عنوان: نگاهی بر داده کاوی و کشف قوانین وابستگی

فرمت فایل: word

تعداد صفحات: 22

توضیحات

با افزايش سيستمهاي كامپيوتر و گسترش تكنولوژي اطلاعات , بحث اصلي در علم كامپيوتر از چگونگي جمع آوري اطلاعات به نحوه استفاده از اطلاعات منتقل شده است . سيستمهاي داده كاوي ,اين امكان را به كاربر مي دهند كه بتواند انبوه داده هاي جمع آوري شده را تفسير كنند و دانش نهفته در آن را استخراج نمايند .

داده كاوي به هر نوع كشف دانش و يا الگوي پنهان در پايگاه داده ها اطلاق مي شود . امروزه داده کاوی به عنوان یکی از مهمترین مسائل هوش مصنوعی و پایگاه داده ، محققان بسیاری را به خود جذب کرده است . در این تحقیق ابتدا نگاه کلی بر داده کاوی ، استراتژیهای داده کاوی و... داریم ، سپس مسأله کشف قوانین وابستگی در پایگاه داده را به تفضیل بررسی کردیم و نگاهی به الگوریتمهای موجود برای آن داشتیم . سپس مسأله کشف قوانین وابستگی در پایگاه داده های پویا را مورد بحث قرار دادیم و الگوریتم های ارائه شده مربوطه را مطرح کردیم .

فهرست مطالب

• چکیده
• مقدمه
• Data mining(داده كاوي)
• جمع آوري داده ها
• استراتژيهاي داده كاوي
• Unsupervised Clustering دسته بندي بدون كنترل
• تحليل سبد بازاريMarket Basket Analyse :
• Supervised Data Mining تكنيكهاي داده كاوي تحت كنترل
• الگوریتم : Aprior TID
• الگوريتم partition :
• الگوريتم هاي MaxEclat,Eclat :
• الگوريتم با ساختار trie
• الگوريتم fp-grow
• Fp-tree شرطي
• الگوريتم برداري
• يك الگوريتم جديد براي پايگاه داده هاي پويا
• نگهداری قوانین وابستگی
• الگوریتم کاهشی
• نتيجه گيري
• منابع