خرید و فروش پروژه دانشجویی | انجام پروژه دانشجویی

بررسی و مطالعه ی کامل داده کاوی و داده کاوی با SQL

چکیده……………………………………………………………………………………………………………………………………………………………           ۱

فصل اول : مقدمه ای بر داده کاوی

مقدمه……………………………………………………………………………………………………………………………………………………………. ۳

عامل مسبب پيدايش داده کاوی…………………………………………………………………………………………………………………. ۳

داده كاوي و مفهوم اكتشاف دانش (K.D.D)……………………………………………………………………………………….. 4

تعریف داده کاوی…………………………………………………………………………………………………………………………………………. ۵

فرآيند داده‌كاوي…………………………………………………………………………………………………………………………………………… ۶

قابليت هاي داده کاوی…………………………………………………………………………………………………………………………………. ۷

چه نوع داده‌هايي مورد كاوش قرار می گيرند؟………………………………………………………………………………………….. ۷  

وظایف داده کاوی ……………………………………………………………………………………………………………………………………….. ۸

کلاس بندي………………………………………………………………………………………………………………………………………………….. ۹

مراحل يک الگوريتم کلاس‌بندي………………………………………………………………………………………………………………… ۱۰

انواع روش‌هاي کلاس‌بندي………………………………………………………………………………………………………………………….. ۱۰

درخت تصمیم………………………………………………………………………………………………………………………………………………. ۱۰

کشف تقسیمات……………………………………………………………………………………………………………………………………………. ۱۱

دسته بندی با درخت تصمیم……………………………………………………………………………………………………………………… ۱۲

انواع درخت‌هاي تصميم………………………………………………………………………………………………………………………………. ۱۴

نحوه‌ي هرس كردن درخت………………………………………………………………………………………………………………………….. ۱۴

نزدیکترین همسایگی_ K …………………………………………………………………………………………………………………………. 15

بیزی………………………………………………………………………………………………………………………………………………………………. ۱۶

تئوری بیز …………………………………………………………………………………………………………………………………………………….. ۱۷

دسته بندی ساده بیزی……………………………………………………………………………………………………………………………….. ۱۹

یك مثال در توضیح طبقه بندی ساده بیزی ……………………………………………………………………………………………. ۲۰

ارزيابي روش‌هاي کلاس‌بندي………………………………………………………………………………………………………………………. ۲۲

پيش بيني…………………………………………………………………………………………………………………………………………………….. ۲۳

انواع روش‌هاي پیش بینی…………………………………………………………………………………………………………………………… ۲۳

رگرسیون………………………………………………………………………………………………………………………………………………………. ۲۳

رگرسیون خطی……………………………………………………………………………………………………………………………………………. ۲۴

رگرسیون منطقی…………………………………………………………………………………………………………………………………………. ۲۵

خوشه بندی………………………………………………………………………………………………………………………………………………….. ۲۶

تعريف فرآيند خوشه‌بندي…………………………………………………………………………………………………………………………… ۲۷

کيفيت خوشه‌بندي………………………………………………………………………………………………………………………………………. ۲۷

روش ها و الگوريتم‌هاي خوشه‌بندي…………………………………………………………………………………………………………… ۲۸

روش های سلسله‌مراتبي………………………………………………………………………………………………………………………………. ۲۸

الگوریتم های سلسله مراتبی……………………………………………………………………………………………………………………….. ۲۸

الگوريتم خوشه بندی single-linkage ………………………………………………………………………………………………….. 29

الگوريتم‌هاي تفكيك…………………………………………………………………………………………………………………………………….. ۳۵

روش‌هاي متكي بر چگالي……………………………………………………………………………………………………………………………. ۳۵

روش‌هاي متكي بر گريد………………………………………………………………………………………………………………………………. ۳۵

روش‌‌هاي متكي بر مدل……………………………………………………………………………………………………………………………….. ۳۶

تخمين…………………………………………………………………………………………………………………………………………………………… ۳۶

درخت تصمیم………………………………………………………………………………………………………………………………………………. ۳۶

سري هاي زماني …………………………………………………………………………………………………………………………………………. ۳۷

کاربردهای داده کاوی…………………………………………………………………………………………………………………………………… ۳۷

قوانين انجمنی……………………………………………………………………………………………………………………………………………… ۳۸

كاوش قوانين انجمنی…………………………………………………………………………………………………………………………………… ۳۸

