پروژه تکنیک های داده کاوی در سازمان ها

پروژه تکنیک های داده کاوی در سازمان ها

فرمت فایل دانلودی: .docx
فرمت فایل اصلی: docx
تعداد صفحات: 90
حجم فایل: 484
قیمت: : 9000 تومان

بخشی از متن:
چکیده:
داده کاوی، استخراج اطلاعات و دانش و کشف الگوهای پنهان از یک پایگاه داده های بسیار بزرگ، کاربردهای زیادی در کسب و کارهای امروزی پیدا کرده است. استفاده از تکنیک های داده کاوی در سازمان ها منتج به تعداد زیادی قانون و الگو می شود که با توجه به محدودیت در منابع و بودجه، پیاده سازی همه ی آنها امکان پذیر نمی باشد. می توان گفت که ارزیابی و رتبه بندی قوانین وابستگی کاری مهم و چالش برانگیز است. با استفاده از از تکنیک ناپارامتریک تحلیل پوششی داده ها به ارائه چارچوبی برای ارزیابی و اولویت بندی قوانین وابستگی می پردازیم. در این تحقیق ابتدا مدلی برای شناسایی کاراترین واحد تصمیم گیری در حالت بازده متغیر به مقیاس ارائه می شود. پس از آن، با استفاده این مدل، متدی نوین جهت رتبه بندی واحدهای تصمیم گیری ارائه می شود. سپس با استفاده از مدل و متد پیشنهادی، چارچوبی نوین جهت رتبه بندی قوانین وابستگی داده کاوی توسعه داده می شود. در انتها، با پیاده سازی چارچوب پیشنهادی برای اولویت بندی قوانین وابستگی داده کاوی در بانک کشاورزی کاربردپذیری چارچوب پیشنهادی نشان داده می شود.
کلمات کلیدی: فناوری اطلاعات (IT)، الگوهای پنهان، داده کاوی (Data Mining)، تکنیک های داده کاوی، قوانین داده کاوی

فهرست مطالب:
چکیده
مقدمه ای بر داده‌کاوی
فصل اول: داده کاوی
1-1 چه چیزی سبب پیدایش داده کاوی شده است؟
1-2 مراحل کشف دانش
1-3 جایگاه داده کاوی در میان علوم مختلف
1-4 داده کاوی چه کارهایی نمی تواند انجام دهد؟
1-5 داده کاوی و انبار داده ها
1-6 داده کاوی و OLAP
1-7 کاربرد یادگیری ماشین و آمار در داده کاوی
1-8 توصیف داده ها در داده کاوی
1-8-1 خلاصه سازی و به تصویر در آوردن داده ها
1-8-2 خوشه بندی
1-8-3 تحلیل لینک
فصل دوم: پیش بینی دادها
2-1 مدل های پیش بینی داده ها
2-1-1 Classification
2-1-2 Regression
2-1-3 Time Series
2-2 مدل ها و الگوریتم های داده کاوی
2-2-1 شبکه های عصبی
2-2-2 Decision Trees
2-2-3 Multivariate Adaptive Regression Splines(MARS)
2-2-4 Induction Rule
2-2-5 (MBR) Earest Neibour and Memory-Based Reansoning -K
2-2-6 رگرسیون منطقی
2-2-7  تحلیل تفکیکی
2-2-8 مدل افزودنی کلی (GAM)
2-2-9 Boosting
فصل سوم انتخابها
3-1 سلسله مراتب انتخابها
3-2 کاربرد  علم آمار در داده کاوی
3-2-1 مقدمه و مقایسه
3-2-2 کاربردهای روشهای آماری 
3-3 پیش بینی (Prediction)
3-4 نگاه عمیق تر به شبکه عصبی
3-4-1 سابقه تاریخی
3-4-2 شبکه های عصبی در مقابل کامپیوتر های معمولی
3-4-3 چرا از شبکه های عصبی استفاده می کنیم؟
3-4-4 تفاوت‌های شبکه‌های عصبی با روش‌های محاسباتی متداول و سیستم‌های خبره
3-3-5 کاربردهای شبکه های عصبی
3-4  آشنایی با الگوریتم ژنتیک
3-5 الگوریتم مورچگان
3-5-1 کاربردهای الگوریتم مورچگان
فصل چهارم: داده کاوی در سازمانها
4-1 کاربردهای داده کاوی در کتابخانه ها و موسسات دانشگاهی
4-1-1 دیتامارت
4-2 عناصر داده کاوی
4-2-1 نرم افزار:
4-3 کاربردهای داده کاوی در کتابخانه ها و محیط های دانشگاهی
4-4 مدیریت موسسات دانشگاهی
فصل پنجم: نتیجه گیری و پیشنهادها
منابع و مراجع

