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 تکنیک های داده کاوی در سازمان ها

پروژه تکنیک های داده کاوی در سازمان ها

فرمت فایل دانلودی: .docx
فرمت فایل اصلی: docx
تعداد صفحات: 90
حجم فایل: 484
قیمت: : 9000 تومان

بخشی از متن:
چکیده:
داده کاوی، استخراج اطلاعات و دانش و کشف الگوهای پنهان از یک پایگاه داده های بسیار بزرگ، کاربردهای زیادی در کسب و کارهای امروزی پیدا کرده است. استفاده از تکنیک های داده کاوی در سازمان ها منتج به تعداد زیادی قانون و الگو می شود که با توجه به محدودیت در منابع و بودجه، پیاده سازی همه ی آنها امکان پذیر نمی باشد. می توان گفت که ارزیابی و رتبه بندی قوانین وابستگی کاری مهم و چالش برانگیز است. با استفاده از از تکنیک ناپارامتریک تحلیل پوششی داده ها به ارائه چارچوبی برای ارزیابی و اولویت بندی قوانین وابستگی می پردازیم. در این تحقیق ابتدا مدلی برای شناسایی کاراترین واحد تصمیم گیری در حالت بازده متغیر به مقیاس ارائه می شود. پس از آن، با استفاده این مدل، متدی نوین جهت رتبه بندی واحدهای تصمیم گیری ارائه می شود. سپس با استفاده از مدل و متد پیشنهادی، چارچوبی نوین جهت رتبه بندی قوانین وابستگی داده کاوی توسعه داده می شود. در انتها، با پیاده سازی چارچوب پیشنهادی برای اولویت بندی قوانین وابستگی داده کاوی در بانک کشاورزی کاربردپذیری چارچوب پیشنهادی نشان داده می شود.
کلمات کلیدی: فناوری اطلاعات (IT)، الگوهای پنهان، داده کاوی (Data Mining)، تکنیک های داده کاوی، قوانین داده کاوی

فهرست مطالب:
چکیده
مقدمه ای بر داده‌کاوی
فصل اول: داده کاوی
1-1 چه چیزی سبب پیدایش داده کاوی شده است؟
1-2 مراحل کشف دانش
1-3 جایگاه داده کاوی در میان علوم مختلف
1-4 داده کاوی چه کارهایی نمی تواند انجام دهد؟
1-5 داده کاوی و انبار داده ها
1-6 داده کاوی و OLAP
1-7 کاربرد یادگیری ماشین و آمار در داده کاوی
1-8 توصیف داده ها در داده کاوی
1-8-1 خلاصه سازی و به تصویر در آوردن داده ها
1-8-2 خوشه بندی
1-8-3 تحلیل لینک
فصل دوم: پیش بینی دادها
2-1 مدل های پیش بینی داده ها
2-1-1 Classification
2-1-2 Regression
2-1-3 Time Series
2-2 مدل ها و الگوریتم های داده کاوی
2-2-1 شبکه های عصبی
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 رگرسیون منطقی
2-2-7  تحلیل تفکیکی
2-2-8 مدل افزودنی کلی (GAM)
2-2-9 Boosting
فصل سوم انتخابها
3-1 سلسله مراتب انتخابها
3-2 کاربرد  علم آمار در داده کاوی
3-2-1 مقدمه و مقایسه
3-2-2 کاربردهای روشهای آماری 
3-3 پیش بینی (Prediction)
3-4 نگاه عمیق تر به شبکه عصبی
3-4-1 سابقه تاریخی
3-4-2 شبکه های عصبی در مقابل کامپیوتر های معمولی
3-4-3 چرا از شبکه های عصبی استفاده می کنیم؟
3-4-4 تفاوت‌های شبکه‌های عصبی با روش‌های محاسباتی متداول و سیستم‌های خبره
3-3-5 کاربردهای شبکه های عصبی
3-4  آشنایی با الگوریتم ژنتیک
3-5 الگوریتم مورچگان
3-5-1 کاربردهای الگوریتم مورچگان
فصل چهارم: داده کاوی در سازمانها
4-1 کاربردهای داده کاوی در کتابخانه ها و موسسات دانشگاهی
4-1-1 دیتامارت
4-2 عناصر داده کاوی
4-2-1 نرم افزار:
4-3 کاربردهای داده کاوی در کتابخانه ها و محیط های دانشگاهی
4-4 مدیریت موسسات دانشگاهی
فصل پنجم: نتیجه گیری و پیشنهادها
منابع و مراجع