دیجی پروژه

0 پایان نامه 0 کارآموزی 0 نقشه های ساختمانی و انجام پروژه های پایان نامه 0 سه بعدی سازی با 03d max

پروژه های حسابداری معماری پروژه های مدیریت

اطلاعیه فروشگاه

کلیه پروژه های فروشگاه دارای نمونه رایگان می باشد که جهت تعیین سطح پروژه و مقایسه پروژه با آنچه مورد نظر شماست در توضیحات بیشتر آمده است. که می توانید قبل از خرید از طریق لینک ارایه شده نمونه فایل رایگان را دانلود نمایید. فایل های موجود در فروشگاه نمونه مشابه ندارد. در صورت نیاز به پشتیبانی و یا درخواست پروژه می توانید از طریق راههای زیر با هم در ارتباط باشیم. jabersedighy@gmail.com 09114624244

داده کاوی در شهر الکترونیک

داده کاوی در شهر الکترونیک

 

 

 

 

 

 

 

 

درود بر شما ممنون از اینکه فروشگاه خودتون رو انتخاب کردید. مقاله پیش رو مربوط به داده کاوی در شهر الکترونیک می باشد. این مقاله دارای 60 صفحه و به صورت word  می باشد.

 

فهرست مطالب

چکیده

فصل اول  مفاهیم داده کاوی

1-1. مقدمه

2-1. مديريت ذخيره سازی و دستيابی اطلاعات

3-1. ساختار بانک اطلاعاتی سازمان

4-1. داده کاوی

1-4-1. داده كاوي چيست؟

5-1. مفاهيم پايه در داده کاوي

1-5-1. تعريف داده کاوي

2-5-1. تاريخچه داده کاوي

6-1. مراحل فرايند کشف دانش از پايگاه داده ها

1-6-1. انبارش داده ها

2-6-1. انتخاب داده ها

3-6-1. تبديل داده ها

4-6-1. کاوش در داده ها

5-6-1. تفسير نتيجه

7-1. عملياتهاي داده کاوي

1-7-1. مدلسازي پيشگويي کننده

2-7-1. تقطيع پايگاه داده ها

3-7-1. تحليل پيوند

4-7-1. تشخيص انحراف

8-1. الگوريتم هاي داده كاوي

1-8-1. شبكه هاي عصبي

2-8-1. درخت هاي انتخاب

3-8-1. استنتاج قانون

4-8-1. الگوريتم هاي ژنتيك

5-8-1. مدل فرآيند دو سويه

9-1. سابقه داده کاوي

10-1. مفهوم داده کاوي

11-1. نرم‌افزارهاي داده‌كاوي

1-12. درک قلمرو

1-1-12. ابزارهای تجاری داده کاوی Tools DM Commercial

2-1-12. منابع اطلاعاتی مورد استفاده

3-1-12. دیتامارت

4-1-12. انبار داده ها

فصل دوم  کاربردهای داده کاوی

1-2. عناصر داده کاوی

2-2. فنون داده کاوی

3-2. محدودیت های داده کاوی

4-2. حفاظت از حریم شخصی در سیستم‌های داده‌كاوی

5-2. کاربردهای مختلف داده کاوی

1-5-2. کاربرد داده کاوی در کسب و کار هوشمند بانک

