سمینار کارشناسی ارشد نرم افزار، چکیده: پيشرفت شگفت انگيز فن آوري رايانه اي و مجهز شدن بشر به اين ابزار، سبب پيشرفت فوق العاده در كسب و ذخيره سازي داده هاي عددي و همچنين بوجود آمدن پايگاه داده هاي بزرگ در زمينه هاي مختلف شده است. داده هاي تبادلات تجاري، كشاورزي، ترافيك، اينترنت، داده هاي نجومي، ...
دسته بندی: فنی و مهندسی » کامپیوتر و ITتعداد مشاهده: 886 مشاهده
فرمت فایل دانلودی:.doc
فرمت فایل اصلی: doc
تعداد صفحات: 75
حجم فایل:2,145 کیلوبایت
پيشرفت شگفت انگيز فن آوري رايانه اي و مجهز شدن بشر به اين ابزار، سبب پيشرفت فوق العاده در كسب و ذخيره سازي داده هاي عددي و همچنين بوجود آمدن پايگاه داده هاي بزرگ در زمينه هاي مختلف شده است. داده هاي تبادلات تجاري، كشاورزي، ترافيك، اينترنت، داده هاي نجومي، جزئيات مكالمات تلفني، داده هاي پزشكي و درمانگاهي مثالهايي از چنين پايگاه داده ها ميباشند. در واقع تكنيكهاي توليد و جمع آوري پايگاه داده ها بسيار سريعتر از توانايي ما در درك و استفاده از آنها رشد كرده است. از اواخر دهة 80 بشر به فكر دستيابي به اطلاعات نهفته در اين داده هاي حجيم، كه با بكار بردن سيستم هاي سنتي استفاده از پايگاه داده ها ميسر نبود، افتاد و تلاشها براي انجام اين كار را شروع كرد.
داده كاوي فرآيندي است كه در آغاز دهة 90 پا به عرصه ظهور گذاشته و با نگرشي نو، به مسئله ی استخراج اطلاعات از پايگاه داده ها مي پردازد.
در سال 1996، اولين شمارة مجلة كشف دانش و معرفت از پايگاه داده ها منتشر شد . در حال حاضر، داده كاوي مهمترين فناوري جهت بهره برداري موثر از داده هاي حجيم بوده و اهميت آن رو به فزوني است.
بانک ها به منظور تعیین ریسک اعتباری و ارائه خدمات مالی به مشتریان خود نیازمند شناسایی دقیق آن ها هستند. مدل های اعتبارسنجی می توانند در این زمینه به پشتیبانی از بانک ها بپردازند. درختان تصمیم گیری به عنوان یکی از تکنیک های داده کاوی کاربرد زیادی در اعتبارسنجی مشتریان بانک ها و اعطای تسهیلات اعتباری به آنها دارند. مسئله اصلی شامل دقت طبقه بندی، پیچیدگی، اندازه بیش از حد و عدم انعطاف پذیری درختان تصمیم گیری در طبقه بندی و اعتبار سنجی مشتریان است. هدف از این پژوهش ارائه مدل تلفیقی پیشنهادی برای حل مسائل فوق و بهینه سازی درختان تصمیم گیری با بکارگیری تکنیک های خوشه بندی و الگوریتم ژنتیک است. می توان با انتخاب ویژگی های مناسب توسط الگوریتم ژنتیک و ساخت درختان تصمیم گیری به کاهش پیچیدگی، افزایش انعطاف پذیری و دقت طبقه بندی پرداخت.