اصول كاوش قوانين انجمنی………………………………………………………………………………………………………………………… ۳۹

اصول استقرا در كاوش قوانين انجمنی………………………………………………………………………………………………………. ۴۰

الگوريتم Apriori……………………………………………………………………………………………………………………………………….. 42

متن کاوی……………………………………………………………………………………………………………………………………………………… ۴۳

مقدمه……………………………………………………………………………………………………………………………………………………………. ۴۳

فرآيند متن کاوي…………………………………………………………………………………………………………………………………………. ۴۶

کاربردهاي متن کاوي…………………………………………………………………………………………………………………………………… ۴۸
جستجو و بازيابي………………………………………………………………………………………………………………………………………….. ۴۹
گروه بندي و طبقه بندي داده…………………………………………………………………………………………………………………….. ۴۹
خلاصه سازي……………………………………………………………………………………………………………………………………………….. ۵۰
روابط ميان مفاهيم……………………………………………………………………………………………………………………………………….. ۵۰
يافتن و تحليل ترند ها…………………………………………………………………………………………………………………………………. ۵۰
برچسب زدن نحوي (POS)………………………………………………………………………………………………………………………. 51
ايجاد تزاروس و آنتولوژي به صورت اتوماتيک ………………………………………………………………………………………….. ۵۱

تصویر کاوی…………………………………………………………………………………………………………………………………………………… ۵۲

وب کاوی………………………………………………………………………………………………………………………………………………………. ۵۳

 

فصل دوم : الگوریتم ژنتیک

مقدمه……………………………………………………………………………………………………………………………………………………………. ۵۶

مفاهیم پایه و لغات کلیدی………………………………………………………………………………………………………………………….. ۵۶

اصول الگوريتم ژنتيک ………………………………………………………………………………………………………………………………… ۵۷

کد گذاری……………………………………………………………………………………………………………………………………………………… ۵۷

روش‌هاي كد گذاري…………………………………………………………………………………………………………………………………….. ۵۷

کدگذاری دودویی…………………………………………………………………………………………………………………………………………. ۵۷

کدگذاری مقادیر…………………………………………………………………………………………………………………………………………… ۵۷

کدگذاری درختی…………………………………………………………………………………………………………………………………………. ۵۸

ارزیابی…………………………………………………………………………………………………………………………………………………………… ۵۹

انتخاب…………………………………………………………………………………………………………………………………………………………… ۵۹

انتخاب گردونه دوار………………………………………………………………………………………………………………………………………. ۶۰

انتخاب رتبه ای…………………………………………………………………………………………………………………………………………….. ۶۱

انتخاب حالت استوار…………………………………………………………………………………………………………………………………….. ۶۲

نخبه گزینی………………………………………………………………………………………………………………………………………………….. ۶۲
عملگرهای تغییر…………………………………………………………………………………………………………………………………………… ۶۲

عملگر Crossover……………………………………………………………………………………………………………………………………. 63
عملگر جهش ژنتیکی…………………………………………………………………………………………………………………………………… ۶۳

احتمال Crossover و جهش…………………………………………………………………………………………………………………… ۶۴

کدبرداری………………………………………………………………………………………………………………………………………………………. ۶۵

ديگر پارامترها……………………………………………………………………………………………………………………………………………….. ۶۵
مزایای الگوريتم هاي ژنتيک ………………………………………………………………………………………………………………………. ۶۷
محدودیت های الگوريتم هاي ژنتيک…………………………………………………………………………………………………………. ۶۸

چند نمونه از کاربرد هاي الگوريتم هاي ژنتيک…………………………………………………………………………………………. ۶۸

يك مثال ساده……………………………………………………………………………………………………………………………………………… ۶۹

نسل اول………………………………………………………………………………………………………………………………………………………… ۷۰

نسل بعدي…………………………………………………………………………………………………………………………………………………….. ۷۲

انتخاب…………………………………………………………………………………………………………………………………………………………… ۷۲
جهش(Mutation) ……………………………………………………………………………………………………………………………………. 73

فصل سوم : شبكه هاي عصبي

چرا از شبکه های عصبی استفاده می کنیم؟…………………………………………………………………………………………….. ۷۵
سلول عصبی ……………………………………………………………………………………………………………………………………………….. ۷۶
نحوه عملکرد مغز ………………………………………………………………………………………………………………………………………… ۷۷

