مرکز داده (Data Center)

اختصاصی از زد فایل مرکز داده (Data Center) دانلود با لینک مستقیم و پر سرعت .

مرکز داده (Data Center)    

160 صفحه در قالب word

فهرست مطالب

فصل اول- کاستن فاصله بین دولت و شهروند

1-1 مقدمه

1-2 کاستن فاصله بین دولت و شهروند

1-3 معماری کلان دولت الکترونیک

1-4 نقش شبکه در ارتقاء سطح کارآیی دولت و شهروندان

1-5 شبکه ملی پرسرعت

1-6 تاثیر شبکه بر فعالیت‌های تجاری

1-7 تاثیر شبکه بر آموزش وسطح سلامت جامعه

1-8 دولت‌ها و شبکه پرسرعت

1-9 نمونه‌های واقعی از سیاست گذاری دولت‌ها

1-10 جهت گیری دولت‌ها به ایجاد دولت الکترونیک

1-11 تعاریف و فرضیات دولت الکترونیک

1-12 ارائه سرویس‌های شهروندگرا

1-13 عوامل موفقیت دولت‌ها در پیاده‌سازی دولت الکترونیکی

1-14 اولویت‌ها در تحقق فاز دوم دولت الکترونیکی

1-14-1 طرح سازمانی

1-14-2 آموزش و مهارت

1-14-3 محرمانه بودن اطلاعات و امنیت

1-14-4 پورتال دولت

1-15 سازمان‌های مجازی متصل به هم

1-16 مزایای خاصیت تلفیق فرآیندهای چند سازمان در یک سازمان مجازی 

1-17 تاثیر شبکه بر معماری‌های قدیمی

1-18 چند ویژگی مهم در مدل جدید مدیریت مراکز کامپیوتینگ

1-19 محورهای مدیریت IT در سطح کلان در مدل قدیمی 

1-20 مدیریت IT و ارتباط آن با مدیریت کار

1-21 جایگاه استاندارد در مدیریت جدید زیرساخت‌های IT

1-22 روش بررسی وضعیت موجود

1-23 ارتباط Sarbanes-Oxley با معماری کلان

1-24 مدل CMM

1-25 مدل ISO 15504

1-26 مدل CoBIT

1-27 مدل‌های تعریف و تحلیل هدف

فصل دوم- مرکز داده

2-1 مقدمه

2-2 مرکز داده چیست؟

2-3 تعاریف مختلف مرکز داده

2-4 مقدمه‌ای بر ایجاد مراکز داده

2-5 نیاز به مرکز داده و خواص قابل توجه آن از نظر فنی

2-6 انقلاب بعدی در it چیست ؟

2-7 ساختار مراکز داده

2-8 درک پیچیدگی

2-9Utility Computing پاسخ سئوال است

2-10 مجازی سازی گام اول است

2-11 ملاحضات فنی در طراحی مراکز داده

2-12 مدل فنی استاندارد مرکز داده

2-13 تصویر کلان از مرکز داده

2-14 طرح تجاری مرکز داده

2-15 آشنایی با مفاهیم جدید در حوزه مراکز داده

2-15-1 Utility Computing یا On-Demand

2-16 Organic IT و سیستم‌های خودگردان

2-17 مجازی سازی 

2-17-1 مجازی سازی بر روی سرویس دهنده‌ها

2-17-2 مجازی سازی از طریق کلاسترینگ برروی سرویس دهنده‌ها

2-17-3 مجازی سازی در منابع ذخیره‌سازی

2-18 مدل جدید کار برایSSP‌ها

2-19 مجازی سازی در سطح شبکه

2-20 مجازی سازی در سطح برنامه‌های کاربردی

2-21 مدیریت مرکز داده

2-22 خدمات وب :

2-23 تفاوت RDMA با TOE

2-24 تاریخچه‌ی خدمات مبتنی بر وب :

2-25 شرکت‌های برتر و فناوری مناسب

2-26 شرایط محیطی

فصل سوم- آشنایی عمیق‌تر با طراحی و معماری مراکز داده

3-1 مرکز داده به عنوان انباره‌ی داده

3-2 مرکز داده به عنوان LOB

3-3 مرکز داده به عنوان مرکز گواهی هویت

3-4 مراکز اطلاعات در آمریکا

3-5 برون سپاری و مراکز داده

3-6 مشخصات یک Data Center

3-6-1 در اختیار داشتن اتصالات مختلف به اینترنت از طریق ISP و ICPهای مختلف:

3-6-2 وجود سرورهای متعدد

3-6-3 مشخصات فیزیکی

3-7 نحوه در اختیار گرفتن یک سرور وب

3-8 معیارهای طراحی مراکز داده

3-9 ساختار و اجزاء

3-9-1 تعیین ساختار

3-9-2 لایه Aggregation

3-9-3 لایه Front- End

3-9-4 لایه برنامه‌های کاربردی Application

3-9-5 لایهBack-End

3-9-6 لایه ذخیره‌سازی Storage

3-9-7 لایه انتقال

3-10 سرورها درData Center

3-10-1 Intranet server farm

3-10-2 Internet server farm

3-10-3 Extranet server farm

3-11 Data Center‌های توزیع شده

3-11-1 سرویس‌های زیرساخت

3-11-2 سرویس‌های هوشمند شبکه‌ای

3-11-3 سرویس‌های Server Farm

3-12 سوئیچینگ محتوا (Content Switching)

3-12-1 سرویس Caching

3-12-2 SSL Termination

3-12-3 Content Transformation

3-12-4 سرویس‌های ذخیره سازها

3-12-5 سرویس‌های امنیتی

3-12-6 لیست‌های کنترلی دسترسی (Access Control Lists (ACL) )

