بررسی قدرت داده کاوی نرم افزار وکا در حل موضوعات ترافیکی

اختصاصی از حامی فایل بررسی قدرت داده کاوی نرم افزار وکا در حل موضوعات ترافیکی دانلود با لینک مستقیم و پر سرعت .

مقاله با عنوان فوق که در ششمین کنگره ملی مهندسی عمران، ارائه شده است، آماده دانلود می باشد.

محل برگزاری کنفرانس: سمنان - دانشگاه سمنان

سال برگزاری کنفرانس: 1390

تعداد صفحات مقاله: 8

محتویات فایل: فایل زیپ حاوی یک pdf

چکیده

داده کاوی فرآیند تجزیه و تحلیل داده ها و تبدیل آن به اطلاعات مفید است. در این فرآیند از ابزارهای متفاوتی استفاده می شود. نرم افزارهای داده کاوی یکی از این ابزارها برای تجزیه و تحلیل داده ها می باشند. این نرم افزار ها به کاربر اجازه می دهد تا از ابعاد مختلف به تجزیه و تحلیل داده ها، دسته بندی آنها و خلاصه آنها به روابط شناخته شده بپردازد. در حوزه حمل و نقل که همواره با حجم انبوهی از داده ها مواجه می باشد، پردازش داده ها و داده کاوی اهمیت شایانی دارد. در این مقاله ضمن بررسی پیش بینی حجم ترافیک برون شهری، به بررسی یکی از نرم افزار های داده کاوی بنام وکا پرداخته می شود. در داده کاوی از تکنیک و قدرت شبکه عصبی جهت مدلسازی و پیش بینی حجم ترافیک برون شهری محور ساری- قائم شهر استفاده شده است و سپس صحت مدل استفاده شده در محور بابل – قائمشهر اعتبارسنجی شده است. در مدل پیش بینی از مجموعه متغیرهای اقتصادی- اجتماعی مبدا و مقصد در سالهای 85 و 86 و 87 استفاده شده است. نتایج حاصل از تحقیق، قدرت بالای شبکه های عصبی که یکی از ابزارهای نرم افزار وکا می باشد را در پیش بینی های ترافیکی نشان می دهد.

پاورپوینت درباره داده کاوی (Data Mining)

اختصاصی از حامی فایل پاورپوینت درباره داده کاوی (Data Mining) دانلود با لینک مستقیم و پر سرعت .

این تحقیق در فایل پاورپوینت جمع آوری شده است و۲۰ صفحه می باشد گوشه از مطالب موجود :

Data Mining عبارت است از اقتباس یا استخراج دانش از مجموعه ای از داده ها ، به بیان دیگر ، Data Mining فرایندی است که با استفاده از تکنیکهای هوشمند، دانش را از مجموعه ای از داده ها استخراج می کند.

Data Mining از ساخت مدل های تحلیلی ، دسته بندی و پیش بینی اطلاعات و ارائه نتایج با استفاده از ابزارهای مرتبط استفاده می کند.

برای اینکه الگوریتم Data Mining بتواند عمل استخراج دانش را بخوبی انجام دهد، نیاز به یک سری پیش پردازش ها بر روی مجموعه آموزشی و یک سری پس پردازش ها بر روی الگوهای استخراج شده دارد.

پایان نامه در مورد داده کاوی

اختصاصی از حامی فایل پایان نامه در مورد داده کاوی دانلود با لینک مستقیم و پر سرعت .

