بررسی و مطالعه کامل داده کاوی با (SQL server 2005) پیاده سازی آن روی بانک اطلاعاتی

پایان نامه دوره کارشناسی کامپیوتر

گرایش نرم افزار

    * چکیده

    * فصــل اول- مقدمه ای بر داده کاوی

    *  1-1-مقدمه

    * 1-2-عامل مسبب پيدايش داده کاوی

    * 1-3-داده كاوي و مفهوماكتشاف دانش(KDD)

    * 1-3-1-تعریف داده کاوی

    * 1-3-2- فرآيند داده‌كاوي

    * 1-3-3-قابليت هاي داده کاوی

    *  1-3-4-چه نوع داده‌هايي مورد كاوش قرار می گيرند؟

    * 1-4- وظایف داده کاوی

    * 1-1-4-کلاس بندي

    * 1-4-2- مراحل يک الگوريتم کلاس‌بندي

    * 1-4-3-انواع روش‌هاي کلاس‌بندي

    * 1-4-3-1- درخت تصمیم

    *  1-4-3-1-1- کشف تقسیمات

    * 1-4-3-1-2- دسته بندی با درخت تصمیم

    * 1-4-3-1-3-انواع درخت‌هاي تصميم

    * 1-4-3-1-4- نحوه‌ي هرس كردن درخت

    *  1-4-3-2- نزدیکترین همسایگی_ K

    * 1-4-3-3-بیزی

    * 1-4-3-3-1 تئوری بیز

    * 1-4-3-3-2 -دسته بندی ساده بیزی

    * 1-4-3-4- الگوريتم‌هاي ژنتيك در فصل دو با آن آشنا می شویم

    * 1-4-3-5-شبكه‌هاي عصبي

    * 1-4-4- ارزيابي روش‌هاي کلاس‌بندي

    *  -2-4-1پيش بيني

    * 1-4-3-انواع روش‌هاي پیش بینی

    * 1-4-3-1- رگرسیون

    * 1-4-3-1 -1- رگرسیون خطی

    * 1-4-3-1-2-رگرسیون منطقی

    * 1-4-3- خوشه بندی

    * 1-4-3-1- تعريف فرآيند خوشه‌بندي

    * 1-4-3-2-کيفيت خوشه‌بندي

    * 1-4-3-3-روش ها و الگوريتم‌هاي خوشه‌بندي

    * 1-4-3-3-1-روش های سلسله‌مراتبي

    * 1-4-3-3-1-1- الگوریتم های سلسله مراتبی

    * 1-4-3-3-1-1-1-الگوريتم خوشه بندی single-linkage

    * 1-4-3-3-2-الگوريتم‌هاي تفكيك

    * 1-4-3-3-3-روش‌هاي متكي برچگالي

    * 1-4-3-3-4-روش‌هاي متكي بر گريد

    *  1-4-3-3-5-روش‌‌هاي متكي بر مدل

    * 1-4-4- تخمين

    * 1-4-4-1- درخت تصمیم

    * 1-4-4-2- شبکه ی عصبی

    * 1-4-5-سري هاي زماني

    * 1-5-کاربردهای داده کاوی

    * 1-6-قوانين انجمنی

    * 1-6-1-كاوش قوانين انجمنی

    * 1-6-2-اصول كاوش قوانين انجمنی

    * 1-6-3-اصول استقرا در كاوش قوانين انجمنی

    * 1-6-4-الگوريتم Apriori

    * 1-7-متن کاوی

    * 1-7-1- مقدمه

    * 1-7-2- فرآيند متن کاوي

    * 1-7-3- کاربردهاي متن کاوي

    * 1-7-3-1- جستجو و بازيابي

    * 1-7-3-2-گروه بندي و طبقه بندي داده

    * 1-7-3-3-خلاصه سازي

    * 1-7-3-4- روابط ميان مفاهيم

    * 1-7-3-5- يافتن و تحليل ترند ها

    * 1-7-3-5- برچسب زدن نحوي (POS)