3-12-7 Firewall‌ها

3-12-8 سرویس‌های مدیریتی

فصل چهارم- راه‌اندازی مرکز داده در ایران

4-1 راه‌اندازی مرکز داده در ایران

4-2 ضرورت راه‌اندازی Data Center در ایران

4-3 مزایای راه‌اندازی Data Center در ایران

4-4 مزایای در اختیار داشتن Data Center در آینده

4-5 بررسی موانع مرکز داده‌ها در ایران

4-5-1 موانع سخت افزاری 

4-5-2 موانع نرم افزاری

4-6 ضوابط صدور مجوز ایجاد مجتمع خدمات اینترنت به بخش خصوصی

4-6-1 تعاریف

4-6-2 مقررات مربوط به واگذاری مجوز مجتمع اینترنتی

4-6-3 مدارک لازم جهت ایجاد مجتمع خدمات اینترنت به بخش خصوصی IDC

فصل پنجم- مرکز داده در Cloud, grid computing

5-1 مقدمه بر پردازش‌های ابری

5-2 آشنایی با پردازش ابری

5-3 Cloud computing 192

5-4 نحوه کار کرد پردازش ابری

5-5 معماری پردازش ابری :

5-6 مزایای Cloud Computing 

5-6-1 هزینه‌های کامپیوتری کمتر

5-6-2 کارآیی توسعه یافته

5-6-3 هزینه‌های نرم افزاری کمتر

5-6-4 ارتقای نرم افزار سریع و دائم

5-6-5 سازگاری بیشتر فرمت اسناد

5-6-6 ظرفیت نامحدود ذخیره‌سازی

5-6-7 قابلیت اطمینان بیشتر به داده

5-6-8 دسترسی جهانی به اسناد

5-6-9 در اختیار داشتن آخرین و جدیدترین نسخه

5-6-10 همکاری گروهی ساده‌تر

5-6-11 مستقل سخت افزار

5-7 نقاط ضعف Cloud Computing 

5-7-1 نیاز به اتصال دائمی به اینترنت دارد

5-7-2 با اتصال‌های اینترنتی کم سرعت کار نمی‌کند

5-7-3 می تواند کند باشد

5-7-4 ویژگی‌ها ممکن است محدود باشند

5-7-5 داده‌های ذخیره شده ممکن است از امنیت کافی برخوردار نباشند

5-7-6 کاربرانی که در مورد هزینه‌ها نگران هستند

5-7-7 کاربرانی با نیازهای روزافزون

5-7-8 چه کسانی نباید از Cloud Computing استفاده کنند؟

5-8 مزایا و چالشهای پردازش ابری در شرکتها و شبکه‌های رایانه ای

5-9 پردازش ابری در شرکتهای بزرگ

5-10 تولید نرم افزار امنیتی پیشرفته بر مبنای فناوری پردازش ابری

5-11 موارد زیر ایده‌هایی برای کار روی ابر هستند.

5-11-1 روی ابرها ثبت کنید!

5-11-2 روی ابرها فکر کنید!

5-11-3 روی ابر ذخیره کنید!

5-11-4 روی ابرها داکیومنت بسازید!

5-11-5 روی ابرها برنامه ریزی کنید!

5-11-6 روی ابرها حساب و کتاب کنید!

5-11-7 روی ابرها کار کنید!

5-12 رایانش ابری، پدیده‌ای نوین

5-13 لایه‌های مختلف رایانش ابری

خلاصه و نتیجه گیری

پیشنهادات

برخی الزامات و محدودیت‌ها

منابع

خلاصه 

در جهان پرشتاب و پیچیده امروز، در هر تحول وحرکت جدیدی نیازها و مسایل جدید و بعضاً پیچیده ای به چشم می خورد که پاسخگویی و پیدا کردن راه حل آنها بدون بهره‌گیری از رویکردهای جدید و تکنولوژی و ابزارهای نو امکان پذیر نیست.یکی از فناوری های جدید که هر روز بر اهمیت جایگاه آن در جوامع بویژه سازمانها و بنگاهها افزوده شده و جنبه استراتژیک و راهبردی پیدا کرده، فناوری اطلاعات و ارتباطات است که به اختصار «فاوا» نامیده می شود. در سالهای اخیر، فاوا نه تنها عامل عمده توانمندسازی سازمانهاست، بلکه میزان توسعه یافتگی سازمانها در استفاده از فناوری اطلاعات و ارتباطات را می توان به عنوان یکی از شاخصهای اصلی توسعه یافتگی سازمانها قلمداد کرد.
در عرصه بقای سازمانها آنچه که از اهمیت خاصی برخوردار است، بحث «رقابت» است؛ زیرا تنها شرایط رقابتی در بازار و احترام به مشتری و سنجیدن نیازهای مشتری است که موجب شده است کاربرد فناوری اطلاعات و ارتباطات در سازمانها و بنگاههای کشورهای پیشرفته افزایش یافته و به عنوان عامل قدرت و سازندگی در استراتژی مدیران گنجانده شود.با توجه به مطالب عنوان شده در این تحقیق مشخص است که مدیران سازمانها، برای بکارگیری مفاهیم جدید مراکز خدمات داده، ابتدا   می بایست بلوغ کافی در نیاز به این مفاهیم را کسب نمایند و پس از آن به بکارگیری آن بپردازند. علاوه بر آن کسب مهارتهای نگهداری رویه مند چنین مراکزی از اهمیت بالائی برخوردار است که کارشناسان می بایست خود را برای آن آماده نمایند.