پروژه شبکه های عصبی مصنوعی

پروژه شبکه های عصبی مصنوعی

فرمت فایل دانلودی: .docx
فرمت فایل اصلی: docx
تعداد صفحات: 51
حجم فایل: 1612
قیمت: : 4000 تومان

بخشی از متن:
چکیده:
شبکه‌های عصبی مصنوعی از مباحث جدیدی است که دانشمندان علوم کامپیوتر به آن علاقمند شده‌اند و برای پیشرفت هرچه بیشتر علوم کامپیوتر وقت و هزینه بسیاری را صرف آن کرده و می‌کنند. این موضوع با ایده گرفتن از سیستم عصبی بدن انسان و با هدف شبیه‌سازی هرچه بیشتر کامپیوتر به انسان شکل گرفت و تا حال به خوبی پیشرفته است. از جمله کاربردهای این بحث می‌توان از شناسایی الگوها, پردازش تصویر و رویت, هوش مصنوعی, کنترل رباتها و موارد بسیار دیگر نام برد. ما در این مقاله پس از مقدمه به مسائل در خور شبکه‌های عصبی مصنوعی و نیز کاربردهای آن خواهیم پرداخت, در ادامه Perceptron ها را که یکی از مهمترین الگوریتم‌های شبکه‌های عصبی مصنوعی می‌باشد معرفی می‌کنیم.

فهرست مطالب:
چکیده
مقدمه
فصل اول
هوش مصنوعی و هوش انسانی 
تاریخچه شبکه های عصبی مصنوعی 
شبکه های عصبی زیستی
شبکه های عصبی
مزیت های شبکه عصبی
تقسیم بندی شبکه های عصبی
کاربرد شبکه های عصبی
فصل دوم
انواع شبکه عصبی
معایب شبکه های عصبی
الگوریتم PSO
یک شبکه عصبی جدید
الگوریتم BP 
قدرت نمایش لایه پنهان
قدرت تعمیم overfitting
منابع

پروژه سیستم های انجماد سریع مواد غذایی

پروژه سیستم های انجماد سریع مواد غذایی

فرمت فایل دانلودی: .doc
فرمت فایل اصلی: doc
تعداد صفحات: 33
حجم فایل: 1038
قیمت: : 3000 تومان

بخشی از متن:
بخشی از متن:

همانطور که مشخص است سرما و گرما دارای طبیعت یکسانی هستند و علیرغم این امر هر یک از آنها نقش متفاوتی را در پیشرفت تمدن انسان ها بازی کرده اند.  برای قرون متمادی سرما همواره با زمستان، بیماری و مشکلات انسانها پیوند خورده بود. اما امروزه در جهان صنعتی شده انجماد مواد غذایی یک وسیله قدرتمند برای بهبود کیفیت زندگی به شمار می رود. در حالیکه صنعت مواد غذایی در اروپا در حدود 8% اشتغال صنعتی و تنها 2% کل اشتغال را در برمی گیرد این بخش در حال حاضر بیش از 480 بیلیون یورو ارزش دارد که این میزان از کشورهای آمریکا وژاپن نیز بیشتر است. ....

