پاورپوینت خوشه بندی با استفاده الگوریتم DBSCAN
ایده اصلی مطرح در این نوع خوشه بند ی استفاده از مفهوم فیزیکی چگالی (تراکم) داده ها می باشد.
Density Based Spatial Clustering of Applications with Noise
(خوشه بندی مکانی مبتنی بر چگالی در کاربردهای دارای نویز)
در واقع در این روش، میزان تراکم اشیاء(داده ها) در یک محدوده فضایی خاص به عنوان معیاری برای تشخیص خوشه ها استفاده میشود.
تعداد مشاهده: 92 مشاهده
فرمت فایل دانلودی:.pptx
فرمت فایل اصلی: pptx
تعداد صفحات: 29
حجم فایل:3,086 کیلوبایت
-
محتوای فایل دانلودی:
تفاوت آمار وداده کاوی
این فایل که مقایسه بین امار و داده کاوی میباشد به بیان کامل تفاوت این دو موضوع پرداخته است. این فایل میتواند به دانشجویان رشته صنایع،امار و امار زیستی یا تمامی کسانی که میخواهند اطلاعاتی در این زیمنه داشته باشند کمک زیادی نماید.
تعداد مشاهده: 79 مشاهده
فرمت فایل دانلودی:.docx
فرمت فایل اصلی: word
تعداد صفحات: 5
حجم فایل:33 کیلوبایت
-
محتوای فایل دانلودی:
یک راه حل مبتنی بر داده کاوی برای مبارزه با پولشویی درپایگاه داده بانک
چکیده
امروزه پدیده پولشویی به تهدید جدی برای اقتصاد جهانی تبدیل شده است. روش های انجام این عمل مجرمانه و در نتیجه متد های کشف آن، روز به روز پیچیده تر می شود. پولشویی روند پنهان کردن مبدا نامشروع پولهای غیرقانونی است، به طوری که ظاهری قانونی به خود بگیرد. از طرفی دیدگاه های سنتی مقابله با پول شویی بسیار هزینه بر و نا کارآمد است. اخیرا تکنیک های داده کاوی گسترش پیدا کرده اند و به عنوان روش های مناسب برای کشف فعالیت های پولشویی مورد توجه قرار گرفته اند. داده کاوی به مفهوم یافتن الگو ها و روندهای پنهان در حجم بالایی از داده هاست طوری که بتوان از آنها در تصمیم گیری های آینده استفاده کرد. تحقیق پیش رو ،یک راه حل مبتنی بر داده کاوی برای کشف موارد مشکوک به پولشویی در پایگاه داده بانک بر اساس قانون مبارزه با پولشویی در ایران مصوب سال 138 و دستورالعملهای ده گانه بانک مرکزی برای مبارزه با پولشویی را بیان میکند. در این مقاله ابتدا سعی در انتخاب پارامترهای مناسب جهت تشخیص موارد مشکوک بیان شده در قانون فوق الذکر داریم وسپس راه حلی براساس داده کاوی با توجه به پارامترهای بیان شده ارائه خواهد شد.
تعداد مشاهده: 282 مشاهده
فرمت فایل دانلودی:.zip
فرمت فایل اصلی: docx
تعداد صفحات: 12
حجم فایل:217 کیلوبایت
-
محتوای فایل دانلودی:
مقاله در رابطه با پولشویی با موضوع"یک راه حل مبتنی بر داده کاوی برای مبارزه با پولشویی درپایگاه داده بانک" سال با93
با فرمت word در 12 صفحه
پژوهش داده کاوی، مفاهیم و کاربرد
عنوان: پژوهش داده کاوی، مفاهیم و کاربرد
قالب: Word
تعداد صفحات: 101
چکیده
امروزه با گسترش سیستم های پایگاهی و حجم بالای داده های ذخیره شده در این سیستم ها، نیاز به ابزاری است تا بتوان داده های ذخیره شده را پردازش کرد و اطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد.