پیش گفتار

با شروع هزاره سوم،بسیاری از محققان و اندیشمندان به نقش بارز فناوری اطلاعات در توسعه اقتصادی،سیاسی،اجتماعی و فرهنگی جوامع اذعان دارند.ایشان با توجه به تحولات شگرف در فناوری ارتباطات در دهه 90 میلادی اعتقاد به نقش مهم فناوری اطلاعات به عنوان منبع تحولات بنیادین در قرن بیست و یکم در جهان دارند.امروز باور جهانی به نقش مهم فناوری اطلاعات و ارتباطات در کاهش مشکلات فقر،نابرابری،بی سوادی،بهداشت و غیره اعتقاد دارد.در این راستا این فناوری  می تواند بخشی از استراتژی ملی توسعه در هر کشور قلمداد شود.

در حال حاضر با توسعه شبکه های ارتباطی اینترنت و رشد نمایی وب سایت ها،امکان ایجاد ارتباط میان پایگاه های داده ای و اطلاعاتی فراهم شده و موجب ایجاد جریان بی سابقه اطلاعات شده است.در این راستا بسیاری از سازمان ها و نهادهای بین المللی به تحقیق و ایجاد مراکز داده دست     زده اند.با ایجاد این مراکز امکان به اشتراک گذاری مجموعه منابع داده بصورت یکپارچه و پویا به عموم فراهم می شود.ارائه خدمات اطلاع رسانی،تجزیه و تحلیل داده ها ودر نهایت نمایه سازی آنها در محیط ایمن از جمله اهداف اولیه این مراکز می باشد.در ایران نیز طی دو سال گذشته ضمن توجه به اهمیت مراکز داده سعی بر شناخت،طراحی وایجاد چنین مراکزی در سطوح ملی و استانی شده است.برگزاری اولین همایش مراکز داده در سال 1383 در تهران را می توان به عنوان اولین قدم در آشنایی با فعالیت های مرتبط در این مقوله و هماهنگی مابین نهادها دانست.آنچه که مسلم است از نقش این مراکز در ایران و جهان طی دهه جاری میلادی به عنوان " مراکز تولید ارزش " برای همگان یاد  می شود.

از جمله موارد مهم دیگر در بکارگیری فناوری اطلاعات و ارتباطات در هر کشور،نحوه تعامل دولت و شهروندان در عصر جدید می باشد.در این خصوص مفاهیمی چون دولت الکترونیکی مطرح می باشد که عمده بحث در این رابطه به چگونگی ارائه خدمات ملی به شهروندان به بهترین وجه ممکن         می باشد.بکارگیری دولت الکترونیک همانطور که سبب ارتقاء سطح خدمات می شود سبب ایجاد کارآیی بالاتر و ایجاد امکانات جدید همچون مشاوره الکترونیک،کنترل الکترونیک و مشارکت عمومی خواهد بود.لزوم شکل گیری دولت الکترونیکی منوط به شناخت دولت مردان از معماری کلان فناوری اطلاعات در حوزه های مختلف فرهنگی،اجتماعی،سیاسی و اقتصادی آن نظام است.ضمن اینکه مدیران فناوری اطلاعات موظف به تهیه معماری سازمانی حوزه خویش به منظور ارائه سیستم های اطلاعاتی یکپارچه درون سازمانی و برون سازمانی و بهبود روش ها و فرآیندها می باشند.

مقدمه

Data Center چیست ؟  

تا قبل از دهه 90 استفاده از اینترنت برای مردم عادی به سادگی امکان‌پذیر نبود، چرا که استفاده از امکانات اینترنت نیاز به دانش خاصی داشت. محیط خط فرمانی(Command Line) و ساختار غیر گرافیکی اینترنت سبب شده بود که کاربران عادی علاقه چندانی به استفاده از اینترنت نداشته باشند.    در اوایل دهه 90، پس از به وجود آمدن مفهوم وب در اینترنت (سال 1993 ) و پروتکل HTTP که به سادگی امکان به اشتراک گذاشتن مستندات در اینترنت را در اختیار کاربران قرار می‌داد، روز به روز بر تعداد کاربران اینترنت افزوده شد. از سوی دیگر با اضافه شدن کاربران اینترنت، حجم مستندات نیز روز به روز افزایش یافت. مسلماً خطوط سابق اینترنتی و سرورهای موجود، توانایی جوابگویی به خیل عظیم کاربران را نداشتند. همچنین با زیاد شدن کاربران و بالا رفتن حجم مستندات، و نیز سادگی انتشار اطلاعات در اینترنت، مفاهیم تجاری نیز وارد عرصه اینترنت شدند. شرکت‌های تجاری نیاز به سرورهایی داشتند که این امکان را به آنها بدهد که به سادگی و با سرعت بتوانند اطلاعات خود را در اختیار مشتریان و کاربران خود قرار دهند. بالطبع این امکان وجود نداشت که هر شرکت یا سازمانی که قصد راه‌اندازی سایت‌های اینترنتی را دارد، خود راساً اقدام به راه‌اندازی سرور خود کند، چرا که با وجود کاربران زیاد این سایت‌ها و حجم بالای ترافیک، نیاز به اتصال‌هایی با سرعت‌های بسیار بالا وجود داشت که مسلما حتی در صورتی که این امکان از لحاظ عملی وجود داشته باشد، هزینه بالایی را می‌طلبید. راه‌حلی که برای این مشکل به نظر رسید، راه‌اندازی مراکز خاصی تحت عنوان Data Center یا مراکز داده‌ای بود. Center Data ها با در اختیار داشتن اتصالات پرسرعته‌ای به اینترنت، و همچنین در اختیار داشتن سرورهای قوی و متعدد، امکان راه‌اندازی سرورهای وب را برای عموم مردم ممکن ساختند.  شرکت‌های تجاری و مردم می‌توانستند با اجاره کردن فضای محدودی در این سرورها، سایت‌های وب خود را معرض دید عموم قرار دهند. برخی شرکت‌های بزرگ نیز با توجه به نیاز خود، اقدام به اجاره کردن یک سرور در مرکز داده‌ای می‌کردند و آن را از راه دور با ابزارهای خاص کنترل می‌کردند.  اکنون با توجه به رشد سریع اینترنت، روز به روز به تعداد Data Center ها اضافه می‌شود به طوری که در حال حاضر در اکثر کشورهای پیشرفته این مراکز وجود دارند. تمرکز این مراکز بخصوص در کشور امریکا بسیار زیاد است. دلیل آن ارزان بودن نرخ اتصال به اینترنت و همچنین در دسترس بودن سرعت‌های بالا می‌باشد.   برخی از این  Data Center از طریق خطوط مختلف فیبرنوری، پهنای باندی بیش از Gbps4  را در اختیار دارند و تعداد سرورهای این Data Center معمولا بیش از 1000 است که بر اساس مشخصات به متقاضیان اجاره داده می‌شود. پارامترهای زیادی در قیمت اجاره ماهانه یک سرور تاثیرگذار است که می‌توان به سرعت CPU، مقدار حافظه RAM و اندازه Hard Disk ، حداکثر ترافیکی که ماهانه در اختیار هر سرور قرار می‌گیرد، سیستم عامل سرور و همچنین سابقه مرکز داده‌ای بستگی دارد.امروزه با رشد نیازهای کاربران به سرویس‌های مختلف، مراکز داده جهت در بر گرفتن تجهیزات، اطلاعات و برنامه‌های کاربردی حساس در فضایی کاملاً مطمئن و دارای قابلیت گسترش طراحی شده‌اند. برطبق تعریف ارایه شده ازجانب Renewable Energy Policy، مراکز داده متشکل از اجزای ضروری زیر ساختی هستند که کار پشتیبانی از اینترنت و تجارت‌الکترونیکی و بخش‌های ارتباطات الکترونیکی را به عهده دارند و در نتیجه تمامی سرویس‌های ارایه شده در آن‌ها باید دقیق، مطابق برنامه و بدون کوچکترین وقفه‌ای عمل نمایند. به طور کلی مراکز داده به عنوان مکانی جهت فراهم آوردن موارد زیر تعریف می‌شوند: ذخیره سازی، مدیریت، پردازش و تبادل اطلاعات دیجیتال و همچنین فراهم آوردن سرویس‌های کاربردی یا مدیریت جهت پردازش‌های اطلاعاتی.