لینک پرداخت و دانلود *پایین مطلب*

فرمت فایل:Word (قابل ویرایش و آماده پرینت)

تعداد صفحه41

فهرست مطالب

فصل 1 مقدمه.................................... 9

1. 1 مقدمه..................................... 10

فصل 2 مفاهیم داده کاوی........................ 12

1. 1 فرایند داده کاوی.......................... 13
2. 2 دو مفهوم اساسی در داده کاوی............... 14
3. 3 اساس داده کاوی............................ 15
4. 4 عوامل ایجاد داده کاوی..................... 16
5. 5 زیر بنای داده کاوی........................ 16
6. 6 عناصر داده کاوی........................... 17
7. 7 مراحل داده کاوی........................... 18
8. 8 وظایف داده کاوی........................... 21
9. 9 فنون داده کاوی............................ 22
10. 10............................ معماری داده کاوی 25
11. 11................... تکنیک های مختلف داده کاوی 26

فصل 3 کاربرد های داده کاوی.................... 28

1. 1 معرفی..................................... 29
2. 2 کاربرد داده کاوی در کتابخانه ها و محیط های دانشگاهی 30
3. 3 کاربرد داده کاوی در فعالیت شرکت ها........ 32
4. 4 کاربرد داده کاوی در مدیریت و کشف فریب..... 32
5. 5 کاربرد داده کاوی در صنعت خورده فروشی...... 33
6. 6 داده کاوی در مدیریت ارتباط با مشتری....... 33
7. 7 کاربرد داده کاوی در پزشکی................. 35
8. 8 وب کاوی................................... 35
9. 9 تصویر کاوی................................ 37

فهرست مطالب

فصل 4 مثال تفهیمی در مورد داده کاوی........... 38    مثال تفهیمی در مورد داده کاوی................................ 39

فهرست اشکال

 شکل 2.1 فنون داده کاوی....................... 22

 شکل 2.2 نمونه ای از یک درخت تصمیم............ 24

 شکل 2.3 طبقه بندی در داده کاوی............... 27

 شکل 3.1 داده کاوی در مدیریت ارتباط با مشتری.. 34

فهرست جداول

جدول 3.1 کاربردهای داده کاوی درکتابخانه ها.... 31

فصل اول

مقدمه

1.1 مقدمه :

درطول دهه گذشته باپیشرفت روزافزون کاربرد پایگاه داده ها،حجم داده های ثبت شده به طور متوسط هر5سال 2برابرمی شود. دراین میان سازمان هایی موفقند که بتوانند حداقل 7٪داده هایشان راتحلیل کنند. تحقیقات انجام یافته نشان داده است که سازمانها کمترازیک درصد داده هایشان رابرای تحلیل استفاده می کنند.

به عبارت دیگردرحالی که غرق درداده ها هستند تشنه دانش می باشند.

بنابراعلام دانشگاه MIT دانش نوین داده کاوی (Data mining) یکی ازده دانش درحال توسعه ای است که دهه آینده راباانقلاب تکنولوژی مواجه می سازد.این تکنولوژی امروزه دارای کاربرد بسیاروسیعی درحوزه های مختلف است به گونه ای که امروزه حدومرزی برای کاربرد این دانش درنظرنگرفته وزمینه های کاری این دانش راازذرات کف اقیانوس ها تااعماق فضامی دانند.

امروزه بیشترین کاربرد داده کاوی دربانکها، مراکزصنعتی وکارخانجات بزرگ، مراکزدرمانی وبیمارستانها ،مراکز تحقیقاتی ،بازاریابی هوشمند وبسیاری ازموارددیگرمی باشد.

داده کاوی پل ارتباطی میان علم وآمار،علم کامپیوتر، هوش مصنوعی ،الگو شناسی،فراگیری ماشین وبازنمایی بصری داده می باشد.داده کاوی فرآیندی پیچیده جهت شناسایی الگوها ومدل های صحیح، جدید وبه صورت بالقوه مفید، درحجم وسیعی ازداده می باشد، به طریقی که این الگوها ومدلها برای انسانها قابل درک باشد.داده کاوی به صورت یک محصول قابل خریداری نمی باشد،بلکه یک رشته علمی وفرآیندی است که بایستی به صورت یک پروژه پیاده سازی شود.

کاوش داده ها به معنی کنکاش داده های موجود درپایگاه داده وانجام تحلیل های مختلف برروی آن به منظوراستخراج اطلاعات می باشد.