مدل ریاضی نرون…………………………………………………………………………………………………………………………………………. ۷۸

آموزش شبكه‌هاي عصبي …………………………………………………………………………………………………………………………… ۸۴

کاربرد های شبکه های عصبی…………………………………………………………………………………………………………………….. ۸۷

فصل چهارم : محاسبات نرم

مقدمه……………………………………………………………………………………………………………………………………………………………. ۹۱

محاسبات نرم چيست؟………………………………………………………………………………………………………………………………… ۹۳  

رابطه……………………………………………………………………………………………………………………………………………………………… ۹۳

مجموعه های فازی……………………………………………………………………………………………………………………………………….. ۹۶

توابع عضویت………………………………………………………………………………………………………………………………………………… ۱۰۱

عملیات اصلی……………………………………………………………………………………………………………………………………………….. ۱۰۲

نقش مجموعه­های فازی در داده­کاوی…………………………………………………………………………………………………………. ۱۰۳

خوشه بندی………………………………………………………………………………………………………………………………………………….. ۱۰۴

خلاصه­ سازی داده­ها……………………………………………………………………………………………………………………………………. ۱۰۵

تصویر کاوی…………………………………………………………………………………………………………………………………………………… ۱۰۶

الگوریتم ژنتیک…………………………………………………………………………………………………………………………………………… ۱۰۷

نقش الگوریتم ژنتیک در داده کاوی…………………………………………………………………………………………………………… ۱۱۲

رگرسیون………………………………………………………………………………………………………………………………………………………. ۱۱۳

قوانین انجمنی……………………………………………………………………………………………………………………………………………… ۱۱۳

بحث و نتیجه گیری…………………………………………………………………………………………………………………………………….. ۱۱۵

فصل پنجم : ابزارهای داده کاوی

نحوه ی انتخاب ابزار داده کاوی………………………………………………………………………………………………………………….. ۱۱۸

ابزار های داده کاوی……………………………………………………………………………………………………………………………………… ۱۱۹

ابزار SPSS-Clemantine……………………………………………………………………………………………………………………….. 119

ابزار STATISTICA Data Miner……………………………………………………………………………………………………. 120

ابزار KXEN……………………………………………………………………………………………………………………………………………….. 121

مدل Insightful…………………………………………………………………………………………………………………………………………. 122

مدل Affinium………………………………………………………………………………………………………………………………………….. 122

چگونه می توان بهترین ابزار را انتخاب کرد؟ …………………………………………………………………………………………… ۱۲۴

سناریوهای داده …………………………………………………………………………………………………………………………………………… ۱۲۴

داده کاوی با sqlserver 2005  ……………………………………………………………………………………………………………. ۱۲۶

اتصال به سرور………………………………………………………………………………………………………………………………………………. ۱۲۶

ایجاد Data source ……………………………………………………………………………………………………………………………….. 129

ایجادData source view………………………………………………………………………………………………………………………… 132

ایجاد Mining structures………………………………………………………………………………………………………………………. 136

Microsoft association rule …………………………………………………………………………………………………………….. 141

Algorithm cluster………………………………………………………………………………………………………………………………… 145

Neural network……………………………………………………………………………………………………………………………………. 148

Modle naive-bayes………………………………………………………………………………………………………………………….. 149

Microsoft Tree Viewer……………………………………………………………………………………………………………………. 153

Microsoft-Loistic-Regression…………………………………………………………………………………………………….. 154

Microsoft-Linear-Regression………………………………………………………………………………………………………. 154

فصل ششم : نتایج داده کاوی با SQL SERVER2005روی بانک اطلاعاتـی دانشگاه آزاد قوچان

نتایج Data Mining With Sql Server 2005  روی بانک اطلاعاتی دانشگاه آزاد قوچان………….. ۱۵۶

Microsoft association rule ………………………………………………………………………………………………………………. 156

Algorithm cluster ……………………………………………………………………………………………………………………………….. 156

Neural network…………………………………………………………………………………………………………………………………….. 157

Modle naive-bayes…………………………………………………………………………………………………………………………….. 157

Microsoft Tree Viewer ………………………………………………………………………………………………………………….. 158

نتیجه گیری………………………………………………………………………………………………………………………………………………….. ۱۵۹

پیشنهادات…………………………………………………………………………………………………………………………………………………….. ۱۶۰

منابع و ماخذ………………………………………………………………………………………………………………………………………………… ۱۶۱

 

پروژه های دیگر
تخفیف های خرید پروژه تا 50% ! برای اطلاعات بیشتر در خبرنامه پیامکی سایت ثبت نام کنید.
Daily news and analysis ترجمه مقاله ویرایش مقاله‎ ترجمه مقاله ویرایش مقاله