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

دانلود پایان نامه رشته کامپیوتر با عنوان داده کاوی ، مفاهیم و کاربرد آن - word

اختصاصی از زد فایل دانلود پایان نامه رشته کامپیوتر با عنوان داده کاوی ، مفاهیم و کاربرد آن - word دانلود با لینک مستقیم و پر سرعت .

عنوان پایان نامه : داده کاوی، مفاهیم و کاربرد

شرح مختصر : امروزه با گسترش سیستم های پایگاهی و حجم بالای داده ها ی ذخیره شده در این سیستم ها ، نیاز به ابزاری است تا بتوان داده های ذخیره شده را پردازش کردواطلاعات 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. در داده کاوی از بخشی از علم آمار به نام تحلیل اکتشافی داده ها استفاده می شود که در آن بر کشف اطلاعات نهفته و ناشناخته از درون حجم انبوه داده ها تاکید می شود . علاوه بر این داده کاوی با هوش مصنوعی و یادگیری ماشین نیز ارتباط تنگاتنگی دارد ، بنابراین می توان گفت در داده کاوی تئوریهای پایگاه داده ها ، هوش مصنوعی ، یادگیری ماشین و علم آمار را در هم می آمیزند تا زمینه کاربردی فراهم شود. باید توجه داشت که اصطلاح داده کاوی زمانی به کار برده می شود که با حجم بزرگی از داده ها ، در حد مگا یا ترابایت ، مواجه باشیم . در تمامی منابع داده کاوی بر این مطلب تاکید شده است. هر چه حجم داده ها بیشتر و روابط میان آنها پیچیده تر باشد دسترسی به اطلاعات نهفته در میان داده ها مشکلتر می شود و نقش داده کاوی به عنوان یکی از روشهای کشف دانش ، روشن تر می گردد.

چکیده 4

مقدمه. 6

فصل اول – مفاهیم داده کاوی.. 9

مدیریت ذخیره سازی و دستیابی اطلاعات... 9

ساختار بانک اطلاعاتی سازمان: 10

داده کاوی (Data Mining): 11

مفاهیم پایه در داده کاوی.. 13

تعریف داده کاوی.. 14

مراحل فرایند کشف دانش از پایگاه داده ها 16

الگوریتم های داده کاوی.. 22

آماده سازی داده برای مدل سازی.. 30

درک قلمرو. 38

ابزارهای تجاری داده کاوی Tools DM Commercial 46

منابع اطلاعاتی مورد استفاده 47

محدودیت های داده کاوی.. 56

حفاظت از حریم شخصی در سیستم‌های داده‌کاوی.. 56

فصل دوم : کاربردهای داده کاوی.. 59

کاربرد داده کاوی در کسب و کار هوشمند بانک..... 60

داده کاوی درمدیریت ارتباط بامشتری.. 61

کاربردهای داده کاوی در کتابخانه ها و محیط های دانشگاهی.. 63

داده کاوی و مدیریت موسسات دانشگاهی.. 65

داده کاوی و مدیریت بهینه وب سایت ها 66

داده‌کاوی و مدیریت دانش.... 67

کاربرد داده‌کاوی در آموزش عالی.. 68

فصل سوم – بررسی موردی1: وب کاوی.. 70

معماری وب کاوی.. 70

مشکلات ومحدودیت های وب کاوی در سایت های فارسی زبان. 75

محتوا کاوی وب... 76

فصل چهارم – بررسی موردی 2 : داده کاوی در شهر الکترونیک.... 79

زمینه دادهکاوی در شهر الکترونیک.... 81

کاربردهای دادهکاوی در شهر الکترونیک..... 83

چالشهای دادهکاوی در شهر الکترونیک..... 88

مراجع و ماخذ. 97

پایان نامه بررسی ومطالعه ی کامل داده کاوی و داده کاوی با SQL SERVER2005 پیاده سازی آن روی بانک اطلاعاتی(همراه با تصاویر )

اختصاصی از زد فایل پایان نامه بررسی ومطالعه ی کامل داده کاوی و داده کاوی با SQL SERVER2005 پیاده سازی آن روی بانک اطلاعاتی(همراه با تصاویر ) دانلود با لینک مستقیم و پر سرعت .