داده کاوی فرآیندی تحلیلی است که برای کاوش داده ها( معمولاً حجم عظیمی ازداده ها) صورت می گیرد ویافته هابا به کارگیری الگوهایی ،احرازاعتبارمی شوند.هدف اصلی داده کاوی پیش بینی است.وبه صورت دقیق ترمی توان گفت:

" کاوش داده ها شناسایی الگوهای صحیح ،بدیع، سودمند وقابل درک ازداده های موجود دریک پایگاه داده است که بااستفاده ازپردازش های معمول قابل دستیابی نیستند."

فصل دوم

مفاهیم داده کاوی

2.1 فرایند داده کاوی

فرآیند داده کاوی شامل سه مرحله می باشد:

1- کاوش اولیه

2- ساخت مدل یاشناسایی الگو باکمک احرازاعتبار/ تایید

پایان نامه وب کاوی در صنعت

اختصاصی از حامی فایل پایان نامه وب کاوی در صنعت دانلود با لینک مستقیم و پر سرعت .

پایان نامه وب کاوی در صنعت

62 صفحه در قالب word

چکیده

با افزایش چشمگیر حجم اطلاعات و توسعه وب، نیاز به روش ها و تکنیک هایی که بتوانند امکان دستیابی کارا به داده‌ها و استخراج اطلاعات از آنها را فراهم کنند، بیش از پیش احساس می شود. وب کاوی یکی از زمینه های تحقیقاتی است که با به کارگیری تکنیک های داده کاوی به کشف و استخراج خودکار اطلاعات از اسناد و سرویس‌های وب می پردازد. در واقع وب کاوی، فرآیند کشف اطلاعات و دانش ناشناخته و مفید از داده های وب می باشد. روش های وب کاوی بر اساس آن که چه نوع داده ای را مورد کاوش قرار می دهند، به سه دسته کاوش محتوای وب، کاوش ساختار وب و کاوش استفاده از وب تقسیم می شوند.  طی این گزارش پس از معرفی وب کاوی و بررسی مراحل آن، ارتباط وب کاوی با سایر زمینه های تحقیقاتی بررسی شده و به چالش ها، مشکلات و کاربردهای این زمینه تحقیقاتی اشاره می شود. همچنین هر یک از انواع وب کاوی به تفصیل مورد بررسی قرار می گیرند که در این پروژه بیشتر به وب کاوی در صنعت می پردازم. برای این منظور مدل ها، الگوریتم ها و کاربردهای هر طبقه معرفی می شوند.