2-5-2. داده كاوي درمديريت ارتباط بامشتري

3-5-2. کاربردهای داده کاوی در کتابخانه ها و محیط های دانشگاهی

4-5-2. داده کاوی و مدیریت موسسات دانشگاهی

5-5-2. داده کاوی و مدیریت بهینه وب سایت ها

6-5-2. داده‌كاوي و مديريت دانش

7-5-2. كاربرد داده‌كاوي در آموزش عالي

فصل سوم  داده کاوی در شهر الکترونیک

1-3. معماری وب کاوی

2-3. مشكلات ومحدوديت هاي وب كاوي در سايت هاي فارسي زبان

3-3. محتوا کاوی وب

4-3. شهر الکترونيک

5-3. زمينه داده کاوي در شهر الکترونيک

6-3. کاربردهاي داده کاوي در شهر الکترونيک

1-6-3. کشف علايق و انگيزه هاي شهروندان و توليد سرويس هاي شخصي سازي

2-6-3. تجديد ساختار سايت وب شهر و افزايش کارايي سيستم

3-6-3. تقويت برنامه ريزي هاي دولت و ترويج نوآوري

4-6-3. بهبود تحليلها و تصميمات دولت

7-3. چالشهاي داده کاوي در شهر الکترونيک

1-7-3. كيفيت داده ها

2-7-3. قابليت انتقال داده ها و استفاده از اطلاعات

3-7-3. چالش برآورد مدلهاي داده کاوي

4-7-3. دقت نتايج متدهاي داده كاوي

5-7-3. پيچيدگي و هزينه زماني

6-7-3. محرمانگي داده ها

نتيجه گيري

منابع

فهرست اشکال

فهرست جداول

 

 

بخشی از مقاله:

چکیده

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 از 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 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 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 به عنوان يکي از روشهاي کشف دانش ، روشن تر مي گردد.

1-1. مقدمه

با گسترش فناوري اطلاعات و ارتباطات درجهان و ورود سريع آن به زندگي روزمره مردم مسائل و ضرورت­هاي تازه­اي به ­وجود­آمده­است .امروزه انسان توسعه يافته كسي است كه به اطلاعات دسترسي داشته­ باشد و دسترسي به اطلاعات نه يك ضرورت،كه يك قدرت محسوب­ مي ­شود. دراين­ ميان شهر­ها به عنوان مراكز قدرت انساني و تمدن­هاي بشري بيش از پيش اهميت ­يافته ­اند. به اعتقاد الوين تافلر، مردم كره زمين تا به امروز سه موج اساسي تحول راپشت سرگذاشته اند :

موج اول، موج انقلاب كشاوزي است كه زمان آغاز آن بركسي مشخص نيست.

موج دوم، انقلاب صنعتي است كه به دنبال اختراع ماشين بخار در سال  1764آغاز­ شد.

موج سوم يا انقلاب انفورماتيك است كه ازسال 1946 كه بشر به ساخت كامپيوتر نائل آمده آغاز گشته است.