عنوان:

بررسی ومطالعه ی کامل داده کاوی و داده کاوی با SQL SERVER2005 پیاده سازی آن روی بانک اطلاعاتی دانشگاه آزاد قوچان

پایان نامه دوره کارشناسی کامپیوتر

گرایش نرم افزار

فهرست مطالب:

چکیده ۱۴

بررسی ومطالعه ی کامل داده کاوی و داده کاوی با SQL SERVER2005. 14

پیاده سازی آن روی بانک اطلاعاتی دانشگاه آزاد قوچان. ۱۴

فصــل اول. ۱۵

مقدمه ای بر داده کاوی ۱۵

۱-۱-مقدمه. ۱۶

۱-۲-عامل مسبب پیدایش داده کاوی.. ۱۷

-۳-داده کاوی و مفهوم  اکتشاف دانش    (K.D.D) 18

1-3-1-تعریف داده کاوی.. ۱۹

۱-۳-۲- فرآیند داده‌کاوی.. ۲۰

۱-۳-۳- قابلیت های داده کاوی.. ۲۱

۱-۳-۴-چه نوع داده‌هایی مورد کاوش قرار می گیرند؟. ۲۱

فایلهای ساده (FLAT FILES): 21

پایگاههای داده ای رابطه ای(RDBMS): 22

انبارهای داده ای.. ۲۲

۱-۴- وظایف داده کاوی.. ۲۳

۱-۱-۴-کلاس بندی.. ۲۳

۱-۴-۲- مراحل یک الگوریتم کلاس‌بندی.. ۲۴

۱-۴-۳-  انواع روش‌های کلاس‌بندی.. ۲۵

۱-۴-۳-۱- درخت تصمیم ۲۵

۱-۴-۳-۱-۱- کشف تقسیمات ۲۷

۱-۴-۳-۱-۲- دسته بندی با درخت تصمیم ۲۸

انواع درخت‌های تصمیم ۲۹

۱-۴-۳-۱-۴-   نحوه‌ی هرس کردن درخت.. ۳۰

۱-۴-۳-۲- نزدیکترین همسایگی_ K.. 31

1-4-3-3-بیزی.. ۳۲

۱-۴-۳-۳-۱ تئوری بیز. ۳۴

۱-۴-۳-۳-۲ -دسته بندی ساده بیزی.. ۳۶

یک مثال در توضیح طبقه بندی ساده بیزی.. ۳۸

ارزیابی روش‌های کلاس‌بندی.. ۴۱

-۲-۴-۱پیش بینی. ۴۲

۱-۴-۳-انواع روش‌های پیش بینی. ۴۳

۱-۴-۳-۱- رگرسیون. ۴۳

۱-۴-۳-۱ -۱- رگرسیون خطی.. ۴۳

۱-۴-۳-۱-۲-  رگرسیون منطقی. ۴۵

۱-۴-۳- خوشه بندی.. ۴۶

۱-۴-۳-۱- تعریف فرآیند خوشه‌بندی.. ۴۷

۱-۴-۳-۲-  کیفیت خوشه‌بندی.. ۴۷

۱-۴-۳-۳-  روش ها و الگوریتم‌های خوشه‌بندی.. ۴۸

۱-۴-۳-۳-۱-  روش های سلسله‌مراتبی‌ ۴۹

۱-۴-۳-۳-۱-۱- الگوریتم های سلسله مراتبی. ۴۹

۱-۴-۳-۳-۱-۱-۱-الگوریتم خوشه بندی single-linkage. 51

الگوریتم شامل مراحل زیر است : ۵۱

مثال: ۵۲

۱-۴-۳-۳-۲-  الگوریتم‌های تفکیک.. ۵۷

۱-۴-۳-۳-۳-  روش‌های متکی برچگالی. ۵۷

۱-۴-۳-۳-۴-  روش‌های متکی بر گرید ۵۸

۱-۴-۳-۳-۵-  روش‌‌های متکی بر مدل. ۵۸

۱-۴-۴- تخمین. ۵۸

۱-۴-۴-۱- درخت تصمیم ۵۹

۱-۴-۵- سری های زمانی : ۵۹

۱-۵-کاربردهای داده کاوی.. ۵۹

۱-۶-قوانین انجمنی. ۶۰

۱-۶-۱-کاوش قوانین انجمنی. ۶۱

۱-۶-۲-  اصول کاوش قوانین انجمنی. ۶۲

۱-۶-۳-  اصول استقرا در کاوش قوانین انجمنی. ۶۳

۱-۶-۴-  الگوریتم Apriori 66

1-7-متن کاوی.. ۶۷

۱-۷-۱- مقدمه. ۶۷

۱-۷-۲- فرآیند متن کاوی.. ۷۱

۱-۷-۳- کاربردهای متن کاوی.. ۷۳

۱-۷-۳-۱- جستجو و بازیابی. ۷۴

گروه بندی و طبقه بندی داده ۷۴

خلاصه سازی.. ۷۵

روابط میان مفاهیم ۷۶

۱-۷-۳-۵- یافتن و تحلیل ترند ها ۷۶

برچسب زدن نحوی (POS) 77

1-6-2-7-  ایجاد تزاروس و آنتولوژی به صورت اتوماتیک… ۷۷

۱-۸-تصویر کاوی.. ۷۸

