عنوان تحقیق: داده کاوی در بستر شی گرایی

فایل زیر شامل

۱- عدد فایل ورد(قابل ویرایش) پروژه کاردانی و کارشناسی به همراه فایل پی دی اف به تعداد ۲۱ صفحه است

(نوشته دارای نظم نگارشی و  فرمبندی کامل همچنین رفرنس نویس کامل است )

عنوان تحقیق: داده کاوی در بستر شی گرایی

 

فهرست مطالب

فهرست مطالب… ۴

مقدمه : ۵

تعريف داده کاوي.. ۶

تاريخچه داده کاوي.. ۷

مراحل فرايند کشف دانش از پايگاه داده ها ۹

انبارش داده ها ۱۰

انتخاب داده ها ۱۱

تبديل داده ها ۱۱

کاوش در داده ها ۱۲

تفسير نتيجه. ۱۲

عملياتهاي داده کاوي.. ۱۲

مدلسازي پيشگويي کننده ۱۳

تقطيع پايگاه داده ها ۱۴

تحليل پيوند. ۱۴

تشخيص انحراف… ۱۴

برخی روشها و الگوريتمهاي مورد استفاده در داده كاوي.. ۱۵

شبكه هاي عصبي.. ۱۵

درخت هاي انتخاب… ۱۶

استنتاج قانون. ۱۷

الگوريتمهاي ژنتيك… ۱۷

فرایند کشف دانش…. ۱۸

تعريف مساله. ۱۹

ساختن يك پايگاه داده در  داده كاوي.. ۱۹

جستجوي داده ۲۰

آماده سازي داده براي مدل سازي.. ۲۰

ساختن مدل داده كاوي.. ۲۱

ايجاد معماري مدل و نتايج.. ۲۲

نتيجه گيری.. ۲۲

منابع.. ۲۳

مقدمه :

امروزه با گسترش سيستم هاي پايگاهي و حجم بالاي داده ها ي ذخيره شده در اين سيستم ها ، نياز به ابزاري است تا بتوان داده هاي ذخيره شده را پردازش کردواطلاعات حاصل از اين پردازش را در اختيار کاربران قرار داد. با استفاده ار پرسش هاي ساده در SQL و ابزارهاي گوناگون گزارش گيري معمولي ، مي توان اطلاعاتي را در اختيار کاربران قرار داد تا بتوانند به نتيجه گيري در مورد داده ها و روابط منطقي ميان آنها بپردازند اما وقتي که حجم داده ها بالا باشد ، کاربران هر چند زبر دست و با تجربه باشند نمي توانند الگوهاي مفيد را در ميان حجم انبوه داده ها تشخيص دهند و يا اگر قادر به اين کار هم با شند ، هزينه عمليات از نظر نيروي انساني و مادي بسيار بالا است.

از سوي ديگر کاربران معمولا فرضيه اي را مطرح مي کنند و سپس بر اساس گزارشات مشاهده شده به اثبات يا رد فرضيه مي پردازند ، در حالي که امروزه نياز به روشهايي است که اصطلاحا به کشف دانش بپردازند يعني با کمترين دخالت کاربر و به صورت خودکار الگوها و رابطه هاي منطقي را بيان نمايند . داده کاوي يکي از مهمترين اين روشها است که به وسيله آن الگوهاي مفيد در داده ها با حداقل دخالت کاربران شناخته مي شوند و اطلاعاتي را در اختيار کاربران و تحليل گران قرار مي دهند تا براساس آنها تصميمات مهم و حياتي در سازمانها اتخاذ شوند .

 

در داده کاوي از بخشي از علم آمار به نام تحليل اکتشافي داده ها استفاده مي شود که در آن بر کشف اطلاعات نهفته و ناشناخته از درون حجم انبوه داده ها تاکيد مي شود . علاوه بر اين داده کاوي در بستر شی گرایی با هوش مصنوعي و يادگيري ماشين نيز ارتباط تنگاتنگي دارد ، بنابراين مي توان گفت در داده کاوي تئوريهاي پايگاه داده ها ، هوش مصنوعي ، يادگيري ماشين و علم آمار را در هم مي آميزند تا زمينه کاربردي فراهم شود .

