وب کاوی در صنعت

وب کاوی در صنعت

فرمت فایل دانلودی: .rar
فرمت فایل اصلی: docx
تعداد صفحات: 62
حجم فایل: 280
قیمت: : 60000 تومان

بخشی از متن:
چکیده:
با افزایش چشمگیر حجم اطلاعات و توسعه وب، نیاز به روش ها و تکنیک هایی که بتوانند امکان دستیابی کارا به داده‌ها و استخراج اطلاعات از آنها را فراهم کنند، بیش از پیش احساس می شود. وب کاوی یکی از زمینه های تحقیقاتی است که با به کارگیری تکنیک های داده کاوی به کشف و استخراج خودکار اطلاعات از اسناد و سرویس‌های وب می پردازد. در واقع وب کاوی، فرآیند کشف اطلاعات و دانش ناشناخته و مفید از داده های وب می باشد. روش های وب کاوی بر اساس آن که چه نوع داده ای را مورد کاوش قرار می دهند، به سه دسته کاوش محتوای وب، کاوش ساختار وب و کاوش استفاده از وب تقسیم می شوند.  طی این گزارش پس از معرفی وب کاوی و بررسی مراحل آن، ارتباط وب کاوی با سایر زمینه های تحقیقاتی بررسی شده و به چالش ها، مشکلات و کاربردهای این زمینه تحقیقاتی اشاره می شود. همچنین هر یک از انواع وب کاوی به تفصیل مورد بررسی قرار می گیرند که در این پروژه بیشتر به وب کاوی در صنعت می پردازم. برای این منظور مدل ها، الگوریتم ها و کاربردهای هر طبقه معرفی می شوند.

فهرست مطالب:
چکیده
فصل اول: مقدمه
مقدمه
فصل دوم: داده کاوی
2- 1 مقدمه ای بر داده کاوی
2-1-1 چه چیزی سبب پیدایش داده کاوی شده است؟
2-2 مراحل کشف دانش
2- 3 جایگاه داده کاوی در میان علوم مختلف
2-4 داده کاوی چه کارهایی نمی تواند انجام دهد؟
2-5 داده کاوی و انبار داده ها
2-6 داده کاوی و OLAP
2-7 کاربرد یادگیری ماشین و آمار در داده کاوی
2-8 توصیف داده ها در داده کاوی
2-8-1 خلاصه سازی و به تصویر در آوردن داده ها
2-8-2 خوشه بندی
2-8-3 تحلیل لینک
2-9 مدل های پیش بینی داده ها
2-9-1 دسته بندی
2-9-2 رگرسیون
2-9-3 سری های زمانی
2-10 مدل ها و الگوریتم های داده کاوی
2-10-1 شبکه های عصبی
2-10-2 درخت تصمیم
2-10-3 Multivariate Adaptive Regression Splines(MARS)
2-10-4 Rule induction
2-10-5 K-nearest neibour and memory-based reansoning(MBR)
2-10-6 رگرسیون منطقی
2-10-7 تحلیل تفکیکی
2-10-8 مدل افزودنی کلی (GAM)
2-10-9 Boosting
2-11 سلسله مراتب انتخابها
2-12 داده کاوی و مدیریت بهینه وب سایت ها
2-13 داده‌کاوی و مدیریت دانش
فصل سوم: وب کاوی
3-1 تعریف وب کاوی
3-2 مراحل وب کاوی
3-3 وب کاوی و زمینه های تحقیقاتی مرتبط
3-3-1 وب کاوی و داده کاوی
3-3-2 وب کاوی و بازیابی اطلاعات
3-3-3 وب کاوی و استخراج اطلاعات
3-3-4 وب کاوی و یادگیری ماشین
3-4 انواع وب کاوی
3-5 چالش های وب کاوی
3-6 مشکلات ومحدودیت های وب کاوی در سایت های فارسی زبان
3-7 محتوا کاوی وب
فصل چهارم: وب کاوی در صنعت
4-1 انواع وب کاوی در صنعت
4-1-1 وب کاوی در صنعت نفت، گاز و پتروشیمی
4-1-1-1 مهندسی مخازن/ اکتشاف
4-1-1-2 مهندسی بهره برداری
4-1-1- 3 مهندسی حفاری
4-1-1-4 بخشهای مدیریتی
4-1-2 کاربرد های دانش داده کاوی در صنعت بیمه
4-1-3 کاربردهای دانش داده کاوی در مدیریت شهری
4-1-4 کاربردهای داده کاوی در صنعت بانکداری
4-1-4-1 بخش بندی مشتریان
4-2 پژوهش های کاربردی
نتیجه گیری
منابع و ماخذ فارسی
مراجع و ماخذ لاتین و سایتهای اینترنتی
 
