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