فهرست مطالب

فصل اول:مقدمه

مقدمه 1

فصل دوم:داده کاوی

2- 1 مقدمه ای بر داده کاوی 6

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

2-2 مراحل کشف دانش 9

2- 3 جایگاه داده کاوی در میان علوم مختلف 12

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

2-5 داده کاوی و انبار داده ها 14

2-6 داده کاوی و OLAP 15

2-7 کاربرد یادگیری ماشین و آمار در داده کاوی 16

2-8 توصیف داده ها در داده کاوی 16

2-8-1 خلاصه سازی و به تصویر در آوردن داده ها 16

2-8-2 خوشه بندی 17

2-8-3 تحلیل لینک 18

2-9 مدل های پیش بینی داده ها 18

2-9-1 دسته بندی 18

2-9-2 رگرسیون 18

2-9-3 سری های زمانی 19

2-10 مدل ها و الگوریتم های داده کاوی 19

2-10-1 شبکه های عصبی 19

2-10-2 درخت تصمیم 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) 25

2-10-6 رگرسیون منطقی 26

2-10-7 تحلیل تفکیکی 27

2-10-8 مدل افزودنی کلی (GAM) 28

2-10-9 Boosting 28

2-11 سلسله مراتب انتخابها 28

2-12داده کاوی و مدیریت بهینه وب سایت ها 30

2-13داده‌کاوی و مدیریت دانش 31

فصل سوم: وب کاوی

3-1 تعریف وب کاوی 33

3-2 مراحل وب کاوی 33

3-3 وب کاوی و زمینه های تحقیقاتی مرتبط 34

3-3-1 وب کاوی و داده کاوی 34

3-3-2 وب کاوی و بازیابی اطلاعات 35

3-3-3 وب کاوی و استخراج اطلاعات 36

3-3-4 وب کاوی و یادگیری ماشین 37

3-4 انواع وب کاوی 37

3-5 چالش های وب کاوی 38

3-6مشکلات ومحدودیت های وب کاوی در سایت های فارسی زبان 39

3-7 محتوا کاوی وب 40

فصل چهارم: وب کاوی در صنعت

4-1 انواع وب کاوی در صنعت 43

4-1-1وب کاوی در صنعت نفت، گاز و پتروشیمی 43

4-1-1-1 مهندسی مخازن/ اکتشاف 43

4-1-1-2مهندسی بهره برداری 44

4-1-1- 3مهندسی حفاری 44

4-1-1-4بخشهای مدیریتی 44

4-1-2 کاربرد های دانش داده کاوی در صنعت بیمه 45

4-1-3کاربردهای دانش داده کاوی در مدیریت شهری 46

4-1-4کاربردهای داده کاوی در صنعت بانکداری 47

4-1-4-1بخش بندی مشتریان 47

4-2 پژوهش های کاربردی 48

نتیجه گیری 50

منابع و ماخذ فارسی 51

مراجع و ماخذ لاتین و سایتهای اینترنتی 52

مقدمه

با توسعه سیستم های اطلاعاتی، داده به یکی از منابع پراهمیت سازمان ها مبدل گشته است. بنابراین روش ها و تکنیک هایی برای دستیابی کارا به داده، اشتراک داده، استخراج اطلاعات از داده و استفاده از این اطلاعات، مورد نیاز می باشد. با ایجاد و گسترش وب و افزایش چشمگیر حجم اطلاعات، نیاز به این روش ها و تکنیک ها بیش از پیش احساس می شود. وب، محیطی وسیع، متنوع و پویا است که کاربران متعدد اسناد خود را در آن منتشر می کنند. در حال حاضر بیش از دو بیلیون صفحه در وب موجود است و این تعداد با نرخ 3/7 میلیون صفحه در روز افزایش مییابد. با توجه به حجم وسیع اطلاعات در وب، مدیریت آن با ابزارهای سنتی تقریبا غیر ممکن است و ابزارها و روش هایی نو برای مدیریت آن مورد نیاز است. به طور کلی کاربران وب در استفاده از آن با مشکلات زیر روبرو هستند:

1. یافتن اطلاعات مرتبط: یافتن اطلاعات مورد نیاز در وب دشوار می باشد. روش های سنتی بازیابی اطلاعات که برای جستجوی اطلاعات در پایگاه داده ها به کار می روند، قابل استفاده در وب نمی‌باشند وکاربران معمولا از موتورهای جستجو که مهمترین و رایج ترین ابزار براییافتن اطلاعات در وب می باشند، استفاده می کنند. این موتورها، یک پرس و جوی[1] مبتنی بر کلمات کلیدی از کاربر دریافت کرده و در پاسخ لیستی از اسناد مرتبط با پرس و جوی وی را که بر اساس میزان ارتباط با این پرس و جو مرتب شده اند، به وی ارائه می کنند. اما موتورهای جستجو دارای دو مشکل اصلی هستند. اولا دقت[2] موتورهای جستجو پایین است، چراکه این موتورها در پاسخ به یک پرس و جوی کاربر صدها یا هزاران سند را بازیابی می کنند، در حالی که بسیاری از اسناد بازیابی شده توسط آنها با نیاز اطلاعاتی کاربر مرتبط نمی باشند. دوما میزان فراخوان[3] این موتورها کم می باشد، به آن معنی که قادر به بازیابی کلیه اسناد مرتبط با نیاز اطلاعاتی کاربر نیستند. چراکه حجم اسناد در وب بسیار زیاد است و موتورهای جستجو قادر به نگهداری اطلاعات کلیه اسناد وب، در پایگاه داده های خود نمی باشند.
2. ایجاد دانش جدید با استفاده از اطلاعات موجود در وب: این مشکل در واقع بخشی از مشکل مطرح شده در قسمت قبل می باشد. در حال حاضر این سوال مطرح است که چگونه می توان داده های فراوان موجود در وب را به دانشی قابل استفاده تبدیل کرد، به طوری که یافتن اطلاعات مورد نیاز در آن به سادگی صورت بگیرد. همچنین چگونه می توان با استفاده از داده های وب به اطلاعات و دانشی جدید دست یافت.
3. خصوصی سازی[4] اطلاعات: از آن جا که کاربران متفاوت هر یک درباره نوع و نحوه بازنمایی اطلاعات سلیقه خاصی دارند،این مسئله باید توسط تامین کنندگان اطلاعات در وب مورد توجه قرار بگیرد. برای این منظور با توجه به خواسته ها و تمایلات کاربران متفاوت، نحوه ارائه اطلاعات به آنها باید سفارشی گردد.