فهرست اشکال:
شکل (2-1) داده کاوی به عنوان یک مرحله از فرآیند کشف دانش
شکل (2-2) سیر تکاملی صنعت پایگاه داده
شکل (2-3) معماری یک نمونه سیستم داده کاوی
شکل (2-4) داده ها از انباره داه ها استخراج می گردند
شکل (2-5) داده ها از چند پایگاه داده استخراج شده اند
شکل (2-6) شبکه عصبی با یک لایه نهان
شکل (2-7) Wx,y وزن یال بین X و Y است.
شکل (2-8) درخت تصمیم گیری
شکل (2-9) روش MBR

پروژه داده کاوی و کاربرد آن درتشخیص بیماری ها

پروژه داده کاوی و کاربرد آن درتشخیص بیماری ها

فرمت فایل دانلودی: .docx
فرمت فایل اصلی: docx
تعداد صفحات: 41
حجم فایل: 1256
قیمت: : 5000 تومان

بخشی از متن:
چکیده:
امروزه در دانش پزشکی جمع آوری داده های فراوان در مورد بیماری های مختلف از اهمیت فراوانی برخوردار است. مراکز پزشکی با مقاصد گوناگونی به جمع آوری این داده ها می پردازند. تحقیق روی این داده ها و به دست آوردن نتایج و الگوهای مفید در رابطه با بیماری ها ، یکی از اهداف استفاده از این داده ها است. حجم زیاد این داده ها و سردرگمی حاصل از آن مشکلی است که مانع رسیدن به نتایج قابل توجه می شود. بنابراین از داده کاوی برای غلبه بر این مشکل و به دست آوردن روابط مفید بین عوامل خطر زا در بیماری ها استفاده می شود.
این مقاله به معرفی داده کاوی وکاربردآن در صنعت پزشکی (پیش بینی بیماری) با استفاده از الگوریتم های داده کاوی به همراه نرم افزارهای مرتبط با آن پرداخته است.
کلمات کلیدی: داده کاوی، درخت تصمیم، پیش بینی بیماری، دیابت

فهرست مطالب:
چکیده
مقدمه
بیان مسئله
هدف تحقیق
موضوع داده کاوی چیست؟
مدیریت ذخیره سازی و دستیابی اطلاعات
تعاریف داده کاوی
کاربردهای داده کاوی
چند مثال در مورد مفهوم داده کاوی
مراحل داده کاوی
شکل 1: مراحل داده کاوی
عناصر داده کاوی
تکنیک های داده کاوی
تکنولوژی های مرتبط با داده کاوی
محدودیت ها
داده کاوی درعرصه ی سلامت
استراتژی های داده کاوی
نمونه هایی از کاربرد های داده کاوی درسلامت
مقایسه الگوریتمهای هوشمند در شناسایی بیماری دیابت
گام های لازم برای طراحی یک درخت تصمیم گیری
جذابیت درختان تصمیم
بازنمایی درخت تصمیم
مسائل در یادگیری درخت تصمیم
مزایای درختان تصمیم نسبت به روش های دیگر داده کاوی
معایب درختان تصمیم
نرم افزارهای داده کاوی
پیاده سازی نرم افزار وکا
شکل 2: نمودار ستونی برای فراوانی مقادیرمختلف ستون ها در بازه هایی با طول یکسان
شکل 4: اجرای الگوریتم Decision Trees
شکل 5: اجرای مدل خوشه بندی
بحث
نتیجه گیری
پیشنهادات
منابع

پروژه ابزارها و راهکارهای داده کاوی

پروژه ابزارها و راهکارهای داده کاوی

فرمت فایل دانلودی: .docx
فرمت فایل اصلی: docx
تعداد صفحات: 71
حجم فایل: 937
قیمت: : 5000 تومان

