بررسی و مطالعه کامل داده کاوی و داده کاوی با (SQL server 2005) پیاده سازی آن روی بانک اطلاعاتی دانشگاه آزاد
طبقه بندي محصول : پایان نامه
نام گروه : کامپیوتر, مهندسی کامپیوتر, آی تی, IT
قيمت : 15000 تومان
تعداد صفحات : 210
نوع محصول : پايان نامه, پروژه, پاياننامه
نوع فايل : word, ورد, آفیس, office, doc, [doc], .doc
- چکیده
- فصــل اول- مقدمه ای بر داده کاوی
- ۱-۱-مقدمه
- ۱-۲-عامل مسبب پیدایش داده کاوی
- ۱-۳-داده کاوی و مفهوماکتشاف دانش(KDD)
- 1-3-1-تعریف داده کاوی
- ۱-۳-۲- فرآیند دادهکاوی
- ۱-۳-۳-قابلیت های داده کاوی
- ۱-۳-۴-چه نوع دادههایی مورد کاوش قرار می گیرند؟
- ۱-۴- وظایف داده کاوی
- ۱-۱-۴-کلاس بندی
- ۱-۴-۲- مراحل یک الگوریتم کلاسبندی
- ۱-۴-۳-انواع روشهای کلاسبندی
- ۱-۴-۳-۱- درخت تصمیم
- ۱-۴-۳-۱-۱- کشف تقسیمات
- ۱-۴-۳-۱-۲- دسته بندی با درخت تصمیم
- ۱-۴-۳-۱-۳-انواع درختهای تصمیم
- ۱-۴-۳-۱-۴- نحوهی هرس کردن درخت
- ۱-۴-۳-۲- نزدیکترین همسایگی_ K
- 1-4-3-3-بیزی
- ۱-۴-۳-۳-۱ تئوری بیز
- ۱-۴-۳-۳-۲ -دسته بندی ساده بیزی
- ۱-۴-۳-۴- الگوریتمهای ژنتیک در فصل دو با آن آشنا می شویم
- ۱-۴-۳-۵-شبکههای عصبی
- ۱-۴-۴- ارزیابی روشهای کلاسبندی
- -۲-۴-۱پیش بینی
- ۱-۴-۳-انواع روشهای پیش بینی
- ۱-۴-۳-۱- رگرسیون
- ۱-۴-۳-۱ -۱- رگرسیون خطی
- ۱-۴-۳-۱-۲-رگرسیون منطقی
- ۱-۴-۳- خوشه بندی
- ۱-۴-۳-۱- تعریف فرآیند خوشهبندی
- ۱-۴-۳-۲-کیفیت خوشهبندی
- ۱-۴-۳-۳-روش ها و الگوریتمهای خوشهبندی
- ۱-۴-۳-۳-۱-روش های سلسلهمراتبی
- ۱-۴-۳-۳-۱-۱- الگوریتم های سلسله مراتبی
- ۱-۴-۳-۳-۱-۱-۱-الگوریتم خوشه بندی single-linkage
- 1-4-3-3-2-الگوریتمهای تفکیک
- ۱-۴-۳-۳-۳-روشهای متکی برچگالی
- ۱-۴-۳-۳-۴-روشهای متکی بر گرید
- ۱-۴-۳-۳-۵-روشهای متکی بر مدل
- ۱-۴-۴- تخمین
- ۱-۴-۴-۱- درخت تصمیم
- ۱-۴-۴-۲- شبکه ی عصبی
- ۱-۴-۵-سری های زمانی
- ۱-۵-کاربردهای داده کاوی
- ۱-۶-قوانین انجمنی
- ۱-۶-۱-کاوش قوانین انجمنی
- ۱-۶-۲-اصول کاوش قوانین انجمنی
- ۱-۶-۳-اصول استقرا در کاوش قوانین انجمنی
- ۱-۶-۴-الگوریتم Apriori
- 1-7-متن کاوی
- ۱-۷-۱- مقدمه
- ۱-۷-۲- فرآیند متن کاوی
- ۱-۷-۳- کاربردهای متن کاوی
- ۱-۷-۳-۱- جستجو و بازیابی
- ۱-۷-۳-۲-گروه بندی و طبقه بندی داده
- ۱-۷-۳-۳-خلاصه سازی
- ۱-۷-۳-۴- روابط میان مفاهیم
- ۱-۷-۳-۵- یافتن و تحلیل ترند ها
- ۱-۷-۳-۵- برچسب زدن نحوی (POS)
- 1-6-2-7-ایجاد تزاروس و آنتولوژی به صورت اتوماتیک
- ۱-۸-تصویر کاوی
- ۱-۹- وب کاوی
- فصل دوم -الگوریتم ژنتیک