    *  1-6-2-7-ايجاد تزاروس و آنتولوژي به صورت اتوماتيک

    * 1-8-تصویر کاوی

    * 1-9- وب کاوی

    * فصل دوم -الگوریتم ژنتیک

    * 1-2-مقدمه

    * 2-2-اصولالگوريتمژنتيک

    *  2-2-1-کد گذاری

    * 2-2-1-1-روش های کد گذاری

    *  2-2-1-1-1-کدگذاری دودویی

    * 2-2-1-1-2-کدگذاری مقادیر

    * 2-2-1-1-3-کدگذاری درختی

    * 2-2-2- ارزیابی

    *  2-2-3-انتخاب

    * 2-2-3-1-انتخاب گردونه دوار

    * 2-2-3-2-انتخاب رتبه ای

    * 2-2-3-3-انتخاب حالت استوار

    * 2-2-3-4-نخبه گزینی

    * 2-2-4-عملگرهای تغییر

    * 2-2-4-1-عملگر Crossover

    *  2-2-4-2-عملگر جهش ژنتیکی

    *  2-2-4-3-احتمالCrossover و جهش

    * 2-2-5-کدبرداری

    * 2-2-6-ديگر پارامترها

    *  2-4-مزایای الگوريتم هاي ژنتيک

    * 2-5- محدودیت های الگوريتم هاي ژنتيک

    *  2-6-چند نمونه از کاربرد هاي الگوريتم هاي ژنتيک

    *  2-6-1-يک مثال ساده

    * فصل سوم-شبكه هاي عصبي

    * 3-1-چرا از شبکه های عصبی استفاده می کنیم؟

    * 3-2-سلول عصبی

    *  3-3-نحوه عملکرد مغز

    *  3-4-مدل ریاضی نرون

    *  3-5-آموزش شبكه‌هاي عصبي

    * 3-6-کاربرد های شبکه های عصبی

    * فصل چهارم - محاسبات نرم

    * 4-1-مقدمه

    * 4-2-محاسبات نرمچيست ؟

    *  4-2-1-رابطه

    *  4-2-2-مجموعه های فازی

    *  4-2-2-1-توابع عضویت

    * 4-2-2-2- عملیات اصلی

    * 4-2-3-نقش مجموعه­های فازی در داده­کاوی

    * 4-2-3-1- خوشه بندی

    * 4-2-3-2- خلاصه­ سازی داده­ها

    *  4-2-3-3- تصویر کاوی

    * 4-2-4- الگوریتمژنتیک

    * 4-2-5-نقش الگوریتم ژنتیک در داده کاوی

    * 4-2-5-1- رگرسیون

    * 4-2-5-2-قوانین انجمنی

    * 4-3-بحث و نتیجه گیری

    * فصل پنجم - ابزارهای داده کاوی

    * 5-1- نحوه ی انتخاب ابزارداده کاوی

    * 5-2-1-ابزار SPSS-Clemantine

    * 5-2-3-ابزار KXEN

    * 5-2-4-مدل Insightful

    * 5-2-5-مدل Affinium

    * 5-3- چگونه می توان بهترین ابزار را انتخاب کرد؟

    * 5-4-ابزار های داده کاوی که در 2007 استفاده شده است

    * 5-5-داده کاوی با sqlserver 2005

    * 5-5-1-اتصال به سرورازمنوی

    * 5-5-2- ایجاد Data source

    * 5-5-3- ایجادData source view

    * 5-5-4- ایجاد Mining structures

    * 5-5-5- Microsoft association rule

    * 5-5-6- Algorithm cluster

    * 5-5-7- Neural network

    *  5-5-8-Modle naive-bayes

    * 5-5-9-Microsoft Tree Viewer

    * 5-5-10-Microsoft-Loistic-Regression

    * 5-5-11-Microsoft-Linear-Regression

    * فصل ششم - نتایج دادهکاوی با SQL SERVER2005روی بانک اطلاعاتی دانشگاه آزاد قوچان

    * ·1-6-نتایج Data Mining With Sql Server 2005 روی بانک اطلاعاتی دانشگاه آزاد قوچان

    * 1-6-1-Microsoft association rule

    *  1-6-2- Algorithm cluster

    * 1-6-3- Neural network

    * 1-6-4- Modle naive-bayes

    * 1-6-5-Microsoft Tree Viewer

    * 7-1-نتیجه گیری

    * منابع وماخذ

جهت دانلود اینجا کلیک کنید