کاربرد الگوریتم تکاملی در داده کاوی
فرمت فایل دانلودی: .docxفرمت فایل اصلی: docx
تعداد صفحات: 40
حجم فایل: 627 کیلوبایت
کاربرد الگوریتم تکاملی در داده کاوی
1 مقدمه ای بر داده‌کاوی5
1-1 چه چیزی سبب پیدایش داده کاوی شده است؟
1-2 مراحل کشف دانش
1-3 جایگاه داده کاوی در میان علوم مختلف
1-4 داده کاوی چه کارهایی نمی تواند انجام دهد؟
1-5 داده کاوی و انبار داده ها 15
1-6 داده کاوی و OLAP
1-7 کاربرد یادگیری ماشین و آمار در داده کاوی
2- توصیف داده ها در داده کاوی
2-1 خلاصه سازی و به تصویر در آوردن داده ها
2-2 خوشه بندی 20
2-3 تحلیل لینک
3- مدل های پیش بینی داده ها
3-1 Classification
3-2 Regression
3-3 Time series
4 مدل ها و الگوریتم های داده کاوی
4-1 شبکه های عصبی 23
4-2 Decision trees
4-3 Multivariate Adaptive Regression Splines(MARS)
4-4 Rule induction
4-5 K-nearest neibour and memory-based reansoning(MBR)
4-6 رگرسیون منطقی
4-7 تحلیل تفکیکی 34
4-8 مدل افزودنی کلی (GAM)
4-9 Boosting
5 سلسله مراتب انتخابها35
منابع 38
داده کاوی عبارت است از فرایند کشف و تحلیل حجم بزرگی از داده ها با استفاده از روش های آماری و ریاضی.
در بیشتر موارد داده های حاصل از سیستم های بزرگ و پیچیده الگوی مشخصی ندارد و در طی زمان و مکان تغییر می کند بنابراین برای تحلیل این نوع داده ها باید به دنبال روش هایی بود که بتواند روش های آماری کلاسیک را کامل کند داده کاوی بر اساس روش های آماری کلاسیک هم زمان قابل توجهی را صرف می کند و هم مسبوق به نظریه است.
در این تحقیق به منظور بررسی نقش الگوریتم تکاملی در گام های متوالی فرایند داده کاوی به تعریف و توصیف فرایند داده کاوی و الگوریتم های تکاملی پرداخته و با نظر به مفاهیم و بررسی در نهایت معلوم گردیده است که تنها فرایندی مانند فرایند داده کاوی قابلیت تحلیلی زیاد می تواند اطلاعاتی قابل درک برای انسان ارائه نماید. و نیز معلوم گردیده است که چگونه دو فرایند داده کاوی و الگوریتم تکاملی یکدیگر را پشتیبانی می نمایند.
پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.