بايد توجه داشت که اصطلاح داده کاوي در بستر شی گرایی زماني به کار برده مي شود که با حجم بزرگي از داده ها ، در حد مگا يا ترابايت ، مواجه باشيم . در تمامي منابع داده کاوي بر اين مطلب تاکيد شده است. هر چه حجم داده ها بيشتر و روابط ميان آنها پيچيده تر باشد دسترسي به اطلاعات نهفته در ميان داده ها مشکلتر مي شود و نقش داده کاوي در بستر شی گرایی به عنوان يکي از روشهاي کشف دانش ، روشن تر مي گردد. در داده کاوي معمولا به کشف الگوهاي مفيد از ميان داده ها اشاره مي شود . منظور از الگوي مفيد ، مدلي در داده ها است که ارتباط ميان يک زير مجموعه از داده ها را توصيف مي کند و معتبر ، ساده ، قابل فهم و جديد است.

 

تعريف داده کاوي در بستر شی گرایی

_

یکی از بزرگترین مزیت های شی گرایی، نزدیک بودن نگاه آن در هنگام حل مسئله به دیدگاه دنیای واقعی است. این موضوع سبب صرفه جویی در زمان برای تحلیل فضای مسئله می شود. به عنوان مثال با آگاهی از اینکه یک کلاس میز وجود دارد. و در دنیای واقعی ما میز را میشناسیم. هیچ گاه | این سوال پیش نمی آید که چه نوع غذاهایی را می توانم با این میز درست بکنم. این سوال غیر منطقی است زیر را دسته بندی این اشیا را می دانیم.

یکی دیگر از مزیت های شی گرایی، این است که ما در هنگام استفاده از شی گرایی، مفهوم چند ریختی Polymorphism را داریم. به این معنی که از یک Interface به اشتراک گذاری شده، می توان پیاده سازی های مختلفی داشت. مثل کلاس گربه و ببر. هر دو این کلاس ها، جز کلاس های گربه

سانان هستند ولی برخی از ویژگی ها در اینها تفاوت دارد. با رویکرد شی گرایی بدون درگیر شدن با مفاهیم پیچیده می توان متوجه شد که چه ویژگی هایی را باید از کلاس پدر به ارث برد.

برنامه نویسی مبتنی بر داده، چشم انداز برنامه نویسی را از اشیا به داده ها تغییر می دهد. نوع داده ها، چگونگی قرار گرفتن آنها در حافظه، نحوه خواندن و پردازش آنها در حافظه در برنامه هایی که می نویسیم اهمیت دارد.

در رویکرد برنامه نویسی داده محور، توابع محدود می شوند به بخشی از اطلاعات و قابلیت استفاده مجدد را ندارند. در صورتی که نیاز به ارث بری باشد، باید توابع در کلاس والد نوشته شوند یا اینکه نیاز به بازنویسی تابع در برنامه داریم. چگونگی ارث بری توابع در این رویکرد بسیار مهم است. برای پردازش نیاز به فراخوانی توابع از کلاس های مختلف هستیم که ممکن است موجب ناکارآمدی برنامه ما شوند.

در متون آکادميک تعاريف گوناگوني براي داده کاوي ارائه شده است . در برخي از اين تعاريف داده کاوي در بستر شی گرایی در حد ابزاري که کاربران را قادر به ارتباط مستقيم با حجم عظيم داده ها مي سازد معرفي گرديده است و در برخي ديگر ، تعاريف دقيقتر که درآنها به کاوش در داده ها توجه مي شود موجود است . برخي از اين تعاريف عبارتند از:

  • داده کاوي در بستر شی گرایی عبارت است از فرايند استخراج اطلاعات معتبر ، از پيش ناشناخته ، قابل فهم و قابل اعتماد از پايگاه داده هاي بزرگ و استفاده از آن در تصميم گيري در فعاليت هاي تجاري مهم.
  • اصطلاح داده کاوي به فرايند نيم خودکار تجزيه و تحليل پايگاه داده هاي بزرگ به منظور يافتن الگوهاي مفيد اطلاق مي شود
  • داده کاوي در بستر شی گرایی يعني جستجو در يک پايگاه داده ها براي يافتن الگوهايي ميان داده ها .
  • داده کاوي در بستر شی گرایی يعني استخراج دانش کلان ، قابل استناد و جديد از پايگاه داده ها ي بزرگ .
  • داده کاوي در بستر شی گرایی يعني تجزيه و تحليل مجموعه داده هاي قابل مشاهده براي يافتن روابط مطمئن بين داده ها .

همانگونه که در تعاريف گوناگون داده کاوي در بستر شی گرایی مشاهده مي شود ، تقريبا در تمامي تعاريف به مفاهيمي چون استخراج دانش ، تحليل و يافتن الگوي بين داده ها اشاره شده است . (ویکی پدیا[۱])

[۱] https://fa.wikipedia.org/wiki/داده­کا.ی

۳۵۰۰۰ تومان – خرید
درباره این محصول نظر دهید !