چکیده

مقدمه

2

سابقه داده کاوی

3

فصل اول- مفهوم داده کاوی

6

-1-1 فرآيند داده‌كاوی

7

1-2- قابليتهای ابزار های داده كاوی

8

1-2-1- هم پيوندی

8

1-2-2- طبقه بندی

8

1-2-3- الگوهای ترتيبی

9

1-2-4- خوشه بندی

10

1-3- کاربردهای داده کاوی

10

1-3-1- کاربردهای تجاری

11

1-3-1-1- مديريت ارتباط با مشتری

11

1-3-1-2- تحليل سبد خريد

13

1-3-2- کاربردهای علمی

15

1-3-3- کاربردهای امنيتی

15

فصل دوم- داده کاوی توزيع شده

17

فصل سوم- عامل­ها، سيستم­های چندعامله و داده­کاوی توزيع شده

23

3-1- عامل

23

3-2- سيستم­های چندعامله

24

3-3- سيستم­های چندعامله، بستری برای داده­کاوی توزيع شده

25

3-3-1- توزيع شدگی منابع اطلاعاتی

25

3-3-2- توزيع شدگی وتنوع روش­ها وسيستم­های داده­کاوی

26

3-4- بکارگيری مکانيزم­های مناسب برای حل مسائل پيچيده

26

3-5- داده­کاویتوزيعی به عنوان يک اتحادموقت ومسئله مذاکره

مذاکره

27

فصل چهارم- پيشينه موضوع

28

4-1- (  JAM)

28

4-2- (PADMA)

30

فصل پنجم- پروسه‌ی كشف دانش از پايگاه داده

31

5-1- ويژگی ‌های KDD

32

5-1-1- استخراج داده‌ها

32

5-1-2- آماده کردن داده‌ها

33

5-1-3- مهندسی داده‌ها

33

5-1-4- مهندسی الگوريتم و تعيين استراتژی ‌هاي کاوش

33

5-1-5- اجرای الگوريتم كاوش و ارزيابی نتايج

34

5-2- زبان‌های پرسشی داده‌کاوی

34

فصل ششم- معماری FlexQG

36

6-1- دلايل اقبال و رويكردمابه روش‌هاوالگوريتم‌های بر پايه‌یSQL

37

6-2- چه مشكلاتی در سر راه پياده‌سازی اين رهيافت وجود دارند؟

38

6-3- انواع معماری ‌های ممکن

39

6-3-1- خواندن مستقيم از DBMS

39

6-3-2- استفاده از  توابع تعريف كاربر

39

6-4- معماری مورد استفاده

39

6-5- روش‌های کاوش مورد پشتيبانی

40

فصل هفتم- آماده‌سازی داده‌ها

41

7-1- جمع‌آوری داده‌ها

41

7-2- پيش‌پردازش داده‌ها

41

7-2-1- طبقه‌بندی کردن ويژگی ‌های عددی

41

7-2-2- تبديل ويژگي‌های رشته‌ای با مقادير خاص به ويژگی عددی

42

7-2-3- پاك‌سازی داده‌ها

43

7-2-4- گرامر آماده‌سازی داده‌ها در FlexQG

43

فصل هشتم- کلاسه‌بندی و پيشگويی داده‌ها

44

8-1- انواع روش‌های کلاسه‌بندی

45

8-2- مراحل يک الگوريتم کلاسه‌بندی

45

8-3- ارزيابی روش‌های کلاسه‌بندی

45

8-4- روش درخت تصميم در کلاسه‌بندی

46

8-4-1- انواع درخت‌های تصميم

47

8-4-1-1- (Classification and Regression Tree) CART

47

8-4-1-1-1- نحوه‌ی هرس كردن درخت

48

8-4-1-2-(Chi - Squared Automatic Iteration Decision tree) CHAID

48

8-4-1-2-1- نحوه محاسبه ی χ²

49

8-4-1-2-2- شرط پايان

49

8-5- الگوريتم‌های کلاسه‌بندی و FlexQG

49

8-6- گرامر پيشنهادی

50

فصل نهم- كاوش قوانين وابسته سازی

51

9-1- اصول كاوش قوانين وابسته سازی

51

9-2- اصول استقرا در كاوش قوانين وابسته سازی

52

9-3- كاوش قوانين وابسته سازی و FlexQG

54

9-4- گرامر پيشنهادی براي کاوش قوانين وابسته‌سازی

54

فصل دهم- خوشه‌بندی

55

10-1- تعريف فرآيند خوشه‌بندی

55

10-2- کيفيت خوشه‌بندی

56

10-3- روش ها و الگوريتم‌های خوشه‌بندی

56

10-3-1- الگوريتم‌های تفكيك

57

10-3-2- الگوريتم‌هاي سلسله‌مراتبي

57

10-3-3- روش‌های متكی برچگالی

59

10-3-4- روش‌های متكی بر گريد

59

10-3-5- روش‌‌های متكی بر مدل

59

10-3-6- تكنيك‌های خوشه‌بندی ديگر

59

10-4- دسته‌بندی ويژگی‌هاي الگوريتم‌های خوشه‌بندی

60

10-5- الگوريتم‌های خوشه‌بندی و FlexQG

60

10-5-1- بررسی پارامترهای لازم برای الگوريتم‌های

61

10-5-2- بررسی پارامترهای لازم برای الگوريتم‌های

63

10-5-3- گرامر پیشنهادی

63

فصل یازدهم- الگوریتم کلی کاوش قوانين وابسته‌سازی، با استفاده از رهيافت SQL

64

11-1- قوانين وابسته‌سازی

64

11-2- کاوش اجزای وابسته

64

11-3- الگوريتم Apriori

64

11-4- وابسته سازی در SQL

65

11-5- شمارش پشتيبانی براي پيدا كردن مجموعه عناصر تکراری

67

11-5-1- k-way Jains:

67

11-5-2- Subquery-based:

68

فصل دوازدهم- پياده‌سازی چارچوب کلي الگوريتم‌های خوشه‌بندی تفکيکی، بر پايه‌ي SQL

69

12-1- ورودی‌های الگوريتم

69

12-2- خروجی‌های الگوريتم

69

12-3- مدل احتمال به کار رفته

69

12-4- الگوريتم EM

71

12-5- قدم اول: ساده‌سازی و بهينه کردن الگوريتم

72

12-6- پياده‌سازی SQL استاندارد الگوريتم EM

73

جمع­بندی و نتیجه­گیری

76

پيوست الف: گرامر کلی زبان  FlexQG

77

مراجع و منابع

81