مقاله انگلیسی داده کاوی با داده های بزرگ(Data mining) همراه با ترجمه در قالب ورد و پاور پوینت

خرید این محصول

» :: مقاله انگلیسی داده کاوی حرف داده های بزرگ(Data mining) همراه حرف ترجمه در قالب ورد و پاور پوینت
مقاله انگلیسی داده کاوی با داده های بزرگ همراه با ترجمه رقیق فارسی و پاور پوینت

خرید این محصول

دانلود پایان نامه و تحقیق در مورد وب کاوی و data mining و کاربرد آن (فرمت فایل ورد word و با قابلیت ویرایش)تعداد صفحات 62

خرید این محصول

» :: دانلود آخر نامه و تحقیق در مورد وب کاوی و data mining و استعمال آن (فرمت فایل ورد word و با قابلیت ویرایش)تعداد صفحات 62

چکیده

حرف افزایش چشمگیر حجم داده‌ها و توسعه وب، نیاز به روش ها و تکنیک هایی که بتوانند امکان دستیابی کارا به داده‌ها و استحصال اطلاعات از آنها را آماده کنند، بیش از پیش احساس می شود. وب کاوی یکی از زمینه های تحقیقاتی است که با به کارگیری تکنیک های داده کاوی به انکشاف و استخراج اتوماتیک اطلاعات از اسناد و سرویس‌های وب می پردازد. در حقیقت وب کاوی، فرآیند انکشاف اطلاعات و دانش ناشناخته و مفید از داده های وب می باشد. آیین های وب کاوی بر اساس ثانیه که چه نوع داده ای را مورد کاوش رسم می دهند، به سه دسته کاوش محتوای وب، کاوش قالب وب و کاوش استفاده از وب تقسیم می شوند.  طی این گزارش پشت از معرفی وب کاوی و بررسی مراحل آن، بستگی وب کاوی با سایر زمینه های تحقیقاتی بررسی شده و به خرامیدن ها، مشکلات و کاربردهای این زمینه تحقیقاتی اشاره می شود. همچنین هر یک از انواع وب کاوی به سمت تفصیل مورد بررسی رسم می گیرند که در این پروژه بیشتر به وب کاوی در تکنیک می پردازم. برای این منظور مدل ها، الگوریتم ها و کاربردهای هر طبقه معرفی می شوند.

فصل اول:مقدمه<!--[if supportFields]><span lang=AR-SA style='font-family:"B Nazanin"'><span style='mso-element:field-begin'></span> </span><span dir=LTR>TOC</span><span dir=RTL></span><span dir=RTL></span><span lang=AR-SA style='font-family:"B Nazanin"'><span dir=RTL></span><span dir=RTL></span> \</span><span dir=LTR>h \z \t</span><span dir=RTL></span><span dir=RTL></span><span lang=AR-SA style='font-family:"B Nazanin"'><span dir=RTL></span><span dir=RTL></span> "مقدمه;1" <span style='mso-element:field-separator'></span></span><![endif]-->

مقدمه. 1

فصل دوم:داده کاوی

<!--[if supportFields]><span lang=AR-SA style='font-family:"B Nazanin"'><span style='mso-element:field-begin'></span><span style='mso-spacerun:yes'> </span></span><span dir=LTR>TOC</span><span dir=RTL></span><span dir=RTL></span><span lang=AR-SA style='font-family:"B Nazanin"'><span dir=RTL></span><span dir=RTL></span> \</span><span dir=LTR>h \z \t</span><span dir=RTL></span><span dir=RTL></span><span lang=AR-SA style='font-family:"B Nazanin"'><span dir=RTL></span><span dir=RTL></span> "فصل اول;1" <span style='mso-element:field-separator'></span></span><![endif]-->2- 1 مقدمه ای بر داده کاوی.. 6

2-1-1 چه چیزی سبب پیدایش داده کاوی شده است؟. 7

2-2 مرحله‌ها کشف دانش ... 9

2- 3 جایگاه داده کاوی در میان علوم مختلف.. 12

2-4 داده کاوی چاه کارهایی نمی تواند انجام دهد؟ . 14

2-5 داده کاوی و خزانه داده ها 14

2-6 داده کاوی و OLAP. 15

2-7 کاربرد یادگیری ماشین و آمار باب داده کاوی .. 16

2-8 توصیف داده ها باب داده کاوی .. 16

2-8-1 خلاصه سازی و به تصویر باب اتیان داده ها 16

2-8-2 خوشه بندی.. 17

2-8-3 تحلیل لینک... 18

2-9 الگو های پیش بینی داده ها 18

2-9-1 سنخ بندی .. 18

2-9-2 رگرسیون.. 18

2-9-3 پوشیده های زمانی.. 19

2-10 مدل ها و الگوریتم های داده کاوی.. 19

2-10-1 شبکه های آتشی‌مزاج .. 19

2-10-2 درخت آهنگ . 22

2-10-3 Multivariate Adaptive Regression Splines(MARS) 24

2-10-4 Rule induction. 25

2-10-5 K-nearest neibour and memory-based reansoning(MBR)