بررسی کامل داده کاوی

چکیده

مقدمه

2

سابقه داده کاوی

3

فصل اول- مفهوم داده کاوی

6

-1-1 فرآیند داده‌کاوی

7

1-2- قابلیتهای ابزار های داده کاوی

8

1-2-1- هم پیوندی

8

1-2-2- طبقه بندی

8

1-2-3- الگوهای ترتیبی

9

1-2-4- خوشه بندی

10

1-3- کاربردهای داده کاوی

10

1-3-1- کاربردهای تجاری

11

1-3-1-1- مدیریت ارتباط با مشتری

11

1-3-1-2- تحلیل سبد خرید

13

1-3-2- کاربردهای علمی

15

1-3-3- کاربردهای امنیتی

15

فصل دوم- داده کاوی توزیع شده

17

فصل سوم- عامل­ها، سیستم­های چندعامله و داده­کاوی توزیع شده

23

3-1- عامل

23

3-2- سیستم­های چندعامله

24

3-3- سیستم­های چندعامله، بستری برای داده­کاوی توزیع شده

25

3-3-1- توزیع شدگی منابع اطلاعاتی

25

3-3-2- توزیع شدگی وتنوع روش­ها وسیستم­های داده­کاوی

26

3-4- بکارگیری مکانیزم­های مناسب برای حل مسائل پیچیده

26

3-5- داده­کاویتوزیعی به عنوان یک اتحادموقت ومسئله مذاکره

مذاکره

27

فصل چهارم- پیشینه موضوع

28

4-1- (  JAM)

28

4-2- (PADMA)

30

فصل پنجم- پروسه‌ی کشف دانش از پایگاه داده

31

5-1- ویژگی ‌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 الگوریتم و تعیین استراتژی ‌های کاوش

33

5-1-5- اجرای الگوریتم کاوش و ارزیابی نتایج

34

5-2- زبان‌های پرسشی داده‌کاوی

34

فصل ششم- معماری FlexQG

36

6-1- دلایل اقبال و رویکردمابه روش‌هاوالگوریتم‌های بر پایه‌یSQL

37

6-2- چه مشکلاتی در سر راه پیاده‌سازی این رهیافت وجود دارند؟

38

6-3- انواع معماری ‌های ممکن

39

6-3-1- خواندن مستقیم از DBMS

39

6-3-2- استفاده از  توابع تعریف کاربر

39

6-4- معماری مورد استفاده

39

6-5- روش‌های کاوش مورد پشتیبانی

40

فصل هفتم- آماده‌سازی داده‌ها

41

7-1- جمع‌آوری داده‌ها

41

7-2- پیش‌پردازش داده‌ها

41

7-2-1- طبقه‌بندی کردن ویژگی ‌های عددی

41

7-2-2- تبدیل ویژگی‌های رشته‌ای با مقادیر خاص به ویژگی عددی

42

7-2-3- پاک‌سازی داده‌ها

43

7-2-4- گرامر آماده‌سازی داده‌ها در FlexQG

43

فصل هشتم- کلاسه‌بندی و پیشگویی داده‌ها

44

8-1- انواع روش‌های کلاسه‌بندی

45

8-2- مراحل یک الگوریتم کلاسه‌بندی

45

8-3- ارزیابی روش‌های کلاسه‌بندی

45

8-4- روش درخت تصمیم در کلاسه‌بندی

46

8-4-1- انواع درخت‌های تصمیم

47

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

47

8-4-1-1-1- نحوه‌ی هرس کردن 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 پایان

49

8-5- الگوریتم‌های کلاسه‌بندی و FlexQG

49

8-6- گرامر پیشنهادی

50

فصل نهم- کاوش قوانین وابسته سازی

51

9-1- اصول کاوش قوانین وابسته سازی

51

9-2- اصول استقرا در کاوش قوانین وابسته سازی

52

9-3- کاوش قوانین وابسته سازی و FlexQG

54

9-4- گرامر پیشنهادی برای کاوش قوانین وابسته‌سازی

54

فصل دهم- خوشه‌بندی

55

10-1- تعریف فرآیند خوشه‌بندی

55

10-2- کیفیت خوشه‌بندی

56

10-3- روش ها و الگوریتم‌های خوشه‌بندی

56

10-3-1- الگوریتم‌های تفکیک

57

10-3-2- الگوریتم‌های سلسله‌مراتبی

57

10-3-3- روش‌های متکی برچگالی

59

10-3-4- روش‌های متکی بر گرید

59

10-3-5- روش‌‌های متکی بر مدل

59

10-3-6- تکنیک‌های خوشه‌بندی دیگر

59

10-4- دسته‌بندی ویژگی‌های الگوریتم‌های خوشه‌بندی

60

10-5- الگوریتم‌های خوشه‌بندی و FlexQG

60

10-5-1- بررسی پارامترهای لازم برای الگوریتم‌های

61

10-5-2- بررسی پارامترهای لازم برای الگوریتم‌های

63

10-5-3- گرامر پیشنهادی

63

فصل یازدهم- الگوریتم کلی کاوش قوانین وابسته‌سازی، با استفاده از رهیافت SQL

64

11-1- قوانین وابسته‌سازی

64

11-2- کاوش اجزای وابسته

64

11-3- الگوریتم Apriori

64

11-4- وابسته سازی در SQL

65

11-5- شمارش پشتیبانی برای پیدا کردن مجموعه عناصر تکراری

67

11-5-1- k-way Jains:

67

11-5-2- Subquery-based:

68

فصل دوازدهم- پیاده‌سازی چارچوب کلی الگوریتم‌های خوشه‌بندی تفکیکی، بر پایه‌ی SQL

69

12-1- ورودی‌های الگوریتم

69

12-2- خروجی‌های الگوریتم

69

12-3- مدل احتمال به کار رفته

69

12-4- الگوریتم EM

71

12-5- قدم اول: ساده‌سازی و بهینه کردن الگوریتم

72

12-6- پیاده‌سازی SQL استاندارد الگوریتم EM

73

جمع ­بندی و نتیجه­ گیری

76

پیوست الف: گرامر کلی زبان  FlexQG

77

مراجع و منابع

81