فرمت فایل : word
نعداد صفحات :22
قابل ویرایش
چکیده:
با افزایش سیستمهای کامپیوتر و گسترش تکنولوژی اطلاعات , بحث اصلی در علم کامپیوتر از چگونگی جمع آوری اطلاعات به نحوه استفاده از اطلاعات منتقل شده است . سیستمهای داده کاوی ,این امکان را به کاربر می دهند که بتواند انبوه داده های جمع آوری شده را تفسیر کنند و دانش نهفته در آن را استخراج نمایند .
داده کاوی به هر نوع کشف دانش و یا الگوی پنهان در پایگاه داده ها اطلاق می شود . امروزه داده کاوی به عنوان یکی از مهمترین مسائل هوش مصنوعی و پایگاه داده ، محققان بسیاری را به خود جذب کرده است . در این تحقیق ابتدا نگاه کلی بر داده کاوی ، استراتژیهای داده کاوی و... داریم ، سپس مسأله کشف قوانین وابستگی در پایگاه داده را به تفضیل بررسی کردیم و نگاهی به الگوریتمهای موجود برای آن داشتیم . سپس مسأله کشف قوانین وابستگی در پایگاه داده های پویا را مورد بحث قرار دادیم و الگوریتم های ارائه شده مربوطه را مطرح کردیم .
فهرست مطالب:
چکیده
مقدمه
تعریف
کشف دانش در پایگاه داده
آیا داده کاوی برای حل مسائل ما مناسب است؟
جمع آوری داده ها
داده کاوی
تفسیر نتایج
بکارگیری نتایج
استراتژیهای داده کاوی
طبقه بندی
تخمین
پیش گویی Perdiction
Unsupervised Clustering دسته بندی بدون کنترل
تحلیل سبد بازاری Market Basket Analyse
Supervised Data Mining تکنیکهای داده کاوی تحت کنترل
شبکه عصبی
برگشت آماری1
قوانین وابستگی2
Apriori الگوریتم
الگوریتم : Aprior TID
الگوریتم partition
الگوریتم های MaxEclat,Eclat
الگوریتم با ساختار trie
الگوریتم fp-grow
ساخت fp- tree
الگوریتم ساخت fp- tree
الگوی شرطی
Fp-tree شرطی
الگوریتم برداری
الگوریتم ارائه شده
یک الگوریتم جدید برای پایگاه داده های پویا
نگهداری قوانین وابستگی
الگوریتم کاهشی
نتیجه گیری
مراجع
دانلود مقاله با موضوع نگاهی بر داده کاوی و کشف قوانین وابستگی