تکنیک های وب کاوی[5]قادر به حل این مشکلات می باشند. دروب کاویبه صورت زیر تعریف شده است:

وب کاوی به کارگیری تکنیک های داده کاوی[6] برای کشف و استخراج خودکار اطلاعات از اسناد و سرویس های وب می باشد.

البته تکنیک های وب کاوی تنها ابزار موجود برای حل این مشکلات نیستند. بلکه تکنیک های مختلفی از سایر زمینه های تحقیقاتی همچون پایگاه داده ها، بازیابی اطلاعات، پردازش زبان طبیعی قابل استفاده در این زمینه می باشند. همچنین تکنینک های وب کاوی می توانند به صورت مستقیم یا غیر مستقیم برای حل این مشکلات به کار روند. منظور از رویکرد مستقیم آن است که کاربرد تکنیک های وب کاوی به صورت مستقیم مشکلات مطرح شده را حل می نماید. یک عامل گروه خبری که مرتبط بودن یک خبر به یک کاربر را تعیین می کند، مثالی از این رویکرد می باشد. اما در رویکرد غیر مستقیم، تکنیک های وب کاوی به عنوان بخشی از یک روش جامع تر که به حل این مشکلات می پردازد، مورد استفاده قرار می گیرند.

با توجه به گسترش روز افزون حجم اطلاعات در وب و ارتباط وب کاوی با تجارت الکترونیکی، وب کاوی به یک زمینه تحقیقاتی وسیع مبدل گشته است. طی این گزارش پس از بررسی مراحل وب کاوی،انواع آن معرفی می شوند. سپس ارتباط وب کاوی با سایر زمینه های تحقیقاتی بررسی شده و به چالش ها و مشکلات این زمینه تحقیقاتی اشاره می شود. در ادامه هر یک از انواع وب کاوی به تفصیل مورد بررسی قرار می گیرند. برای این منظور مدل ها، الگوریتم ها و کاربردهای هر طبقه معرفی می شوند. در پایان نیز به برخی از نمونه کاربردهای واقعی وب کاوی اشاره می شود.

ممکن است هنگام انتقال از فایل ورد به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است

متن کامل را می توانید در ادامه دانلود نمائید

چون فقط تکه هایی از متن برای نمونه در این صفحه درج شده است ولی در فایل دانلودی متن کامل همراه با تمام ضمائم (پیوست ها) با فرمت ورد word که قابل ویرایش و کپی کردن می باشند موجود است

مقاله داده کاوی در محاسبات ابری

اختصاصی از حامی فایل مقاله داده کاوی در محاسبات ابری دانلود با لینک مستقیم و پر سرعت .

تعداد صفحات : 5

زبان مقاله : انگلیسی

موضوع : داده کاوی در محاسبات ابری

سال چاپ : 2012 میلادی

فقط 500 تومان