پروژه تكنيك هاي داده كاوي در سازمان ها

پروژه تكنيك هاي داده كاوي در سازمان ها

فرمت فايل دانلودي: .docx
فرمت فايل اصلي: docx
تعداد صفحات: 90
حجم فايل: 484
قيمت: : 9000 تومان

بخشي از متن:
چكيده:
داده كاوي، استخراج اطلاعات و دانش و كشف الگوهاي پنهان از يك پايگاه داده هاي بسيار بزرگ، كاربردهاي زيادي در كسب و كارهاي امروزي پيدا كرده است. استفاده از تكنيك هاي داده كاوي در سازمان ها منتج به تعداد زيادي قانون و الگو مي شود كه با توجه به محدوديت در منابع و بودجه، پياده سازي همه ي آنها امكان پذير نمي باشد. مي توان گفت كه ارزيابي و رتبه بندي قوانين وابستگي كاري مهم و چالش برانگيز است. با استفاده از از تكنيك ناپارامتريك تحليل پوششي داده ها به ارائه چارچوبي براي ارزيابي و اولويت بندي قوانين وابستگي مي پردازيم. در اين تحقيق ابتدا مدلي براي شناسايي كاراترين واحد تصميم گيري در حالت بازده متغير به مقياس ارائه مي شود. پس از آن، با استفاده اين مدل، متدي نوين جهت رتبه بندي واحدهاي تصميم گيري ارائه مي شود. سپس با استفاده از مدل و متد پيشنهادي، چارچوبي نوين جهت رتبه بندي قوانين وابستگي داده كاوي توسعه داده مي شود. در انتها، با پياده سازي چارچوب پيشنهادي براي اولويت بندي قوانين وابستگي داده كاوي در بانك كشاورزي كاربردپذيري چارچوب پيشنهادي نشان داده مي شود.
كلمات كليدي: فناوري اطلاعات (IT)، الگوهاي پنهان، داده كاوي (Data Mining)، تكنيك هاي داده كاوي، قوانين داده كاوي

فهرست مطالب:
چكيده
مقدمه اي بر داده‌كاوي
فصل اول: داده كاوي
1-1 چه چيزي سبب پيدايش داده كاوي شده است؟
1-2 مراحل كشف دانش
1-3 جايگاه داده كاوي در ميان علوم مختلف
1-4 داده كاوي چه كارهايي نمي تواند انجام دهد؟
1-5 داده كاوي و انبار داده ها
1-6 داده كاوي و OLAP
1-7 كاربرد يادگيري ماشين و آمار در داده كاوي
1-8 توصيف داده ها در داده كاوي
1-8-1 خلاصه سازي و به تصوير در آوردن داده ها
1-8-2 خوشه بندي
1-8-3 تحليل لينك
فصل دوم: پيش بيني دادها
2-1 مدل هاي پيش بيني داده ها
2-1-1 Classification
2-1-2 Regression
2-1-3 Time Series
2-2 مدل ها و الگوريتم هاي داده كاوي
2-2-1 شبكه هاي عصبي
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 رگرسيون منطقي
2-2-7  تحليل تفكيكي
2-2-8 مدل افزودني كلي (GAM)
2-2-9 Boosting
فصل سوم انتخابها
3-1 سلسله مراتب انتخابها
3-2 كاربرد  علم آمار در داده كاوي
3-2-1 مقدمه و مقايسه
3-2-2 كاربردهاي روشهاي آماري  
3-3 پيش بيني (Prediction)
3-4 نگاه عميق تر به شبكه عصبي
3-4-1 سابقه تاريخي
3-4-2 شبكه هاي عصبي در مقابل كامپيوتر هاي معمولي
3-4-3 چرا از شبكه هاي عصبي استفاده مي كنيم؟
3-4-4 تفاوت‌هاي شبكه‌هاي عصبي با روش‌هاي محاسباتي متداول و سيستم‌هاي خبره
3-3-5 كاربردهاي شبكه هاي عصبي 
3-4  آشنايي با الگوريتم ژنتيك
3-5 الگوريتم مورچگان 
3-5-1 كاربردهاي الگوريتم مورچگان 
فصل چهارم: داده كاوي در سازمانها
4-1 كاربردهاي داده كاوي در كتابخانه ها و موسسات دانشگاهي
4-1-1 ديتامارت
4-2 عناصر داده كاوي
4-2-1 نرم افزار:
4-3 كاربردهاي داده كاوي در كتابخانه ها و محيط هاي دانشگاهي
4-4 مديريت موسسات دانشگاهي
فصل پنجم: نتيجه گيري و پيشنهادها
منابع و مراجع

پرداخت با كليه كارتهاي عضو شتاب امكان پذير است.