کاوش مجموعه اقلام تکرار شونده در پایگاه داده تراکنشی
تعداد صفحات : 50 با فرمت ورد و قابل ویرایش
سمینار کامل کارشناسی ارشد همراه با شکل، نمودار، جدول، پاورقی و منابع
1-معرفی مساله
1-2- مقدمه
1-3- ضرورت انجام تحقیق
1-4- سرفصل مطالب
2-بیان مساله
2-2- مقدمه
2-2-1- کاوش مجموعه آیتم‌های متناوب
2-2-2- کاوش الگوهای توالی
2-2-3- کاوش الگوهای توالی بسته
2-3- مدل‌های پردازش و کاوش جریان‌های داده
فصل سوم
3-ادبیات موضوع
3-2- مقدمه
3-3- الگوریتم‌های سریال برای کاوش مجموعه آیتم‌های متناوب
3-3-1- الگوریتم‌های مبتنی بر جستجوی اول سطح
3-3-2- الگوریتم‌های مبتنی بر جستجوی اول عمق
3-4- روش های مبتنی بر پنجره نشانه
3-5- الگوریتم‌های سریال برای کاوش الگوهای توالی
3-6- الگوریتم‌های سریال برای کاوش الگوهای توالی بسته
3-7- الگوریتم (FastARM)
3-7-1- مقدار مناسب K
3-8- کاوش مجموعه های داد های با ابعاد بالا و کاوش الگوهای متناوب بسیار بزرگ
3-9- کاوش الگوهای ساختاری: گراف، درخت و شبکه
3-10- نتیجه گیری
4-فهرست منابع و مآخذ
کاوش الگوهای متناوب یکی از موضوعات بسیار مهم و مورد تمرکز در پژوهشهای انجام شده در حوزه داده کاوی در طول یک دهه اخیر بوده است. مقالات و آثار علمی فراوانی در این زمینه منتشر شده و پیشرفت های چشمگیری نیز حاصل شده است. این پیشرفت ها در ابعاد گوناگون، از ارائه الگوریتم های کارآمد و مقیاس پذیر برای کاوش مجموعه آیتم های متناوب در پایگاه های تراکنش، تا زمینه های پژوهشی متعددی چون کاوش الگوهای توالی متناوب، کاوش الگوهای ساختاری، کاوش همبستگی، طبقه بند یهای تداعی، و خوشه بند ی های مبتنی بر الگوهای متناوب و کاربردهای گسترده هریک از این زمینه ها، وجود داشته است. در این نوشتار بررسی جامعی از رو ش های موجود و وضعیت کنونی کاوش الگوهای توالی ارائه شده است و نیز در ارتباط با مسیرهای پژوهشی قابل اعتنا برای انجام کارهای بعدی در آینده، بحث مختصری شده است. اعتقاد ما بر این است که کاوش الگوهای متناوب گسترش قابل ملاحظه و درخور توجهی را در دیدگاه تحلیل داده ایجاد می نماید و تاثیر عمیقی بر بهبود متدولوژ یها و کاربردهای داده کاوی دارد. اما باید به این نکته نیز اشاره کرد که همچنان مسائل پژوهشی بحث برانگیزی در در این زمینه وجود دارد که پیش از آنکه کاوش الگوهای متناوب را به عنوان پایه و شالوده داده کاوی معرفی کنیم، باید به حل این دست از مسایل بپردازیم.