۱-۹- وب کاوی.. ۷۹

فصل دوم ۸۲

الگوریتم ژنتیک… ۸۲

۱-۲-مقدمه. ۸۳

مفاهیم پایه و لغات کلیدی.. ۸۳

۲-۲- اصول الگوریتم ژنتیک… ۸۴

۲-۲-۱-کد گذاری.. ۸۴

۲-۲-۱-۱- روش های کد گذاری.. ۸۴

۲-۲-۱-۱-۱- کدگذاری دودویی. ۸۴

۲-۲-۱-۱-۲-کدگذاری مقادیر. ۸۵

۲-۲-۱-۱-۳- کدگذاری درختی. ۸۵

۲-۲-۲- ارزیابی. ۸۶

۲-۲-۳-انتخاب.. ۸۷

۲-۲-۳-۱-انتخاب گردونه دوار. ۸۷

۲-۲-۳-۲- انتخاب رتبه ای.. ۸۸

۲-۲-۳-۳- انتخاب حالت استوار. ۹۰

۲-۲-۳-۴-نخبه گزینی. ۹۰

۲-۲-۴- عملگرهای تغییر. ۹۰

۲-۲-۴-۱-عملگر Crossover 91

2-2-4-2-عملگر جهش ژنتیکی. ۹۲

۲-۲-۴-۳-احتمال  Crossover و جهش.. ۹۳

۲-۲-۵- کدبرداری.. ۹۳

۲-۲-۶-دیگر پارامترها ۹۴

۲-۴-مزایای الگوریتم های ژنتیک… ۹۶

۲-۵- محدودیت های الگوریتم های ژنتیک… ۹۷

۲-۶-چند نمونه از کاربرد های الگوریتم های ژنتیک… ۹۸

۲-۶-۱-یک مثال ساده ۹۹

نسل اول. ۱۰۰

نسل بعدی.. ۱۰۲

جهش(Mutation) 103

فصل سوم ۱۰۴

شبکه های عصبی. ۱۰۴

۳-۱-چرا از شبکه های عصبی استفاده می کنیم؟. ۱۰۵

۳-۲-سلول عصبی. ۱۰۶

۳-۳-نحوه عملکرد مغز. ۱۰۸

۳-۴-مدل ریاضی نرون. ۱۰۸

۳-۵- آموزش شبکه‌های عصبی. ۱۱۶

۳-۶-کاربرد های شبکه های عصبی. ۱۱۹

فصل چهارم ۱۲۲

محاسبات نرم ۱۲۲

۴-۱-مقدمه. ۱۲۳

۴-۲-محاسبات نرم  چیست ؟. ۱۲۶

۴-۲-۱-رابطه. ۱۲۷

۴-۲-۲-مجموعه های فازی.. ۱۳۰

۴-۲-۲-۱-توابع عضویت.. ۱۳۵

۴-۲-۲-۲- عملیات اصلی. ۱۳۷

۴-۲-۳-نقش مجموعههای فازی در دادهکاوی.. ۱۳۸

۴-۲-۳-۱- خوشه بندی.. ۱۳۹

۴-۲-۳-۲- خلاصه سازی دادهها ۱۴۰

۴-۲-۳-۳- تصویر کاوی.. ۱۴۱

۴-۲-۴- الگوریتم  ژنتیک… ۱۴۲

۴-۲-۵-نقش الگوریتم ژنتیک در داده کاوی.. ۱۴۹

۴-۲-۵-۱- رگرسیون. ۱۴۹

۴-۲-۵-۲-  قوانین انجمنی. ۱۵۰

۴-۳- بحث و نتیجه گیری.. ۱۵۳

فصل پنجم ۱۵۵

ابزارهای داده کاوی.. ۱۵۵

۵-۱- نحوه ی انتخاب ابزارداده کاوی.. ۱۵۶

۵-۳- چگونه می توان بهترین ابزار را انتخاب کرد؟. ۱۶۳

۵-۴-ابزار های داده کاوی که در ۲۰۰۷ استفاده شده است : ۱۶۵

۵-۵-داده کاوی با sqlserver 2005. 165

5-5-10-  Microsoft-Loistic-Regression. 213

5-5-11-Microsoft-Linear-Regression. 213

فصل ششم ۲۱۴

نتایج داده کاوی با SQL SERVER2005. 214

روی بانک اطلاعاتی دانشگاه آزاد قوچان. ۲۱۴

۱-۶-نتایج Data Mining With Sql Server 2005   روی بانک اطلاعاتی دانشگاه آزاد قوچان. ۲۱۵

۱-۶-۱-Microsoft association rule. 215

1-6-2- Algorithm cluster 216

1-6-3- Neural network. 216

1-6-4- Modle naive-bayes. 217

1-6-5-Microsoft Tree Viewer 220

تعداد خواهر وبرادران دانشجویان ورودی سال ۷۴ حدودا بین ۱-۲ تاطبق آمار بوده است . ۲۲۰

۷-۱-نتیجه گیری.. ۲۲۱

منابع وماخذ ۲۲۳

چکیده:

بررسی ومطالعه ی کامل داده کاوی و داده کاوی با SQL SERVER2005
پیاده سازی آن روی بانک اطلاعاتی دانشگاه آزاد قوچان

