پایان نامه ای از رشته کامپیوتر درباره داده کاوی و داده کاوی با SQL SERVER2005 – ورد را برای شما دوستان محترم آماده دانلود کرده ایم. امروزه با گسترش سیستم های پایگاهی و حجم بالای داده ها ی ذخیره شده در این سیستم ها ، نیاز به ابزاری است تا بتوان داده های ذخیره شده را پردازش کرد و اطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد. داده کاوی یکی از مهمترین روش ها ی کشف دانش است که به وسیله آن الگوهای مفید در داده ها با حداقل دخالت کاربران شناخته می شوند و اطلاعاتی را در اختیار کاربران و تحلیل گران قرار می دهند تا براساس آنها تصمیمات مهم و حیاتی 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. شما هم اکنون می توانید این پایان نامه را بصورت فایل ورد با لینک مستقیم از سایت دانلود برتر دانلود کنید.

فهرست مطالب این پایان نامه به شرح زیر میباشد :

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

فصــل اول

  • مقدمه ای بر داده کاوی
  • مقدمه
  • عامل مسبب پیدایش داده کاوی
  • داده کاوی و مفهوم اکتشاف دانش (KDD)
  • تعریف داده کاوی
  • فرآیند داده‌کاوی
  • قابلیت های داده کاوی
  • چه نوع داده‌هایی مورد کاوش قرار می گیرند؟
  • فایلهای ساده (FLAT FILES):
  • پایگاههای داده ای رابطه ای(RDBMS):
  • انبارهای داده ای
  • وظایف داده کاوی
  • کلاس بندی
  • مراحل یک الگوریتم کلاس‌بندی
  • انواع روش‌های کلاس‌بندی
  • درخت تصمیم
  • کشف تقسیمات
  • دسته بندی با درخت تصمیم
  • انواع درخت‌های تصمیم
  • نحوه‌ی هرس کردن درخت
  • نزدیکترین همسایگی_ K
  • بیزی
  • تئوری بیز
  • دسته بندی ساده بیزی
  • یک مثال در توضیح طبقه بندی ساده بیزی
  • ارزیابی روش‌های کلاس‌بندی
  • پیش بینی
  • انواع روش‌های پیش بینی
  • رگرسیون
  • رگرسیون خطی
  • رگرسیون منطقی
  • خوشه بندی
  • تعریف فرآیند خوشه‌بندی
  • کیفیت خوشه‌بندی
  • روش ها و الگوریتم‌های خوشه‌بندی
  • روش های سلسله‌مراتبی‌
  • الگوریتم های سلسله مراتبی
  • الگوریتم خوشه بندی singlelinkage
  • الگوریتم شامل مراحل زیر است :
  • مثال:
  • الگوریتم‌های تفکیک
  • روش‌های متکی برچگالی
  • روش‌های متکی بر گرید
  • روش‌‌های متکی بر مدل
  • تخمین
  • درخت تصمیم
  • سری های زمانی :
  • کاربردهای داده کاوی
  • قوانین انجمنی
  • کاوش قوانین انجمنی
  • اصول کاوش قوانین انجمنی
  • اصول استقرا در کاوش قوانین انجمنی
  • الگوریتم Apriori
  • متن کاوی
  • مقدمه
  • فرآیند متن کاوی
  • کاربردهای متن کاوی
  • جستجو و بازیابی
  • گروه بندی و طبقه بندی داده
  • خلاصه سازی
  • روابط میان مفاهیم
  • یافتن و تحلیل ترند ها
  • برچسب زدن نحوی (POS)
  • ایجاد تزاروس و آنتولوژی به صورت اتوماتیک…
  • تصویر کاوی
  • وب کاوی

فصل دوم

  • الگوریتم ژنتیک
  • مقدمه
  • مفاهیم پایه و لغات کلیدی
  • اصول الگوریتم ژنتیک
  • کد گذاری
  • روش های کد گذاری
  • کدگذاری دودویی
  • کدگذاری مقادیر
  • کدگذاری درختی
  • ارزیابی
  • انتخاب
  • انتخاب گردونه دوار
  • انتخاب رتبه ای
  • انتخاب حالت استوار
  • نخبه گزینی
  • عملگرهای تغییر
  • عملگر Crossover
  • عملگر جهش ژنتیکی
  • احتمال Crossover و جهش
  • کدبرداری
  • دیگر پارامترها
  • مزایای الگوریتم های ژنتیک…
  • محدودیت های الگوریتم های ژنتیک…
  • چند نمونه از کاربرد های الگوریتم های ژنتیک…
  • یک مثال ساده
  • نسل اول
  • نسل بعدی
  • جهش(Mutation)

فصل سوم

  • شبکه های عصبی
  • چرا از شبکه های عصبی استفاده می کنیم؟
  • سلول عصبی
  • نحوه عملکرد مغز
  • مدل ریاضی نرون
  • آموزش شبکه‌های عصبی
  • کاربرد های شبکه های عصبی

فصل چهارم

  • محاسبات نرم
  • مقدمه
  • محاسبات نرم چیست ؟
  • رابطه
  • مجموعه های فازی
  • توابع عضویت
  • عملیات اصلی
  • نقش مجموعههای فازی در دادهکاوی
  • خوشه بندی
  • خلاصه سازی دادهها
  • تصویر کاوی
  • الگوریتم ژنتیک
  • نقش الگوریتم ژنتیک در داده کاوی
  • رگرسیون
  • قوانین انجمنی
  • بحث و نتیجه گیری

فصل پنجم

  • ابزارهای داده کاوی
  • نحوه ی انتخاب ابزارداده کاوی
  • چگونه می توان بهترین ابزار را انتخاب کرد؟
  • ابزار های داده کاوی که در استفاده شده است :
  • داده کاوی با sqlserver
  • MicrosoftLoisticRegression
  • MicrosoftLinearRegression

فصل ششم

  • نتایج داده کاوی با SQL SERVER
  • روی بانک اطلاعاتی دانشگاه آزاد قوچان
  • نتایج Data Mining With Sql Server روی بانک اطلاعاتی دانشگاه آزاد قوچان
  • Microsoft association rule
  • Algorithm cluster
  • Neural network
  • Modle naivebayes
  • Microsoft Tree Viewer
  • تعداد خواهر وبرادران دانشجویان ورودی سال حدودا بین تاطبق آمار بوده است
  • نتیجه گیری
  • منابع وماخذ

این پایان نامه با فرمت ورد Word | صفحه ۱۹۲ قابل ویرایش میباشد.

قیمت : ۱۰۰۰ تومان (پرداخت با کلیه کارتهای بانکی عضو شتاب امکانپذیر است)

بعد از پرداخت لینک دانلود نشان داده شده و به ایمیلتان نیز فرستاده خواهد شد.

قبل از خرید لطفا بر روی راهنمای خرید کلیک نمایید.