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

بررسی و مطالعه ی کامل داده کاوی و داده کاوی با SQL SERVER
بررسی و مطالعه ی کامل داده کاوی و داده کاوی با SQL SERVER
60,000 ریال 
تخفیف 15 تا 30 درصدی برای همکاران، کافی نت ها و مشتریان ویژه _____________________________  
وضعيت موجودي: موجود است
فايل نمونه: فهرست داده کاوی.rar
تعداد:  
افزودن به ليست مقايسه | افزودن به محصولات مورد علاقه

تعداد صفحات: 222 صفحه _ فرمت word پیاده سازی آن روی بانک اطلاعاتی دانشگاه آزاد قوچان _ دانلود مطالب بلافاصله پس از پرداخت آنلاین


فهرست مطالب
چکیده
فصــل اول
مقدمه ای بر داده کاوی 
مقدمه
عامل مسبب پيدايش داده کاوی
تعریف داده کاوی 
فرآيند داده‌كاوي
چه نوع داده‌هايي مورد كاوش قرار می گيرند؟  
انواع روش‌هاي کلاس‌بندي 
درخت تصمیم
دسته بندی با درخت تصمیم
نزدیکترین همسایگی_ K
دسته بندی ساده بیزی
انواع روش‌هاي پیش بینی
روش‌هاي متكي برچگالي  
-  روش‌‌هاي متكي بر مدل
درخت تصمیم
قوانين انجمنی
كاوش قوانين انجمنی
اصول كاوش قوانين انجمنی
اصول استقرا در كاوش قوانين انجمنی
-  الگوريتم Apriori
متن کاوی
فرآيند متن کاوي
کاربردهاي متن کاوي
جستجو و بازيابي
گروه بندي و طبقه بندي داده
روابط ميان مفاهيم
يافتن و تحليل ترند ها
برچسب زدن نحو (POS)
ايجاد تزاروس و آنتولوژي به صورت اتوماتيک
تصویر کاوی

فصل دوم
الگوریتم ژنتیک
مقدمه
مفاهیم پایه و لغات کلیدی
اصول الگوريتم ژنتيک
روش های کد گذاری
عملگر جهش ژنتیکی
ديگر پارامترها
مزایای الگوريتم هاي ژنتيک
محدودیت های الگوريتم هاي ژنتيک
انتخاب

فصل سوم
شبكه هاي عصبي           
چرا از شبکه های عصبی استفاده می کنیم؟
سلول عصبی
کاربرد های شبکه های عصبی

فصل چهارم
محاسبات نرم
مقدمه
محاسبات نرم  چيست ؟  
مجموعه های فازی
توابع عضویت
عملیات اصلی
نقش مجموعه¬های فازی در داده¬کاوی
خلاصه¬ سازی داده¬ها
نقش الگوریتم ژنتیک در داده کاوی
رگرسیون
بحث و نتیجه گیری

فصل پنجم
ابزارهای داده کاوی
نحوه ی انتخاب ابزارداده کاوی
چگونه می توان بهترین ابزار را انتخاب کرد؟

فصل ششم
نتایج داده کاوی با SQL SERVER2005  روی بانک اطلاعاتی دانشگاه
منابع وماخذ


چکیده
بررسی ومطالعه ی کامل داده کاوی و داده کاوی با SQL SERVER2005
پیاده سازی آن روی بانک اطلاعاتی دانشگاه آزاد قوچان

     امروزه با گسترش سيستم هاي پايگاهي و حجم بالاي داده ها ي ذخيره شده در اين سيستم ها ، نياز به ابزاري است تا بتوان داده هاي ذخيره شده را پردازش کرد و اطلاعات حاصل از اين پردازش را در اختيار کاربران قرار داد.
   داده کاوي يکي از مهمترين روش ها ی کشف دانش است که به وسيله آن الگوهاي مفيد در داده ها با حداقل دخالت کاربران شناخته مي شوند و اطلاعاتي را در اختيار کاربران و تحليل گران قرار مي دهند تا براساس آنها تصميمات مهم و حياتي در سازمانها اتخاذ شوند.داده کاوی را تحلیل گران با اهداف گوناگونی از قبیل کلاس بندی, پیش بینی, خوشه بندی ,تخمین انجام می دهند. برای کلاس بندی, مدل هاو الگوریتم هایی مانند قاعده ی بیز, درخت تصمیم, شبکه ی عصبی, الگوریتم ژنتیک مطرح شده است.برای پیش بینی مدل رگرسیون خطی ومنطقی و برای خوشه بندی الگوریتم های سلسله مراتبی و تفکیکی,  وبرای تخمین مدل های درخت تصمیم و شبکه ی عصبی  مطرح می شود. در فصل دوم و سوم با الگوریتم ژنتیک که یکی از الگوریتم های داده کاوی و با شبکه ی عصبی که یکی از مدل های داده کاوی هستند آشنا می شویم .درفصل چهارم به محاسبات نرم و برخی از اجزای اصلی ان و نقش آنها در داده کاوی می پردازیم.
    در فصل پنجم با ابزارهای داده کاوی آشنا می شویم . برای داده کاوی ابزارهای متنوعی وجود دارد. می توان ابزارداده کاوی را با تطبیق آن ابزار با داده های مسئله و با توجه به محیط داده ای که می خواهید از آن استفاده کنید، و امکاناتی که آن ابزار دارد انتخاب کنید.وسپس به داده کاوی با SQLSERVER2005 می پردازیم .ودرفصل ششم به داده کاوی با SQL SERVER2005  روی بانک اطلاعاتی دانشگاه آزاد قوچان پرداختیم.
 کلمات کلیدی ،کلاس بندی ، خوشه بندی ، پیش بینی ، تخمین



منابع وماخذ
 [1]:   
J.Han, and M.Kamber, “Data Mining: Concepts and Techniques”, San Diego Academic Press, 2001
[2]:
Matjaz Gams, Nada Lavarc, Review Of Five Emperical Learning Systems Whitin a Proposal Schemata,1987 , EWSL87.

