آخرین مقالات

خانه » پروژه دانشجویی » کامپیوتر » بررسی و مطالعه کامل داده کاوی و داده کاوی با (SQL server 2005) پیاده سازی آن روی بانک اطلاعاتی دانشگاه آزاد

بررسی و مطالعه کامل داده کاوی و داده کاوی با (SQL server 2005) پیاده سازی آن روی بانک اطلاعاتی دانشگاه آزاد

:: توضیحات بیشتر در مورد بررسی و مطالعه کامل داده کاوی و داده کاوی با (SQL server 2005) پیاده سازی آن روی بانک اطلاعاتی دانشگاه آزاد :
بررسی و مطالعه کامل داده کاوی و داده کاوی با (SQL server 2005) پیاده سازی آن روی بانک اطلاعاتی دانشگاه آزاد
فهرست مطالب
* 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)
* ۱-۶-۲-۷-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
* ۲-۲-۴-۲-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
* ۵-۵-۸-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
* ۱-۶-۲- 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

خــریــد ایــــن فـــایــــل

مطالب شابه مطلب فوق