فهرست مطالب:
سیستم های تبرید و سردخانه
انجماد مواد غذایی، تغذیه در سطح جهان و رفا ه شهروندان
وضعیت موجود و روشهای انجماد مرسوم
سیستم های انجماد بستر-سیال
سیستم های انجماد بوسیله غوطه وری
برخی روش های نوین در انجماد مواد غذایی
انجماد سریع تکیIQF مواد غذایی بوسیله سیال مایع و محلول یخ قابل پمپاژ (HFM)
انجماد فشار بالا
روش انجماد رزونانس مغناطیسی
پیوست ها
I) انجماد کرایوژنیک
نیتروژن و دی اکسید کربن: مبردهای مورد استفاده
انجماد عمیق؛ سریع و قابل کنترل
سیستم های انجماد کرایوژنیک
تونل انجماد Cryogen® Rapid
فریزر مارپیچ Cryogen® Rapid
فریزرهای سطحی عمودی Cryogen® Rapid
فریزرهای کابینتی Cryogen® Rapid
فریزرهای چرخان Cryogen® Rapid
فریزرهای مدل شناوری(غوطه وری) Cryogen® Rapid
فریزر دانه ساز Cryogen® Rapid
II) جداول انجماد و نگهداری برخی مواد غذایی

پروژه برنامه نویسی حضور و غیاب کارمندان

پروژه برنامه نویسی حضور و غیاب کارمندان

فرمت فایل دانلودی: .rar
فرمت فایل اصلی: cpp, exe, rtf, jpg
حجم فایل: 123
قیمت: : 10000 تومان

بخشی از متن:
توضیحات:
قابلیت ویرایش لیست کارمندان به سادگی در یک فایل text، ذخیره حضور و غیاب های انجام شده در یک فایل جداگانه، دارای نمودار ER و فایل word توضیحات در مورد کد های نوشته شده در برنامه

پروژه گانت چارت پیاده سازی 5s

پروژه گانت چارت پیاده سازی 5s

فرمت فایل دانلودی: .zip
فرمت فایل اصلی: mpp, pdf
حجم فایل: 118
قیمت: : 3000 تومان

بخشی از متن:
توضیحات:
در این فایل مراحل پیاده سازی نظام آراستگی (5s)  بصورت گانت چارت در محیط نرم افزار مایکروسافت پروجکت آورده شده است. این گانت چارت بصورت جامع و عمومی می باشد و و برای هر شرکت یا سازمانی با توجه به شرایط آن میتوان این مراحل موجود در گانت چارت را پیاده سازی کرد.
نظام 5s نخستین بار توسط ژاپنی ها به اجرا در آمد و نام این نظام هم تشکیل شده از پنج S است. 5s پیش شرط اجرای موفقیت آمیز سایر سیستم ها  و مدلها می باشد و مزیت آن این است که در همه جا قابل پیاده سازی است.
اجرای 5s برای رسیدن به هدف های متعددی اجرامی شود.برخی از مهم ترین هدف ها عبارتند از ایمنی و بهداشت، بهره وری، صرفه جویی در هزینه ها،کیفیت و پیشگیری از خرابی ها در محیط هایی که با اجرای نظام آراستگی مدیریت می شوند، اشیا زاید و غیر ضروری وجود ندارد و اقلام موجود با نظمی خاص مرتب می شوند و این امرتا حد زیادی موجب صرفه جویی و ایمنی محیط خواهد شد. اجرای منظم مراحل نظام آراستگی محیطی پاکیزه و بهداشتی رافراهم می آورد و از همه مهم ترتلاش برای ایجاد عادت های صحیح درکارکنان مهم ترین عامل درتحقق محیط های آراسته است واین مهم دراجرای بند پنجم حاصل خواهدشد. وجود محیطی سامان یافته ازلوازم تولید یاارائه خدمات باکیفیت است.

