خوشه
بندی در داده کاوی
تعداد
صفحات : 125 با فرمت ورد و قابل ویرایش
فصل
اول : مقدمه
1
-1 مقدمه 7
1-2
تعریف خوشه بندی 8
1-3
محدودیت های داده کاوی 19
فصل
دوم :تکنیک ها و روشها
2-1
مقدمه ای بر داده کاوی 21
2-1-1
چه چیزی سبب پیدایش داده کاوی شده است 23
2-1-2
مراحل کشف دانش 26
2-1-3
جایگاه داده کاوی در میان علوم مختلف 31
2-1-4
داده کاوی چه کارهایی نمی تواند انجام دهد 33
2-1-5
داده کاوی و انبار داده ها 34
2-1-6
داده کاوی و OLAP
35
2-1-7
کاربرد یادگیری ماشین و آمار در داده کاوی 36
2-2
توصیف داده ها در داده کاوی 37
2-2-1
خلاصه سازی و به تصویر در آوردن داده ها 37
2-2-2
خوشه بندی 38
2-2-3 تحلیل
لینک 39
2-3
مدلهای پیش بینی داده ها 40
2-3-1
Classification 40
2-3-2
Regression 40
2-3-3
Time series
41
2-4
مدل ها و الگوریتم های داده کاوی 41
2-4-1
شبکه های عصبی 42
2-4-2
Decision trees 46
2-4-3
MARS 49
2-4-4
Rule induction
51
2-4-5
MBR 51
2-4-6 رگرسیون
منطقی 53
2-4-7 تحلیل
تفکیکی 54
2-4-8
مدل افزودنی کلی 55
2-4-9 Boosting
55
2-5
سلسله مراتب انتخابها 56
2-6
خوشه بندی 58
2-7 مراحل
یک فرایند داده کاوی 61
2-8
پایه های یک فرایند داده کاوی 62
2-9
کاربردهای داده کاوی 63
2-9-1
کاربردهای تجاری 64
2-9-2
کاربردهای علمی 64
2-9-3
کاربردهای امنیتی 66
2-10
تکنیکهای داده کاوی 68
2-11
خوشه بندی 71
2-11-1
خوشه بندی کاربردها (1) 72
2-11-2
خوشه بندی کاربردها (2) 72
2-11-3
خوشه بندی روشها (1) 73
2-11-4
خوشه بندی روشها (2) 73
2-12
داده کاوی و حریم خصوصی 74
2-13
خوشه بندی در مقابل طبقه بندی 75
2-14
تحلیل خوشه ای 76
2-15
خوشه بندی به روش Single-link
82
2-16
الگوریتم خوشه بندی 86
2-16-1
الگوریتم های خوشه بندی زنجیره ای 87
2-16-2
کاربردها 93
2-16-3
تعیین K – تعداد خوشه 94
2-16-
4 شاخص دان 96
فصل
سوم: پیشینه تحقیق
3-1
پیشینه تحقیق 112
فصل
چهارم: نیجه گیری و پیشنهادات
4-1
نتیجه گیری 116
4-2
پیشنهادات 118
4-3
منابع 119
برچسب ها:
خوشه بندی در داده کاوی پایان نامه خوشه بندی در داده کاوی خوشه بندی داده ها داده کاوی کشف دانش درخت تصمیم خوشه بندی طبقه بندی شبکه عصبی کارشناسی ارشد سمینار پروژه رگرسیون data mining مهندسی نرم افزار پایان نامه ارشد مهندسی نرم افزار