دانلود رایگان مقاله نگاهی بر داده کاوی و کشف قوانین وابستگی

عنوان مقاله: نگاهی بر داده کاوی و کشف قوانین وابستگی

قالب بندی: Word

قیمت: رایگان

شرح مختصر: با رشد فناوری اطلاعات و کامپیوتر، مطالب اصلی در علم کامپیوتر از جمع‌آوری داده‌ها به نحوه استفاده از آن‌ها جابجا شده‌است. سیستم‌های داده کاوی به کاربر امکان می‌دهند تا داده‌های جمع‌آوری شده را تجزیه و تحلیل کنند و اطلاعات مخفی در آنها را بیابند. علم داده کاوی به معنای کشف دانش و یا الگوهای مخفی در پایگاه‌های داده است. امروزه، داده کاوی به عنوان یکی از مسائل اصلی هوش مصنوعی و پایگاه‌های داده، توجه زیادی از محققان را به خود جلب کرده‌است. در این مطالعه، ابتدا به نگاه کلی به داده کاوی، استراتژی‌های داده کاوی و … پرداخته‌ایم، سپس به موضوع کشف قوانین وابستگی در پایگاه داده‌ها به طور مفصل پرداخته و الگوریتم‌های موجود برای آن را بررسی کردیم. همچنین به بحث کشف قوانین وابستگی در پایگاه داده‌های پویا پرداختیم و الگوریتم‌های مربوط را مطرح کردیم.

فهرست:

1. چکیده

2. مقدمه

3. کشف دانش در پایگاه داده

4. آیا داده کاوی برای حل مسائل ما مناسب است؟

5. جمع‌آوری داده‌ها

6. بکارگیری نتایج

7. استراتژی‌های داده کاوی

8. پیش‌بینی Prediction

9. دسته‌بندی بدون کنترل Unsupervised Clustering

10. تکنیک‌های داده کاوی تحت کنترل

11. شبکه عصبی

12. برگشت آماری

13. قوانین وابستگی

14. الگوریتم Apriori

15. الگوریتم Aprior TID

16. الگوریتم partition

17. الگوریتم‌های MaxEclat، Eclat

18. الگوریتم با ساختار trie

19. الگوریتم fp-grow

20. ساخت fp-tree

21. Fp-tree شرطی

22. الگوریتم برداری

23. نگهداری قوانین وابستگی

24. الگوریتم کاهشی