از ضرورت های مقدم بودن اجرای این نظام می توان به نمونه های زیر اشاره گردد:
- سرعت دستیابی افزایش می یابد.
- نتایج برای همه ی افراد قابل درک است.
- محیط کاری تمیز و سازمان یافته خواهد شد.
- عمر وسایل و آلات کار افزایش می یابد.
- هزینه پیاده سازی پایین

عبارت «پنج اس» 5s براساس حروف ابتدای پنج واژه ژاپنی انتخاب شده است:
- ساماندهی (Seiri)
- پاکیزه سازی (Seiso)
- نظم و ترتیب (Seiton)
- استانداردسازی (Sekitsu)
- انضباط (Shitsuke)

پروژه بررسی انواع دستگاه های CNC و کاربردهای آن

پروژه بررسی انواع دستگاه های CNC و کاربردهای آن

فرمت فایل دانلودی: .doc
فرمت فایل اصلی: doc
تعداد صفحات: 63
حجم فایل: 1654
قیمت: : 11000 تومان

بخشی از متن:
بخشی از متن:
ماشین سی ان سی یا دستگاه کنترل رقمی، دستگاهی است که توسط کامپیوتر عملیات انجام می دهد، این دستگاه پس از تبدیل مختصات طرح حکاکی یا برش به جی کدها در کامپیوتر آنرا بر روی ماده مورد نظر پیاده می کنند.
در حالی که اکثر مردم حتی نام ماشین سی ان سی را نیز نشنیده اند، انواع مختلف ماشین سی ان سی در اکثر وسایلی که مردم روزانه با آنها سروکار دارند اثری گذاشته است، اگر کسی کار صنعتی انجام داده باشد به احتمال زیاد با ماشین سی ان سی کار کرده است.
کار با ماشین سی ان سی بسیار آسان است، پس از وارد کردن فایل طراحی، تنها کاری که اپراتور دستگاه باید انجام دهد روشن کردن ماشین سی ان سی و نظارت بر کار آن است. در برخی از انواع ماشین سی ان سی حتی نیاز به حرکت دادن قطعه کاری نیست و دستگاه خودش این کار را انجام می دهد.
ماشین سی ان سی که در اوایل دهه هفتاد میلادی به بازار آمده است، کارهای صنعتی را بسیار ساده تر کرده و دیگر اپراتور نیازی به انجام کارهای دستی مانند اندازه گیری ندارد و از وقتش می تواند در کارهایی نظیر طراحی تخصصی تر استفاده کند.
همانطور که در بالا گفته شد، انواع مختلف ماشین سی ان سی در صنایع مختلف کاربرد زیادی دارد و روز به روز استفاده از آن بیشتر می شود. با توجه به کاری که هر کدام از انواع ماشین سی ان سی انجام می دهند، می توان آنها را به دستگاه های مختلفی مانند ماشین سی ان سی لیزر فلزات، ماشین سی ان سی لیزر غیر فلزات، ماشین سی ان سی فرز و ... تقسیم کرد که  هر کدام از این دستگاه ها بر روی مواد خاصی کارکرده و عملیات مختلفی را انجام می دهد.

فهرست مطالب:فصل اول: انواع دستگاه های سی ان سی و کاربردهای آن
مقدمه
دستگاه تراش  CNC
حکاکی شیشه
برش ام دی اف
تراش سنگهای قیمتی
تراش سنگ
استفاده از دستگاه فرز
منبت کاری
قالب سازی
قالب سازی با دستگاه های  CNC
مدل سازی
ماشین های CNC ایرانی و خارجی
دستگاه فرز سی ان سی چوب
فصل دوم: فن آوری سی ان سی 
مقدمه
برنامه نویسی دستی
برنامه نویسی توسط رایانه
تاثیرات تکنولوژی  CNC
توسعه فن آوری
تاثیرات اجتماعی
سیستم  DNC
طراحی به کمک رایانه
تولید کامل توسط رایانه
سیستم مختصات
دقت عملیاتی
زبان ماشین
G  کدها      
M  کدها
کد F  
کد S 
T کدها
مفهوم مختصات دهی مطلق و نسبی
نحوه تعریف و فراخوانی ابزار برای کنترلر  CNC
روش های زیر برنامه نویسی در ماشین های کنترل عددی
سیکل سوراخ کاری عمیق
معرفی سخت افزار دستگاه  CNC
فصل سوم: بحث و بررسی ماشین های سی ان سی
مقدمه
انواع ماشین های تراش CNC  سنگین و غیره
دستگاه تراش Goodway  مدل GZL42
فرز CNC
تراش CNC
CNC
NC
مسیر تکاملی NC
فن آوری میکرو کامپیوتر
اساس کامپیوتر
کاربردهای CNC
اجزای اصلی ماشینھای CNC
برنامه ماشین (واحد ورودی)
واحد کنترل ماشین
سیستم کنترل       
واحد کنترل مدار باز (open loop)
واحد کنترل مدار بسته (closed loop)
سیستم کنترل
تفاوت میان CNC و NC
دانستنی های و مهارت های لازم برای اپراتور CNC
مزایا و معایب دستگاه های CNC
تقسیم بندی ماشین های CNC
منابع 