با استفاده از پرسش های ساده در SQL و ابزارهای گوناگون گزارش گیری معمولی، می توان اطلاعاتی را در اختیار کاربران قرار داد تا بتوانند به نتیجه گیری در مورد داده ها و روابط منطقی میان آنها بپردازند اما وقتی که حجم داده ها بالا باشد، کاربران هر چند زبر دست و با تجربه باشند نمی توانند الگوهای مفید را در میان حجم انبوه داده ها تشخیص دهند و یا اگر قادر به این کار هم با شند، هزینه عملیات از نظر نیروی انسانی و مادی بسیار بالا است.
از سوی دیگر کاربران معمولا فرضیه ای را مطرح می کنند و سپس بر اساس گزارشات مشاهده شده به اثبات یا رد فرضیه می پردازند، در حالی که امروزه نیاز به روشهایی است که اصطلاحا به کشف دانش بپردازند یعنی با کمترین دخالت کاربر و به صورت خودکار الگوها و رابطه های منطقی را بیان نمایند.
داده کاوی یکی از مهمترین این روشها است که به وسیله آن الگوهای مفید در داده ها با حداقل دخالت کاربران شناخته می شوند و اطلاعاتی را در اختیار کاربران و تحلیل گران قرار می دهند تا براساس آنها تصمیمات مهم و حیاتی در سازمانها اتخاذ شوند.
تعداد مشاهده: 405 مشاهده
فرمت فایل دانلودی:.zip
فرمت فایل اصلی: docx
تعداد صفحات: 101
حجم فایل:837 کیلوبایت
-
محتوای فایل دانلودی:
مقدمه ای بر داده کاوی
مقدمه ای بر داده‌کاوی
در دو دهه قبل توانایی های فنی بشر در برای تولید و جمع آوری داده‌ها به سرعت افزایش یافته است. عواملی نظیر استفاده گسترده از بارکد برای تولیدات تجاری، به خدمت گرفتن کامپیوتر در کسب و کار، علوم، خدمات دولتی و پیشرفت در وسائل جمع آوری داده، از اسکن کردن متون و تصاویر تا سیستمهای سنجش از دور ماهواره ای، در این تغییرات نقش مهمی دارند [1].
بطور کلی استفاده همگانی از وب و اینترنت به عنوان یک سیستم اطلاع رسانی جهانی ما را مواجه با حجم زیادی از داده و اطلاعات میکند. این رشد انفجاری در داده‌های ذخیره شده، نیاز مبرم وجود تکنولوژی های جدید و ابزارهای خودکاری را ایجاد کرده که به صورت هوشمند به انسان یاری رسانند تا این حجم زیاد داده را به اطلاعات و دانش تبدیل کند: داده کاوی به عنوان یک راه حل برای این مسائل مطرح می باشد. در یک تعریف غیر رسمی داده کاوی فرآیندی است، خودکار برای استخراج الگوهایی که دانش را بازنمایی می کنند، که این دانش به صورت ضمنی در پایگاه داده های عظیم، انباره داده و دیگر مخازن بزرگ اطلاعات، ذخیره شده است. داده کاوی بطور همزمان از چندین رشته علمی بهره می برد نظیر: تکنولوژی پایگاه داده، هوش مصنوعی، یادگیری ماشین، شبکه های عصبی، آمار، شناسایی الگو، سیستم های مبتنی بر دانش ، حصول دانش ، بازیابی اطلاعات ، محاسبات سرعت بالا و بازنمایی بصری داده . داده کاوی در اواخر دهه 1980 پدیدار گشته، در دهه 1990 گامهای بلندی در این شاخه از علم برداشته شده و انتظار می رود در این قرن به رشد و پیشرفت خود ادامه دهد [2].
واژه های «داده کاوی» و «کشف دانش در پایگاه داده» اغلب به صورت مترادف یکدیگر مورد استفاده قرار می گیرند. کشف دانش به عنوان یک فرآیند در شکل1-1 نشان داده شده است.