بخشی از متن:
بخشی از مقدمه:
ما به تدریج با این واقعیت رشد کرده ایم که حجم عظیمی از داده ها وجود دارد که کامپیوترها، شبکه ها و در حقیقت تمام زندگی مارا فرا گرفته است. سازمان های دولتی، مؤسسات علمی و تجاری ،سرمایه هنگفتی را برای جمع آوری و ذخیره این داده ها اختصاص داده اند. در حالی که فقط مقدار کمی از این داده ها مورد استفاده قرار می گیرند. زیرا، در بسیاری از موارد، حجم داده های لازم  برای سازماندهی بسیار بالا بوده یا ساختار آن ها بسیار پیچیده است.
ضرورت درک مجموعه داده های بزرگ، پیچیده و اطلاعات کامل و غنی در زمینه تجارت،علوم و مهندسی کم و بیش رایج است. توانایی استخراج دانش و اطلاعات مفید موجود در این داده ها و امکان استفاده از این دانش در جهان رقابتی امروز بیش از پیش حائز اهمیت است. به کل فرآیند به کارگیری متدولو‍ژی مبتنی بر کامپیوتر از جمله روش های جدید برای دریافت دانش و اطلاعات از داده ها را داده کاوی می گویند.
داده کاوی دراواخر دهه 1980پدیدار گشت در سال 1990گام های بلندی  دراین شاخه ازعلم برداشته شد. درزمانی طلا یازغال سنگ ارزشمند ترین چیزی بودند که انسان ها برای بالا بردن کیفیت زندگی شان به جستجو آن می پرداختند. دردنیای امروزه داده ها حکم طلا را دارند و با ارزش ترین ماده خام دنیای کنونی محسوب می شوند.
اصطلاح داده کاوی برگرفته از (gold mining) یا استخراج طلا از صخره های سنگی است. در رابطه با استخراج و اکتشاف طلا  از واژه Rock mining استفاده نشده است و بنابراین شاید نام  مناسب برای Data mining  نیز واژه Knowledge mining frim data بود اما از انجا که این واژه طولانی بود ازواژه Data mining استفاده می شود. ...

فهرست مطالب:
فصل اول مفاهیم داده کاوی
1-1 مقدمه
1-2 ریشه های داده کاوی
1-3 برای انجام داده کاوی به چه چیزهایی نیاز است
1-4 فرآیندداده کاوی
1-5 عناصر داده کاوی
1-6 روش های داده کاوی
1-7 مراحل اصلی داده کاوی
1-8 فنون داده کاوی
1-9 دلایل استفاده از داده کاوی
1-10 استراتژی های داده کاوی
1-11 تکنیک های داده کاوی
1-12 ضرورت داده کاوی
1-13 کارکردها ووظایف داده کاوی
1-14 کاربردهای داده کاوی
1-15 مثالی کلاسیک از داده کاوی
1-16 فواید ونقش داده کاوی درفعالیت شرکت ها
1-17 نمونه های اجرایی داده کاوی
7-1- درزمینه صنعت
7-3- در مدیریت ریسک
1-18 انبار های داده
1-19روش آنالیز آماری
1-20 تفاوت داده کاوی وآنالیزهای آماری
فصل دوم: آماده سازی داده ها
2-1 نمایش داده های خام
2-2 ویژگی های داده های اولیه(خام)
2-3 تبدیل داده های خام
2-4 تحلیل داده های نا منطبق
فصل سوم: روشهای آمار
3-1 استنتاج آماری
3-2 تشخیص تفاوت ها درمجموعه داده
3-3 رگرسیون پیشگو
3-4 تحلیل واریانس
3-5 تحلیل ممیز خطی
فصل چهارم: درختان تصمیم و قوانین تصمیم
4-1 مقدمه
4-2 درخت تصمیم
4-3 الگوریتمc4.5 :تولیددرخت تصمیم
4-4 مقادیرویژگی ناشناخته
4-5 هرس کردن درخت تصمیم
4-6 تولید قوانین تصمیم
4-7 محدودیتهای درختان تصمیم وقوانین تصمیم
فصل پنجم: قوانین انجمنی
5-1 مقدمه
5-2 تحلیل سبدخرید
5-3 الگوریتم APRIORI
5-4 مجموعه اقلام های تکراری وروابط انجمنی
5-5 افزایش راندمان وکارایی الگوریتمApriori
5-6 کاوش قوانین انجمنی چند بعدی
5-7 کاوش وب( وب کاوی )
5-8 کاوش متن
فصل ششم: شبکه های عصبی مصنوعی
6-1 مقدمه
6-2 مدل یک نورون مصنوعی
6-3 معماری های شبکه های عصبی مصنوعی
6-4 فرآیندیادگیری
6-5 وظایف یادگیری
6-6 مفاهیم چندلایه ای
6-7 شبکه های رقابتی ویادگیری رقابتی
فصل هفتم: الگوریتم های ژنتیک
7-1 اصول الگوریتم ژنتیک
7-2پیوندزنی
7-3 نمایش ساده ای برای یک الگوریتم ژنتیک
فصل هشتم: روشهای تجسم سازی
8- 1 ادراک وتجسم ساز ی فکری
8-2تجسم سازی علمی وتجسم سازی اطلاعات
8-3 سیستم های تجسم سازی برای داده کاوی
 نتیجه گیری   
منابع