پروژه بهینه سازی تصاویر با استفاده از الگوریتم‏ ها

پروژه بهینه سازی تصاویر با استفاده از الگوریتم‏ ها

فرمت فایل دانلودی: .docx
فرمت فایل اصلی: docx
تعداد صفحات: 44
حجم فایل: 511
قیمت: : 3000 تومان

بخشی از متن:
چکیده:
در فرآیند نقل و انتقال اطلاعات در ارسال سریع و ذخیره حجم بالایی از تصاویر ، کاهش حجم و فشرده سازی آنها نقشی تعیین کننده ای دارد. می‏توان از الگوریتم‏ها جهت بهینه سازی تصاویر استفاده نمود. اجتماع حشرات متشکل از مورچه‏ها، پرندگان، زنبورها و سایر کلونیها، نمایانگر توانایی مقابله با مشکلات و پیدا نمودن راه حلها، به صورت دسته جمعی می‏باشد. محققان در شاخه هوش محاسباتی از مزایا و فوایدی که در زندگی گروهی حشرات وجود دارد، جهت حل مسائل منتج به بهینه سازی استفاده می‏کنند. طبق بررسی تحقیقات صورت گرفته قطعه‏بندی از مراحل پردازش تصاویر است که این عمل را می‏توان با الگوریتم‏های تکاملی انجام داد.

فهرست مطالب:
چکیده
مقدمه
1- قطعه بندی
2- الگوریتم‏های تکاملی (EAs)
2-1- تکنیک‏های تکاملی
2-1-1- Genetic Programming (GP)
2-1-2- برنامه ریزی تکاملی
2-1-3- استراتژی تکاملی
2-1-4- الگوریتم ژنتیک
2-2- الگوریتم ژنتیک
2-2-1- فرایند الگوریتم ژنتیک در حل یک مساله
2-2-2- عملگرهای الگوریتم ژنتیک
2-2-2-1- حل Representation
2-2-2-2-   تابع Fitness
2-2-2-3- انتخاب selection
2-2-2-4- Crossover
2-2-2-5- جهش
2-3- سیستم کلونی مورچه ‏ها
2-3-1- الگوریتم بهینه سازی کلونی مورچه ‏ها
2-3-2- الگوریتم ساده شده مورچه‏ ها
2-3-3- الگوریتم مورچه‏ ها
2-4- حرکت دسته جمعی پرندگان
2-4-1- توپولوژی‏های همسایگی PSO
2-4-2- ساختار الگوریتم PSO
2-4-3- بهبود همگرایی الگوریتم PSO
2-5- الگوریتم توسعه داده شده (استعماری)
3- بهینه سازی
3-1- بهینه سازی مبتنی بر تقطیع تصویر توسط ژنتیک الگوریتم
3-2- کاربرد‏های الگوریتم کلونی مورچه‏ ها در سگمنتیشن تصویر
3-2-1- تقطیع تصویر مبتنی بر MRF با استفاده از سیستم کلونی مورچه
3-2-2- سیستم Ant Colony برای تقسیم بندی و طبقه بندی Microcalcification در ماموگرام
3-2-3- استفاده از الگوریتم ACO در تقطیع تصویر برای آستانه سازی مطلوب
3-3- الگوریتم استعماری
منابع
فهرست اشکال

