زبر دست و با تجربه باشند نمی توانند الگوهای مفید را در میان حجم انبوه داده ها تشخیص دهند و یا اگر قادر به این کار هم با شند ، هزینه عملیات از نظر نیروی انسانی و مادی بسیار بالا است .
از سوی دیگر کاربران معمولا فرضیه ای را مطرح می کنند و سپس بر اساس گزارشات مشاهده شده به اثبات یا رد فرضیه می پردازند ، در حالی که امروزه نیاز به روشهایی است که اصطلاحا به کشف دانش بپردازند یعنی با کمترین دخالت کاربر و به صورت خودکار الگوها و رابطه های منطقی را بیان نمایند .داده کاوی یکی از مهمترین این روشها است که به وسیله آن الگوهای مفید در داده ها با حداقل دخالت کاربران شناخته می شوند و اطلاعاتی را در اختیار کاربران و تحلیل گران قرار می دهند تا براساس آنها تصمیمات مهم و حیاتی در سازمانها اتخاذ شوند .
در داده کاوی از بخشی از علم آمار به نام تحلیل اکتشافی داده ها استفاده می شود که در آن بر کشف اطلاعات نهفته و ناشناخته از درون حجم انبوه داده ها تاکید می شود .
علاوه بر این داده کاوی با هوش مصنوعی و یادگیری ماشین نیز ارتباط تنگاتنگی دارد ، بنابراین می توان گفت در داده کاوی تئوریهای پایگاه داده ها ، هوش مصنوعی ، یادگیری ماشین و علم آمار را در هم می آمیزند تا زمینه کاربردی فراهم شود .باید توجه داشت که اصطلاح داده کاوی زمانی به کار برده می شود که با حجم بزرگی از داده ها ، در حد مگا یا ترابایت ، مواجه باشیم . در تمامی منابع داده کاوی بر این مطلب تاکید شده است .هر چه حجم داده ها بیشتر و روابط میان آنها پیچیده تر باشد دسترسی به اطلاعات نهفته در میان داده ها مشکلتر می شود و نقش داده کاوی به عنوان یکی از روشهای کشف دانش ، روشن تر می گردد .
کلمات کلیدی:
داده کاوی
اکتشاف دانش
مدل سازی داده ها
فرایند کشف دانش از پایگاه داده ها
فهرست مطالب
مقدمه ای بر داده کاوی و اکتشاف دانش 1
مقدمه 3
مفاهیم پایه در داده کاوی 4
تعریف داده کاوی 4
تاریخچه داده کاوی 5
مراحل فرایند کشف دانش از پایگاه داده ها 7
مدلسازی پیشگویی کننده 10
تقطیع پایگاه داده ها 11
تحلیل پیوند 12
قابلیتهای DataMining: 14
Geographic 16
Data Mining 16
Data 16
Analysis 16
داده کاوی و OLAP: 16
داده کاوی , آمار و یادگیری ماشین 16
کاربردهای داده کاوی 17
داده کاوی موفق: 18
تحلیل ارتباطات: 18
سلسله مراتبی از انتخاب ها 21
- هدف کار 22
طبقه بندی 23
حدس بازگشتی 24
سری های زمانی 24
مدلها و الگوریتمهای داده کاوی 24
شبکه های عصبی 25
یک شبکه عصبی با یک لایه پنهان 26
درخت های انتخاب 26
استنتاج قانون 27
الگوریتمهای ژنتیک 27
فرآیند داده کاوی 28
مدلهای فرآیند 28
مدل فرآیند دو سویه 28
ساختن یک پایگاه داده داده کاوی 29
آماده سازی داده برای مدل سازی 31
ساختن مدل داده کاوی 31
تائید اعتبارساده 32
ارزیابی و تفسیر 32
تایید اعتبار مدل 32
ماتریسهای پیچیدگی 32
ایجاد معماری مدل و نتایج 33
منابع و مراجع: 34