اگر در موج دوم سخت ­افزارها به كمك انسان­ها مي­ آمدند، درموج سوم اين نرم­ افزار­ها هستند که به خدمت بشر مي شتابند و تفكرات و تصورات آدمي را به شكل كدهاي صفر و يك و با كمك امواج ماهواره­اي مبادله ­مي­ كنند. در موج سوم، انسان هر روز که بيشتر ياد ­مي ­گيرد، بيشترمي فهمد كه با حقيقت فاصله دارد .موج سوم راموج خردورزي نيز لقب داده اند زيرا در اين عرصه­ ها، انسان­ها ديگر فرصت ندارند زياد با هم صحبت ­كنند، همه چيز تعريف­ شده و براي هر تعريف، يك كد درنظرگرفته ­شده ­است. از سوی دیگر در دنیای به شدت رقابتی امروز، اطلاعات بعنوان یکی از فاکتورهای تولیدی مهم پدیدار شده است. در نتیجه تلاش برای استخراج اطلاعات از داده ها توجه بسیاری از افراد دخیل در صنعت اطلاعات و حوزه های وابسته را به خود جلب نموده است.حجم بالای داده های دائما در حال رشد در همه حوزه ها و نیز تنوع آنها به شکل داده متنی، اعداد، گرافیکها، نقشه ها، عکسها،  تصاویر ماهواره ای و عکسهای گرفته شده با اشعه ایکس نمایانگر پیچیدگی کار تبدیل داده ها به اطلاعات است. علاوه بر این، تفاوت وسیع در فرآیندهای تولید داده مثل روش آنالوگ مبتنی بر کاغذ و روش دیجیتالی مبتنی بر کامپیوتر، مزید بر علت شده است. استراتژیها و فنون متعددی برای گردآوری، ذخیره، سازماندهی و مدیریت کارآمد داده های موجود و رسیدن به نتایج معنی دار بکار گرفته شده اند. بعلاوه، عملکرد مناسب ابرداده که داده ای درباره داده است در عمل عالی بنظر می رسد.پیشرفتهای حاصله در علم اطلاع رسانی و تکنولوژی اطلاعات، فنون و ابزارهای جدیدی برای غلبه بر رشد مستمر و تنوع بانکهای اطلاعاتی تامین می کنند. این پیشرفتها هم در بعد سخت افزاری و هم نرم افزاری حاصل شده اند. ریزپردازنده های سریع، ابزارهای ذخیره داده های انبوه پیوسته و غیر پیوسته، اسکنرها، چاپگرها و دیگر ابزارهای جانبی نمایانگر پیشرفتهای حوزه سخت افزار هستند. پیشرفتهای حاصل در نظامهای مدیریت بانک اطلاعات در طی چهار دهه گذشته نمایانگر تلاشهای بخش نرم افزاری است.این تلاشها در بخش نرم افزار را می توان بعنوان یک حرکت پیشرونده از ایجاد یک بانک اطلاعات ساده تا شبکه ها و بانکهای اطلاعاتی رابطه ای و سلسله مراتبی برای پاسخگویی به نیاز روزافزون سازماندهی و بازیابی اطلاعات ملاحظه نمود. بدین منظور در هر دوره، نظامهای مدیریت بانک اطلاعاتی مناسب سازگار با نرم افزار سیستم عامل و سخت افزار رایج گسترش یافته اند. در این رابطه میتوان از محصولاتی مانند، Dbase-IV, Unify, Sybase, Oracle  و غیره نام برد. داده کاوی یکی از پیشرفتهای اخیر در راستای فن آوریهای مدیریت داده هاست. داده کاوی مجموعه ای از فنون است که به شخص امکان می دهد تا ورای داده پردازی معمولی حرکت کند و به استخراج اطلاعاتی که در انبوه داده ها مخفی و یا پنهان است کمک می کند. انگیزه برای گسترش داده کاوی بطور عمده از دنیای تجارت در دهه 1990 پدید آمد. مثلا داده کاوی در حوزه بازاریابی، بدلیل پیوستگی غیرقابل انتظاری که بین پروفایل یک مشتری و الگوی خرید او ایجاد می کند اهمیتی خاص دارد. تحلیل رکوردهای حجیم نگهداری سخت افزارهای صنعتی، داده های هواشناسی و دیدن کانال های تلوزیونی از دیگر کاربردهای آن است. در حوزه مدیریت کتابخانه کاربرد داده کاوی بعنوان فرایند ماخذ کاوی نامگذاری شده است. این مقاله به کاربردهای داده کاوی در مدیریت کتابخانه ها و موسسات آموزشی می پردازد. در ابتدا به چند سیستم سازماندهی داده ها که ارتباط نزدیکی به داده کاوی دارند می پردازد؛ سپس عناصر داده ای توصیف میشوند و درپایان چگونگی بکارگیری داده کاوی در کتابخانه ها و موسسات آموزشی مورد بحث قرار گرفته و مسائل عملی مرتبط در نظر گرفته می شوند.

2-1. مديريت ذخيره سازی و دستيابی اطلاعات

داده های اطلاعاتی به عنوان يکی از منابع حياتی سازمان شناخته می شود و بسياری از سازمان ها با اطلاعات و دانش سازمانی خود مانند ساير دارايی های ارزشمندشان برخورد می کنند .داده اطلاعاتی (Data) به اطلاعات خام سازمان اتلاق می‌شود و اطلاعات (Information) به داده‌های پردازش شده.همچنين داده های پردازش شده پس از طبقه بندی و آناليز به دانش سازمان (Knowledge) تبديل می گردند. حال تصور نماييد، دسترسی به اطلاعات در شرايطی که داده‌ها به روش نامناسبی نگهداری شوند و يا روش ضابطه مندی جهت دستيابی به آنها وجود نداشته باشد تا چه حد مشکل است . برای رسيدن به يک سيستم اطلاعاتی مناسب، داده‌ها می بايست به صورتی منطقی طبقه بندی و ذخيره شوند تا استفاده از آن ها ساده‌تر بوده، با کارايی بيشتری تحليل شوند و سريعتر مورد استفاده قرار گيرند و در نتيجه مديريت بهتری بر آن ها اعمال شود.