پروژه امنیت پایگاه های اطلاعاتی آماری

پروژه امنیت پایگاه های اطلاعاتی آماری

فرمت فایل دانلودی: .docx
فرمت فایل اصلی: docx
تعداد صفحات: 42
حجم فایل: 2322
قیمت: : 4000 تومان

بخشی از متن:
چکیده:
پایگاه اطلاعاتی آماری (SDB) پایگاهی است که از آن استفاده می کنند تا اطلاعات آماری استخراج شده از ثبت ها را به استفاده کننده ها برگردانند تا برای تحلیل های آماری از آنها استفاده کنند. گاهی اوقات، با ربط دادن اطلاعات کافی داده های محرمانه ای در مورد یک شخص را می توان حدس زد. نمونه ای از اطلاعات محرمانه ذخیره شده در SDB ممکن است در مورد حقوق ها یا تاریخچه پزشکی اشخاص باشد. مسئله مهم، فراهم کردن امنیت برای SDB در مقابل افشا شدن اطلاعات محرمانه می باشد. یک پایگاه اطلاعاتی در صورتی امن خواهد بود که با سوال های در دسترس نتوان هیچگونه اطلاعاتی را از آن حدس زد. یکی از شیوه های کنترل امنیتی که در نوشته ها توصیه شده است شامل، در مورد محدودیت سوال پرسیدن است: مسئله امنیت این است تا استفاده از SDB را محدود کند، یک مکانیسم کنترل معرفی کند، به شکلی که هیچ اطلاعات محافظت شده ای را نتوان از سوال های در دسترس به دست آورد. جین و اوزمویوگلو یک مکانیسم کنترل معرفی کردند به نام Audit Expert (متخصص بازبینی) که فقط سوال های SUM، یعنی میزان خاصی از اطلاعات ثبت شده اشخاص در دسترس استفاده کننده ها هستند. این مدل سوال کردن SUM منجربه چند مسئله بهینه سازی چالش انگیز می شود. فرض کنید n تا ثبت عددی {Z1,…,Zn} در پایگاه اطلاعاتی وجود دارد. یک مسئله طبیعی این است تا تعداد سوال های SUM قابل پاسخ را به حداکثر برسانیم، یعنی تعداد جمع زیرمجموعه {Z1,…,Zn} که می توان آنها را بازگرداند، به شکلی که هیچ کدام از عددهای Zi را نتوان از این سوال ها حدس زد. در این مقاله محدوده های محکمی را برای این عدد تحت محدودیتهایی روی سایز و بُعد مجموعه های سوالی ارائه می دهیم.

فهرست مطالب:
چکیده
مقدمه
نتایج اصلی
رعایت HIPAA 
پیش پردازش ها یا تبدیل داده ها
ویژگی های مقیاس بندی، رمزگذاری و انتخاب
برآورد مدل یا کاوش در داده ها 
تفسیر نتیجه یا تفسیر مدل و رسیدن به نتایج
آماده سازی داده ها
نمایش جدولی یک مجموعه داده ها
داده های از دست رفته
تحلیل داده های نامنطبق
انواع داده های آماری
محدودیتهای مجموعه ی پرس و جو
انحراف برون داد
بیان مثالی از بانک های اطلاعات آماری  
منابع

پروژه شبکه عصبی

پروژه شبکه عصبی

فرمت فایل دانلودی: .docx
فرمت فایل اصلی: docx
تعداد صفحات: 61
حجم فایل: 1285
قیمت: : 3000 تومان

