خرید و دانلود فصل دوم پایان نامه داده کاوی و مفاهیم آن با فرمت docx در قالب 35 صفحه ورد
تعداد صفحات | 35 |
حجم | 1050/210 کیلوبایت |
فرمت فایل اصلی | docx |
بطور خلاصه داده کاوی عبارت است از کاوش یا استخراج دانش در مجموعه عظیمی از داده ها. رشد روز افزون داده در شاخه های مختلف صنعت و علوم باعث شده است تا از کامپیوتر و علوم مربوط به آن جهت پردازش این حجم بالا از داده ها استفاده شود. بطور کلی هدف از پردازش داده ها، استخراج اطلاعات و دانش از آنها به گونه ای است که بتوان در علوم و کاربردهای دیگر از آنها استفاده نمود. کاوش داده عبارت است از اعمال روشهای مبتنی بر کامپیوتر جهت استخراج دانش از روی داده های خام. در سالهای اخیر روشهای مختلف و متنوعی جهت کشف و استخراج دانش از روی داده های خام ارائه شده است. دانش مزبور پس از استخراج شدن قابل ارزیابی توسط اشخاص خبره می باشد. با توجه به ارزیابی افراد خبره و همچنین روشهای موجود در بررسی کیفیت دانش استخراج شده، این امکان وجود دارد تا کارآیی الگوریتم کاوشگر دانش مورد مطالعه و بررسی قرار گیرد.;[4] [25]
فهرست مطالب
1-2) داده کاوی: مقدمه 13
2-2) داده کاوی: مفاهیم کلی 13
3-2) روال داده کاوی 16
1-3-2) بیان مسأله و فرمول بندی فرضیه 17
2-3-2) گردآوری داده 17
3-3-2) انجام پیش پردازش 18
4-3-2) تشخیص و حذف داده های زائد 18
5-3-2) برآورد مدل (کاوش داده) 19
6-3-2) تعبیر مدل و استخراج نتایج 19
4-2) آشنایی با مجموعه داده KDD : 20
5-2) ماشین های بردار پشتیبان 23
1-5-2) دسته بندی کننده بردار پشتیبانی 24
2-5-2) SVC با حاشیه انعطاف پذیر 30
3-5-2) کرنل: 33
1-3-5-2) انواع کرنل ها : 35
4-5-2) مقایسه ماشین های بردار پشتیبان با شبکه های عصبی 35
3-5-2) نقاط ضعف ماشین های بردار پشتیبان 36
منابع
خرید و دانلود فصل دوم پایان نامه داده کاوی و تشخیص آن با فرمت docx در قالب 14 صفحه ورد
تعداد صفحات | 14 |
حجم | 104/428 کیلوبایت |
فرمت فایل اصلی | docx |
دادهکاوی، فرآیند تحلیلی است که برای کاوش داده به منظور یافتن الگوهای مستحکم و پایدار و/یا روابط منظم میان ویژگیهای دادهها طراحی شده است. اعتبار الگو یا رابطهی یافته شده، با اعمال آن بر روی مجموعههای جدیدی از داده، سنجیده میشود. هدف نهایی دادهکاوی، پیشبینی است؛ بنابراین دادهکاوی پیشگویانه رایجترین نوع دادهکاوی است و کاربردهای مستقیمی در کسبوکارها دارد.
فهرست مطالب
2-4 داده کاوی 21
2-5 داده کاوی و دادهکاوی 23
2-5-1 قوانین انجمنی 26
2-5-2 قوانین سریالی مکرر 27
2-5-3 دستهبندی 29
2-5-4 خوشهبندی 30
منابع
خرید و دانلود فصل دوم پایان نامه داده کاوی و روش های آن با فرمت docx در قالب 16 صفحه ورد
تعداد صفحات | 16 |
حجم | 43/967 کیلوبایت |
فرمت فایل اصلی | docx |
داده کاوی ترکیبی از تکنیک های یادگیری ماشین، تشخیص الگو، آمار، تئوری پایگاه داده و خلاصه کردن و ارتباط بین مفاهیم و الگوهای جالب به صورت خودکار از پایگاه داده شرکتهای بزرگ است. هدف اصلی داده کاوی کمک به فرآیند تصمیم گیری از طریق استخراج دانش از داده هاست [Alpaydin 2010].
فهرست مطالب
2-1 داده کاوی و یادگیری ماشین 7
2-2 ابزارها و تکنیک های داده کاوی 8
2-3 روشهای داده کاوی 9
2-3-1 روشهای توصیف داده ها 10
2-3-2 روشهای تجزیه و تحلیل وابستگی 10
2-3-3 روشهای دسته بندی و پیشگویی 10
2-3-4 درخت تصمیم 11
2-3-5 شبکه عصبی 12
2-3-6 استدلال مبتنی بر حافظه 12
2-3-7 ماشین های بردار پشتیبانی 13
2-3-8 روشهای خوشه بندی 13
2-3-9 روش K-Means 13
2-3-10 شبکه کوهنن 14
2-3-11 روش دو گام 14
2-3-12 روشهای تجزیه و تحلیل نویز 14
2-4 دسته های نامتعادل]صنیعی آباده 1391[. 15
2-4-1 راهکار مبتنی بر معیار 15
2-4-2 راهکار مبتنی بر نمونه برداری 15
2-5 پیشینه تحقیق 16
2-6 خلاصه فصل 19
منابع
خرید و دانلود فصل دوم پایان نامه داده کاوی و طبقه بندی آن با فرمت docx در قالب 13 صفحه ورد
تعداد صفحات | 13 |
حجم | 73/520 کیلوبایت |
فرمت فایل اصلی | doc |
در داده کاوی با دو مجموعه داده مواجه هستیم، داده آموزشی و داده آزمایشی صفات داده آموزشی را مجموعه معیارهایی تشکیل می دهند که هویت موجودیت های قرارگرفته درر کورد ها را پیشگویی می کنند موجودیت های داده ی آموزشی، مشاهداتی هستند که از قبل هویت شان شناسایی شده است داده ی آموزشی حاوی یک ستون پیش گویی است مقادیر این ستون، با برچسب هایی پر می شوند که هویت اصلی موجودیت ها را نشان می دهد (مثلا درست یا غلط) داده آزمایشی حاوی مشاهداتی است که هویت اصلیشان شناخته شده نیست با تجزیه و تحلیلی که به واسطه الگوریتم های داده کاوی روی داده ی آموزشی صورت می گیرد مدل هایی ساخته می شود مدل سازی، دانش موجود در مشاهدات داده آموزشی را در قالب یک سری قوانین استخراج می کند داده آزمایشی برای ارزیابی دقت پیش گویی مدل ساخته شده روی داده آموزشی بکار برده میشود در واقع پیشگویی یک فرایند دو مرحله ای دارد، فاز یادگیری و فاز دسته بندی
فهرست مطالب
1-1- مقدمه17
1-2- تکنیک های طبقه بندی18
1-3- معیارهای ارزیابی کارایی19
1-4- جمع بندی21
2- مروری بر تحقیقات پیشین23
2-1- مقدمه23
2-2- مطالعات قبلی در شناسایی خودکار و نیمه خودکار الگوهای طراحی و محدودیت هایشان24
جمع بندی
منابع