 [3]:
 Introduction to Data Mining and Knowledge Discovery By Two Crows Corporation


 [4]:
 David J. HAND , Data Mining: Statistics and More? , December 2002.

[5]:
 Jeffery W. Seifert , Analyst in information science and Technology Policy, ‘ Data Mining : An Overview ‘ December 2004.


 [6]:
Ruby L. Kennedy, Yuchung Li, Benjamin Van Roy, Christopher D. Reed, Dr. Richard P. Lippmann, Solving Data Mining Problems Through Pattern Recognition, 1997.


[7]:
 J.Han, M.Kamber, Date Mining: Goncepts and Techinqeus, JimGray, Series Editor Morgan Kaufmann Publishers, Augest 2000.

 [8]:
  Artificial Intelligence, 1994] P. Langley and S. Sage. Induction of Selective      Bayesian Classifiers. Proc. 10th Conf. on

 [9]:
Two Crows Corporation,Introduction to Data Mining and Knowledge Discovery,1999

 [10]:
Ruby L. Kennedy, Yuchung Li, Benjamin Van Roy, Christopher D. Reed, Dr. Richard P. Lippmann, Solving Data Mining Problems Through Pattern Recognition, 1997.

        [11]:
 http://www.30sharp.com
   
 [12] P. Berkhin, Survay of clustering Data Mining Techniques, Accrue Software, CA. 2002.
    
 [13]:
 Sarawagi, Thomas, Agrawal, Integrating Association Rule Mining with Relational Database Systems: Alternative and Implecations

 [14]:
 Ramakrishnan Srikant, Rakesh Agrawal, Mining  Quanitative Associattion Rules in Large Relational Tables, 1995.


 [15]:
 Sehgal, A.K. Text Mining: The Search for Novelty in Text. Ph.D. Comprehensive Examination Report, Dept. of Computer Science, The University of Iowa, April 2004

[16] :
H. Zhuge et al. An Automatic Semantic Relationships Discovery Approach. The 13th International World Wide Web Conference (WWW2004), New York, USA, May 2004,
[17]:   
M. Rajman. Text Mining, knowledge extraction from unstructured textual data. Proc. of EUROSTAT Conference, Francfort (Deutchland), may, 1997

 [18]:
 M. A. Hearst. Untangling text data mining. In Proceedings of the ACL’99: the 37th Annual Meeting of the Association for Computational Linguistics. University of Maryland, June 20-26 1999

[19]:
Dr Alex Rogers , CM2408 – Symbolic Al Lecture 8 – Introduction to Genetic Algorithms ,December 2002

[20]:
Mehrdad Dianati , Insop Song , Mark Treiber , An Introduction to Genetic Algorithms and Evolution Strategies

     [21]:
 http--www.genetic-programming.com

[22]:
 PersianArticles@PetroleumTimes.htm

[23]:
www.talkorigins.org

[24]:

www.ccwmagazine.com

[25]:
www.gpwiki.org

[26  ]:
 http://developercenter.ir/Forum/index.php
 
 [27]:
cortex.snowseed.com-neuralnetworks.htm

[28]:
R.Kohavi, B.Masand,M.Spilipoulou ,and J.Srivastava, “WebMining “: DATA Mining and Knowlede Disscovery, vol.6,pp.5-8.2002

[29]:
J.Zhan,W.Hsu, and M.L.Lee, “Image mining :Issues , frameworks and techniques ,” in proceedings of the 2nd international workshop on  milti –media data mining and the ACM SIGKDD Conference (MDM/KDD ’01)(San Francisco), pp.13-20 , August 2001.

[30]:
A.Vailaya .A.T,Fiueiredo,A.K.Jain , and H.J.Zhang, “ Image classification for content –based indexing ,” IEEE Transactions on Image processing ,vol .10,pp.117-130 ,2001.

[31]:
http://msdn.microsoft.com/msdntv/episode.aspx?xml=episodes/en/20050804SQLServerJM/manifest.xml


http://www.ssw.com.au/ssw/events/2006UTS_BI/resources.aspx

نظري براي اين محصول ثبت نشده است.


نوشتن نظر خودتان

براي نوشتن نظر وارد شويد.

محصولات
نظر سنجي
نظرتون در مورد ویکی پروژه چیه؟
  •   مراحل ثبت نام خیلی زیاده!
  •   مطلب درخواستیم رو نداشت!
  •   ایمیل نداشتم که ثبت نام کنم!
  •   مطلبی که میخواستم گرون بود!
نظرنتيجه