- ۱-۲-مقدمه
- ۲-۲-اصولالگوریتمژنتیک
- ۲-۲-۱-کد گذاری
- ۲-۲-۱-۱-روش های کد گذاری
- ۲-۲-۱-۱-۱-کدگذاری دودویی
- ۲-۲-۱-۱-۲-کدگذاری مقادیر
- ۲-۲-۱-۱-۳-کدگذاری درختی
- ۲-۲-۲- ارزیابی
- ۲-۲-۳-انتخاب
- ۲-۲-۳-۱-انتخاب گردونه دوار
- ۲-۲-۳-۲-انتخاب رتبه ای
- ۲-۲-۳-۳-انتخاب حالت استوار
- ۲-۲-۳-۴-نخبه گزینی
- ۲-۲-۴-عملگرهای تغییر
- ۲-۲-۴-۱-عملگر Crossover
- 2-2-4-2-عملگر جهش ژنتیکی
- ۲-۲-۴-۳-احتمالCrossover و جهش
- ۲-۲-۵-کدبرداری
- ۲-۲-۶-دیگر پارامترها
- ۲-۴-مزایای الگوریتم های ژنتیک
- ۲-۵- محدودیت های الگوریتم های ژنتیک
- ۲-۶-چند نمونه از کاربرد های الگوریتم های ژنتیک
- ۲-۶-۱-یک مثال ساده
- فصل سوم-شبکه های عصبی
- ۳-۱-چرا از شبکه های عصبی استفاده می کنیم؟
- ۳-۲-سلول عصبی
- ۳-۳-نحوه عملکرد مغز
- ۳-۴-مدل ریاضی نرون
- ۳-۵-آموزش شبکههای عصبی
- ۳-۶-کاربرد های شبکه های عصبی
- فصل چهارم – محاسبات نرم
- ۴-۱-مقدمه
- ۴-۲-محاسبات نرمچیست ؟
- ۴-۲-۱-رابطه
- ۴-۲-۲-مجموعه های فازی
- ۴-۲-۲-۱-توابع عضویت
- ۴-۲-۲-۲- عملیات اصلی
- ۴-۲-۳-نقش مجموعههای فازی در دادهکاوی
- ۴-۲-۳-۱- خوشه بندی
- ۴-۲-۳-۲- خلاصه سازی دادهها
- ۴-۲-۳-۳- تصویر کاوی
- ۴-۲-۴- الگوریتمژنتیک
- ۴-۲-۵-نقش الگوریتم ژنتیک در داده کاوی
- ۴-۲-۵-۱- رگرسیون
- ۴-۲-۵-۲-قوانین انجمنی
- ۴-۳-بحث و نتیجه گیری
- فصل پنجم – ابزارهای داده کاوی
- ۵-۱- نحوه ی انتخاب ابزارداده کاوی
- ۵-۲-۱-ابزار SPSS-Clemantine
- 5-2-3-ابزار KXEN
- 5-2-4-مدل Insightful
- 5-2-5-مدل Affinium
- 5-3- چگونه می توان بهترین ابزار را انتخاب کرد؟
- ۵-۴-ابزار های داده کاوی که در ۲۰۰۷ استفاده شده است
- ۵-۵-داده کاوی با sqlserver 2005
- 5-5-1-اتصال به سرورازمنوی
- ۵-۵-۲- ایجاد Data source
- 5-5-3- ایجادData source view
- 5-5-4- ایجاد Mining structures
- 5-5-5- Microsoft association rule
- 5-5-6- Algorithm cluster
- 5-5-7- Neural network
- 5-5-8-Modle naive-bayes
- 5-5-9-Microsoft Tree Viewer
- 5-5-10-Microsoft-Loistic-Regression
- 5-5-11-Microsoft-Linear-Regression
- فصل ششم – نتایج دادهکاوی با SQL SERVER2005روی بانک اطلاعاتی دانشگاه آزاد قوچان
- ·۱-۶-نتایج Data Mining With Sql Server 2005 روی بانک اطلاعاتی دانشگاه آزاد قوچان
- ۱-۶-۱-Microsoft association rule
- 1-6-2- Algorithm cluster
- 1-6-3- Neural network
- 1-6-4- Modle naive-bayes
- 1-6-5-Microsoft Tree Viewer
- 7-1-نتیجه گیری
- منابع وماخذ
Related posts:
Leave a Reply