بخشی از متن:
چکیده:
شبکه‌های عصبی مصنوعی از مباحث جدیدی است که دانشمندان علوم کامپیوتر به آن علاقمند شده‌اند و برای پیشرفت هرچه بیشتر علوم کامپیوتر وقت و هزینه بسیاری را صرف آن کرده و می‌کنند. این موضوع با ایده گرفتن از سیستم عصبی بدن انسان و با هدف شبیه‌ سازی هرچه بیشتر کامپیوتر به انسان شکل گرفت و تا حال به خوبی پیشرفته است. از جمله کاربردهای این بحث می‌توان از شناسایی الگوها، پردازش تصویر و رویت، هوش مصنوعی، کنترل رباتها و موارد بسیار دیگر نام برد. ما در این مقاله پس از مقدمه به مسائل در خور شبکه‌های عصبی مصنوعی و نیز کاربردهای آن خواهیم پرداخت, در ادامه Perceptron ها را که یکی از مهمترین الگوریتم‌های شبکه‌های عصبی مصنوعی می‌باشد معرفی می‌کنیم.

فهرست مطالب:
چکیده
مقدمه
بیان مسئله
ایده پیدایش شبکه‌های عصبی مصنوعی
بررسی سلولهای مغزی افراد
توپولوژی شبکه
تاریخچه شبکه‌های عصبی مصنوعی
چرا از شبکه های عصبی استفاده می کنیم
مزیتهای دیگر شبکه های عصبی
شبکه‌های عصبی در مقایسه با کامپیوترهای سنتی
نورون مصنوعی
ساختار شبکه‌های عصبی
تقسیم بندی شبکه‌های عصبی
کاربرد شبکه‌های عصبی
معایب شبکه‌های عصبی
نرم افزارهای شبکه های عصبی
انواع یادگیری برای شبکه های عصبی
هوش جمعی
مدل سازی کلاسیک
مدل سازی شبکه ی عصبی
معایب ANN  ها
یک شبکه عصبی جدید و کاربرد آن
روش مدلسازی دینامیک
نتایج مدلسازی
نتیجه فصل
نتایج تجربی
حساسیت به شرط اولیه
تغییرات طیف
نتیجه فصل
منابع

پروژه انواع تکنیک های داده کاوی

پروژه انواع تکنیک های داده کاوی

فرمت فایل دانلودی: .docx
فرمت فایل اصلی: docx
تعداد صفحات: 63
حجم فایل: 1251
قیمت: : 7000 تومان

بخشی از متن:
چکیده:
امروزه به دلیل وجود ابزارهای مختلف برای جمع آوری داده ها و پیشرفت قابل قبول تکنولوژی پایگاه داده حجم انبوهی از اطلاعات در انبار داده  های مختلف ذخیره شده است. این رشد انفجاری داده ها، احتیاج به یک سری تکنیک ها و ابزارهای جدید که توانایی پردازش هوشمندانه اطلاعات را دارا باشند، نمایان می سازد. 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 چقدر حرفه ای 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 باشند، هزینه عملیات از نظر نیروی انسانی و مالی بسیار بالا است.
در حال حاضر داده کاوی  در پایگاه داده های بزرگ، توسط بسیاری از محققان به عنوان یک موضوع تحقیقاتی مهم به شمار می آید. محققان در بسیاری از رشته ها نظیر پایگاه داده ها، یادگیری ماشین و آمار این موضوع را پیگیری کرده و تکنیک های مختلفی را در این زمینه ارائه دادند. داده کاوی یکی از مهمترین روشهایی 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 سازمان ها اتخاذ شوند. در داده کاوی از بخشـی به نام تحلیل اکتشــافی داده ها استفاده می شود که در آن بر کشف اطلاعات نهفته و ناشناخته از درون حجم انبوه داده ها تاکید می شود بنابراین می توان گفت در داده کاوی تئوری های پایگاه داده ها، هوش مصنوعی، یادگیری ماشین وعلم آمار را در هم می آمیزند تا زمینه کاربردی فراهم شود. مراحل مختلف استخراج دانش  در پایگاه داده ها:
- درک دامنه مسئله
- استخراج یک مجموعه داده
- آماده سازی و پاک سازی
- یکپارچه سازی داده ها
- کاهش و تغییر شکل داده ها
- انتخاب نوع کاوش داده ها
- انتخاب الگوریتم کاوش داده ها
- استفاده از دانش کشف شده

