کاربرد الگوریتم تکاملی در داده کاوی
تعداد صفحات : 40 با فرمت ورد و قابل ویرایش
فهرست
1 مقدمه ای بر داده‌کاوی5
1-1 چه چيزی سبب پيدايش داده کاوی شده است؟6
1-2 مراحل کشف دانش... 9
1-3 جایگاه داده کاوی در میان علوم مختلف13
1-4 داده کاوی چه کارهایی نمی تواند انجام دهد؟15
1-5 داده کاوی و انبار داده ها 15
1-6 داده کاوی و OLAP17
1-7 کاربرد یادگیری ماشین و آمار در داده کاوی18
2- توصیف داده ها در داده کاوی19
2-1 خلاصه سازی و به تصویر در آوردن داده ها19
2-2 خوشه بندی 20
2-3 تحلیل لینک.. 21
3- مدل های پیش بینی داده ها 21
3-1 Classification21
3-2 Regression22
3-3 Time series22
4 مدل ها و الگوریتم های داده کاوی23
4-1 شبکه های عصبی 23
4-2 Decision trees27
4-3 Multivariate Adaptive Regression Splines(MARS) 30
4-4 Rule induction31
4-5 K-nearest neibour and memory-based reansoning(MBR) 32
4-6 رگرسیون منطقی. 33
4-7 تحلیل تفکیکی 34
4-8 مدل افزودنی کلی (GAM) 35
4-9 Boosting35
5 سلسله مراتب انتخابها35
منابع 38
چکیده
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.
برچسب ها:
کاربرد الگوریتم تکاملی در داده کاوی پایان نامه داده کاوی مقالات داده کاوی OLAP یادگیری ماشین الگوریتم تکاملی داده کاوی Classification پیش بینی طبقه بندی دسته بندی رگرسیون درخت تصمیم Regression سری زمانی Time series شبکه عصبی Decision