3-1. ساختار بانک اطلاعاتی سازمان

داده های سازمان ها در انواع بانک های اطلاعاتی و با ساختارهای متنوعی ذخيره می‌گردند . طراحی و سازماندهی اين ساختارها، بکارگيری و انتقال به بانک‌های اطلاعاتی پيشرفته و بهينه سازی آن ها يکی خدماتی است که توسط واحدهای فناوری اطلاعات ارائه می شود.

4-1. داده کاوی

1-4-1. داده­كاوي چيست؟

فناوري­هاي نوين اطلاعاتي و ارتباطي، و همچنين تكنولوژي­هاي پشتيبان تصميم، با جمع آوري، ذخيره، ارزيابي، تفسير و تحليل، بازيابي و اشاعه اطلاعات و دانش به كاربران خاص، مي ­توانند در اطلاع­يابي به موقع، صحيح و مورد­نياز به افراد تاثير زيادي داشته­ باشند. يكي از ابزارهاي مورد استفاده در اين فناوري­ها، داده كاوي مي باشد. داده­کاوي شامل استفاده از ابزار­هاي پيشرفته تحليل داده به منظور کشف الگو­هاي معتبر، از قبل نا­شناخته و روابط در مجموعه داده ­هاي بزرگ است. اين ابزار­ها، مدل هاي آماري، الگوريتم هاي رياضي و متد­هاي يادگيري ماشين ديريت داده است، و شامل تجزيه و تحليل و پيش­گويي مي­ شود. نام ديگر آن کشف دانش در پايگاه داده يا به اختصارKDD است .

داده ­کاوي مي ­تواند روي داده­هاي کمي، متني، يا چند­رسانه­اي انجام­ گيرد. کاربرد­هاي آن شامل موارد زير مي­ باشد :

     1- قوانين وابستگي: الگو­هايي که در آن وجود يك آيتم دلالت بر وجود آيتم ديگر دارد،

     2-کلاس­ بندي: انتساب الگو­ها به يک مجموعه کوچک از کلاس­هاي از قبل تعريف شده به وسيله کشف بعضي روابط بين ويژگي­ها،

     3- خوشه­ بندي: گروه ­بندي مشتريان يا مجموعه الگو­هايي که ويژگي­هاي مشابهي دارند،

     4-پيش ­گويي : کشف الگو­ها براي پيش­گويي منطقي درباره آينده،

     5-تحليل مسيريا الگو­هاي ترتيبي: الگو­هايي که در آن يک رخداد منجر به وقوع رخداد ديگر مي­شود.

داده­ کاوي يک تکنولوژي جديد نيست ولي کاربرد آن به­ طور معناداري در بخش­هاي مختلف خصوصي و عمومي رو­به ­رشد بوده و عموما صنايعي چون بانک، بيمه، پزشکي و خرده ­فروشي از داده ­کاوي به هدف کاهش هزينه ­ها، افزايش تحقيقات و افزايش فروش استفاده مي­ کنند.

5-1. مفاهيم پايه در داده کاوي

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 .

1-5-1. تعريف داده کاوي

در متون آکادميک تعاريف گوناگوني براي داده کاوي ارائه شده است . در برخي از اين تعاريف داده کاوي 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 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 يعني جستجو در يک پايگاه داده ها براي يافتن الگوهايي ميان داده ها .

-داده کاوي يعني استخراج دانش کلان ، قابل استناد و جديد از پايگاه داده ها ي بزرگ .

-داده کاوي يعني تجزيه و تحليل مجموعه داده هاي قابل مشاهده براي يافتن روابط مطمئن بين داده ها .

 

 


اشتراک بگذارید:

پرداخت هزینه و دریافت فایل

مبلغ قابل پرداخت 5,200 تومان
(شامل 20% تخفیف)
مبلغ بدون تخفیف: 6,500 تومان
نمایش لینک دانلود پس از پرداخت هزینه
کدتخفیف:

درصورتیکه برای خرید اینترنتی نیاز به راهنمایی دارید اینجا کلیک کنید


پرداخت اینترنتی - دانلود سریع - اطمینان از خرید

فایل هایی که پس از پرداخت می توانید دانلود کنید

نام فایلحجم فایل
Data-Mining-dar-Electronic-City_1814274_1691.zip2.7 MB