فهرست مطالب:
چکیده
1. مقدمه
1-1. تاریخچه
2. داده­ کاوی
2-1. مفاهیم اساسی در داده­ کاوی
2-2. جایگاه داده­کاوی
2-3. بعضی از کابردهای داده­ کاوی
3. مراحل داده ­کاوی
3-1. مرحله اول شناخت کسب و کار
3-2. مرحله دوم شناخت اطلاعات
3-2-1. جمع آوری داده ­های اولیه و اصلی
3-2-2. شرح وتوصیف داده ها
3-2-3. کاوش داده ­ها
3-2-4. تحقیق در مورد کیفیت داده ­ها
3-3. مرحله سوم آماده سازی داده ­ها
3-3-1. انتخاب داده ­ها
3-3-2. تمیز کردن داده ­ها
3-3-3. تبدیل داده­ ها
3-3-4. تلفیق داده­ ها
3-4. مرحله چهارم مدلسازی
3-4-1. استقرار مدل­ ها
3-5. مرحله پنجم ارزیابی
3-5-1. ارزیابی مدل­ های توصیفی
3-5-2. ارزیابی مدل­ های جهتدار
3-5-3. ارزیابی طبقه­ بندها و پیشگوها
3-5-4. ارزیابی تخمین­گرها
3-6. مرحله ششم پیاده سازی
3-6-1. گسترش برنامه
3-6-2. نگهداری و قوت برنامه
3-6-3. تولیدگزارش نهایی
3-6-4. تجدید نظر و نشریه کردن پروژه
4. استراتژی­های داده­کاوی
4-1. یادگیری با نظارت یا یادگیری تحت نظارت
4-2. یادگیری بدون نظارت
5. تکنیک­های داده­ک اوی
5-1. طبقه­ بندی
5-2. خوشه­ بندی
5-2-1. نقطه تمایز خوشه ­بندی از دسته­ بندی
5-3. رگرسیون گیری
5-3-1. رگرسیون منطقی
5-4. تجمع وهمبستگی
5-5. درخت تصمیم­ گیری
5-5-1. اهداف اصلی درخت­های تصمیم گیری دسته­ بندی کننده
5-5-2. گام­های لازم برای طراحی یک درخت تصمیم گیری
5-5-3. جذابیت درختان تصمیم
5-5-4. بازنمایی درخت تصمیم
5-5-5. مسائل عملی در یادگیری درختان تصمیم
5-5-6. اورفیتینگ داده­ ها
5-5-7. انواع روشهای هرس کردن
5-5-8. مزایا و معایب درختان تصمیم
5-6. الگوریتم ژنتیک
5-6-1. مزایا و معایب الگوریتم­ های ژنتیک
5-7. شبکه­ های عصبی
5-7-1. شبکه عصبی با یک لایه نهان
5-7-2. مزایا و معایب شبکه­های عصبی
5-7-3. کاربردها
5-7-4.معماری شبکه­ عصبی مصنوعی
6. گام نهایی فرایند داده ­کاوی
7. تکنولوژی­ های مرتبط با داده­ کاوی
7-1. انبارداده
7-1-1. مشخصات ساختاری انبارداده
7-2. OLAP
8. وظایف داده­ کاوی
8-1. دسته­ بندی
8-2. خوشه­ بندی
8-3. تخمین
8-4. وابستگی
8-5. رگرسیون
8-6. پیش­گویی
8-7. تحلیل توالی
8-8. تحلیل انحراف
8-9. نمایه سازی
9. محدودیت­های داده­ کاوی
10. نرم افزارهای داده ­کاوی
10-1. نرم افزار وکا
10-1-1. قابلیت­های وکا
10-2. نرم افزار JMP
10-2-1. قابلیت­های JMP
11. نتیجه گیری
12. منابع