امروزه با گسترش سیستم های پایگاهی و حجم بالای داده ها ی 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.
داده کاوی یکی از مهمترین روش ها ی کشف دانش 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.داده کاوی را تحلیل گران با اهداف گوناگونی از قبیل کلاس بندی, پیش بینی, خوشه بندی ,تخمین انجام می دهند. برای کلاس بندی, مدل هاو الگوریتم هایی مانند قاعده ی بیز, درخت تصمیم, شبکه ی عصبی, الگوریتم ژنتیک مطرح شده است.برای پیش بینی مدل رگرسیون خطی ومنطقی و برای خوشه بندی الگوریتم های سلسله مراتبی و تفکیکی, وبرای تخمین مدل های درخت تصمیم و شبکه ی عصبی مطرح می شود. در فصل دوم و سوم با الگوریتم ژنتیک که یکی از الگوریتم های داده کاوی و با شبکه ی عصبی که یکی از مدل های داده کاوی هستند آشنا می شویم .درفصل چهارم به محاسبات نرم و برخی از اجزای اصلی ان و نقش آنها در داده کاوی می پردازیم.
در فصل پنجم با ابزارهای داده کاوی آشنا می شویم . برای داده کاوی ابزارهای متنوعی وجود دارد. می توان ابزارداده کاوی را با تطبیق آن ابزار با داده های مسئله و با توجه به محیط داده ای که می خواهید از آن استفاده کنید، و امکاناتی که آن ابزار دارد انتخاب کنید.وسپس به داده کاوی با SQLSERVER2005 می پردازیم .ودرفصل ششم به داده کاوی با SQL SERVER2005 روی بانک اطلاعاتی دانشگاه آزاد قوچان پرداختیم.
کلمات کلیدی ،کلاس بندی ، خوشه بندی ، پیش بینی ، تخمین

فصــل اول

مقدمه ای بر داده کاوی

۱-۱-مقدمه
امروزه با گسترش سیستم های پایگاهی و حجم بالای داده ها ی 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 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 خیلی 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 شوند ، 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 روش ها 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 .

۱-۲-عامل مسبب پیدایش داده کاوی
اصلی ترین دلیلی که باعث شده 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 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.
تکامل تکنولوژی پایگاه داده و استفاده فراوان آن در کاربردهای مختلف سبب جمع آوری حجم فراوانی داده شده است. این داده های فراوان باعث ایجاد نیاز برای ابزارهای قدرتمند برای تحلیل داده ها گشته، زیرا در حال حاضر به لحاظ داده ثروتمند هستیم ولی دچار کمبود اطلاعات می باشیم.
ابزارهای داده کاوی داده ها را آنالیز می کنند و الگوهای داده ها را کشف می کنند که می توان از آن در کاربردهایی نظیر تعیین استراتژی برای کسب و کار، پایگاه دانش و تحقیقات علمی و پزشکی، استفاده کرد. شکاف موجود بین داده ها و اطلاعات سبب ایجاد نیاز برای ابزارهای داده کاوی شده است تا داده های بی ارزش را به دانشی ارزشمند تبدیل کنیم .

۱
-۳-داده کاوی و مفهوم اکتشاف دانش (K.D.D)
با حجم عظیم داده های ذخیره شده در فایلها، بانکهای اطلاعاتی و سایر بانک های داده ای، توسعه ی ابزارهایی برای تحلیل و شاید تفسیر چنین داده هایی و برای استخراج علوم شگفت انگیزی که می توانند در تصمیم گیری مفید باشند، امری بسیار مهم و ضروری است. داده کاوی با عنوان کشف دانش در پایگاه های داده (KDD) شناخته می‌شود. کشف علومی که قبلا ناشناخته بوده‌اند و اطلاعاتی که در بانکهای اطلاعاتی موجود بوده و ذاتا بالقوه و مفید هستند.
با وجود آنکه داده کاوی و کشف دانش در پایگاه‌های داده مترادف همدیگر هستند، ولی در اصل، داده کاوی ذاتاً بخشی و تنها قسمتی جزئی از فرآیند کشف دانش است. فرآیند کشف دانش در بر گیرنده ی چندین مرحله می باشد که از اطلاعات خام، گونه هایی از علوم جدید را بدست می دهد. مراحل کشف دانش به قرار زیر است:
۱- پاکسازی داده ها : در این فاز داده های اضافی و نامربوط از مجموعه داده ها حذف می شوند.(داده های ناکامل) [۲] ۲-یکپارچه سازی داده ها : چندین منبع داده ترکیب می شوند،

پایان نامه داده کاوی، مفاهیم و کاربرد

اختصاصی از زد فایل پایان نامه داده کاوی، مفاهیم و کاربرد دانلود با لینک مستقیم و پر سرعت .

چکیده :

امروزه با گسترش سیستم های پایگاهی و حجم بالای داده ها ی ذخیره شده در این سیستم ها ، نیاز به ابزاری است تا بتوان داده های ذخیره شده را پردازش کردواطلاعات 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 . در داده کاوی از بخشی از علم آمار به نام تحلیل اکتشافی داده ها استفاده می شود که در آن بر کشف اطلاعات نهفته و ناشناخته از درون حجم انبوه داده ها تاکید می شود . علاوه بر این داده کاوی با هوش مصنوعی و یادگیری ماشین نیز ارتباط تنگاتنگی دارد ، بنابراین می توان گفت در داده کاوی تئوریهای پایگاه داده ها ، هوش مصنوعی ، یادگیری ماشین و علم آمار را در هم می آمیزند تا زمینه کاربردی فراهم شود . باید توجه داشت که اصطلاح داده کاوی زمانی به کار برده می شود که با حجم بزرگی از داده ها ، در حد مگا یا ترابایت ، مواجه باشیم . در تمامی منابع داده کاوی بر این مطلب تاکید شده است . هر چه حجم داده ها بیشتر و روابط میان آنها پیچیده تر باشد دسترسی به اطلاعات نهفته در میان داده ها مشکلتر می شود و نقش داده کاوی به عنوان یکی از روشهای کشف دانش ، روشن تر می گردد .