کشف دانش در پایگاه داده فرایند شناسایی درست، ساده، مفید، و نهایتا الگوها و مدلهای قابل فهم در داده ها می باشد. داده کاوی، مرحله ای از فرایند کشف دانش می باشد و شامل الگوریتمهای مخصوص داده کاوی است، بطوریکه، تحت محدودیتهای مؤثر محاسباتی قابل قبول، الگوها و یا مدلها را در داده کشف می کند [1]. به بیان ساده تر، داده کاوی به فرایند استخراج دانش ناشناخته، درست، و بالقوه مفید از داده اطلاق می شود. تعریف دیگر اینست که، داده کاوی گونه ای از تکنیکها برای شناسایی اطلاعات و یا دانش تصمیم گیری از قطعات داده می باشد، به نحوی که با استخراج آنها، در حوزه های تصمیم گیری، پیش بینی، پیشگویی، و تخمین مورد استفاده قرار گیرند. داده ها اغلب حجیم ، اما بدون ارزش می باشند، داده به تنهایی قابل استفاده نیست، بلکه دانش نهفته در داده ها قابل استفاده می باشد. به این دلیل اغلب به داده کاوی، تحلیل داده ای ثانویه گفته می شود.
1-1 چه چیزی سبب پیدایش داده کاوی شده است؟
اصلی ترین دلیلی که باعث شد داده کاوی کانون توجهات در صنعت اطلاعات قرار بگیرد، مساله در دسترس بودن حجم وسیعی از داده ها و نیاز شدید به اینکه از این داده ها اطلاعات و دانش سودمند استخراج کنیم. اطلاعات و دانش بدست آمده در کاربردهای وسیعی از مدیریت کسب و کار وکنترل تولید و تحلیل بازار تا طراحی مهندسی و تحقیقات علمی مورد استفاده قرار می گیرد.
داده کاوی را می توان حاصل سیر تکاملی طبیعی تکنولوژی اطلاعات دانست، که این سیر تکاملی ناشی از یک سیر تکاملی در صنعت پایگاه داده می باشد، نظیر عملیات: جمع آوری داده ها وایجاد پایگاه داده، مدیریت داده و تحلیل و فهم داده ها. در شکل1-2 این روند تکاملی در پایگاه های داده نشان داده شده است ]3[.
فهرست
1 مقدمه ای بر داده‌کاوی 3
1-1 چه چیزی سبب پیدایش داده کاوی شده است؟ 4
1-2 مراحل کشف دانش 6
1-3 جایگاه داده کاوی در میان علوم مختلف 11
1-4 داده کاوی چه کارهایی نمی تواند انجام دهد؟ 12
1-5 داده کاوی و انبار داده ها 13
1-6 داده کاوی و OLAP 14
1-7 کاربرد یادگیری ماشین و آمار در داده کاوی 15
2- توصیف داده ها در داده کاوی 15
2-1 خلاصه سازی و به تصویر در آوردن داده ها 15
2-2 خوشه بندی 16
2-3 تحلیل لینک 16
3- مدل های پیش بینی داده ها 17
3-1 Classification 17
3-2 Regression 17
3-3 Time series 18
4 مدل ها و الگوریتم های داده کاوی 18
4-1 شبکه های عصبی 18
4-2 Decision trees 22
4-3 Multivariate Adaptive Regression Splines(MARS) 24
4-4 Rule induction 25
4-5 K-nearest neibour and memory-based reansoning(MBR) 26
4-6 رگرسیون منطقی 27
4-7 تحلیل تفکیکی 27
4-8 مدل افزودنی کلی (GAM) 28
4-9 Boosting 28
5 سلسله مراتب انتخابها 29
تعداد مشاهده: 773 مشاهده
فرمت فایل دانلودی:
فرمت فایل اصلی: doc
تعداد صفحات: 31
حجم فایل:235 کیلوبایت
-
محتوای فایل دانلودی:
حاوی فایل ورد قابل ویرایش