فهرست :

چکیده

مقدمه

فصل اول – مفاهیم داده کاوی

مدیریت ذخیره سازی و دستیابی اطلاعات

ساختار بانک اطلاعاتی سازمان

داده کاوی (Data Mining)

مفاهیم پایه در داده کاوی

تعریف داده کاوی

مراحل فرایند کشف دانش از پایگاه داده ها

الگوریتم های داده کاوی

آماده سازی داده برای مدل سازی

درک قلمرو

ابزارهای تجاری داده کاوی Tools DM Commercial

منابع اطلاعاتی مورد استفاده

محدودیت های داده کاوی

حفاظت از حریم شخصی در سیستم‌های داده‌کاوی

فصل دوم : کاربردهای داده کاوی

کاربرد داده کاوی در کسب و کار هوشمند بانک

داده کاوی در مدیریت ارتباط با مشتری

کاربردهای داده کاوی در کتابخانه ها و محیط های دانشگاهی

داده کاوی و مدیریت موسسات دانشگاهی

داده کاوی و مدیریت بهینه وب سایت ها

داده‌کاوی و مدیریت دانش

کاربرد داده‌کاوی در آموزش عالی

فصل سوم – بررسی موردی۱: وب کاوی

معماری وب کاوی

مشکلات و محدودیت های وب کاوی در سایت های فارسی زبان

محتوا کاوی وب

فصل چهارم – بررسی موردی

داده کاوی در شهر الکترونیک

زمینه دادهکاوی در شهر الکترونیک

کاربردهای داده کاوی در شهر الکترونیک

چالشهای داده کاوی در شهر الکترونیک

مراجع و ماخذ

نوع فایل : Word

تعداد صفحات : 110 صفحه

دانلود پایان نامه و مقاله در مورد نگاهی بر داده کاوی و کشف قوانین وابستگی (فایل Word) تعداد صفحات 22

اختصاصی از زد فایل دانلود پایان نامه و مقاله در مورد نگاهی بر داده کاوی و کشف قوانین وابستگی (فایل Word) تعداد صفحات 22 دانلود با لینک مستقیم و پر سرعت .

هدف از این اراِئه و تحقیق بررسی روشهای مطرح داده کاوی است .داده کاوی هر نوع استخراج دانش و یا الگواز داده های موجود در پایگاه داده است که این دانشها و الگوها ضمنی و مستتر در داده ها هستند ,از داده کاوی می توان جهت امور رده بندی (Classification ) و تخمین (Estimation) ,پیش بینی (Prediction) و خوشه بندی (Clustering)استفاده کرد .داده کاوی دارای محاسن فراوانی است . از مهمترین آن محاسن کشف کردن دانش نهفته در سیستم است که به شناخت بهتر سیستم کمک می کند .به عنوان مثال می توان به استفاده ترکیبی از روش خوشه بندی جهت تخصیص بودجه به دسته های مختلف  از کتب اشاره کرد .

سیستمهای داده کاوی تقریبا از اوایل دهه 1990 مورد توجه قرار گرفتند . علت این امر نیز آن بود که تا آن زمان سازمانها بیشتر در پی ایجاد سیستمهای عملیاتی کامپیوتری بودند که به وسیله آنها بتوانند داده های موجود در سازمان خود را  سازماندهی کنند . پس از ایجاد این سیستمها ,روزانه حجم زیادی از اطلاعات جمع آوری میشد که تفسیر کردن آنها از عهده انسان خارج بود . به همین دلیل , نیاز به تکنیکی بود که از میان انبوه داده معنی استخراج کند و داده کاوی به همین منظور ایجاد و رشد یافت .

بنابر این هدف اصلی از داده کاوی ,کشف دانش نهفته در محیط مورد بررسی است که این دانش می تواند شکلهای گوناگونی داسته باشد . دانش استخراج شده می تواند به فرم الگوهای موجود در داده ها باشد که کشف این الگوها منجر به شناخت بهتر سیستم نیز می شود . الگوهای استخراجی عموما بیانگر روابط بین ویژگیهای سیستم هستند بعنوان مثال در سیستم تجاری یک الگو می تواند بیانگر رابطه بین نوع کالا و میزان تقاضای آن باشد .

در این تحقیق داده کاوی مورد بحث قرار می گیرد . علل استفاده از داده کاوی و منابعی که داده کاوی بر روی آنها اعمال می شود ,علاوه بر این خلاصه ای از روشهای رایج داده کاوی ارائه شده است . تکنیکهای داده کاوی و قوانین وابستگی و الگوریتمهای موجود (Apriori , Aprior TID, Partition, Eclat ,Max Eclat , Vector ) و الگوریتم با ساختار  Trie وfp grow و الگوریتمهای کاهشی مورد بررسی قرار می گیرند و در هر مورد مثالها , موارد کاربرد ,تکنیکها و نقاط قوت و ضعف  مورد بررسی قرار گرفته اند .  

چکیده

مقدمه

کشف دانش در پایگاه داده

آیا داده کاوی برای حل مسائل ما مناسب است؟

جمع آوری داده ها

بکارگیری نتایج

استراتژیهای داده کاوی

پیش گویی Perdiction

Unsupervised Clustering دسته بندی بدون کنترل

تکنیکهای داده کاوی تحت کنترل

شبکه عصبی

برگشت آماری

قوانین وابستگی

الگوریتم  Apriori

الگوریتم Aprior TID

الگوریتم partition

الگوریتم های MaxEclat,Eclat

الگوریتم با ساختار trie

الگوریتم fp-grow

ساخت fp- tree

Fp-tree شرطی

الگوریتم برداری

نگهداری قوانین وابستگی

الگوریتم کاهشی