مروری بر داده کاوی و بررسی شبکه های عصبی‎

» :: مروری بر داده کاوی و بررسی شبکه های عصبی‎
چندین دهه است که شرکت ها اطلاعات را جمع آوری می نمایند تا با ایجاد یک پایگاه داده انبوه اطلاعات را ذخیره کنند، با این حال که اطلاعات در دسترس آنها قرار دارد فقط تعداد کمی از شرکت ها قادر شده اند به ارزش واقعی ذخیره شده در آنها پی ببرند سوال این شرکتها این است که چگونه میتوان به ارزش واقعی این اطلاعات دست یافت؟ پاسخ آن داده کاوی است، که امروزه در بسیاری از صنعتها از جمله پزشکی، آموزش، ورزش و بسیاری از صنایع دیگر مورد استفاده قرار میگیرد. تکنیکهای بسیاری جهت داده کاوی وجود دارد از جمله شبکه های عصبی مصنوعی، رگرسیون، درخت تصمیم و غیره. همچنین طراحی شده است اشاره SAS که توسط شرکت JMP نرم افزارهایی نیز برای داده کاوی ایجاد شده است که میتوان به نرم افزار کرد. این مقاله به معرفی داده کاوی و برخی از روشهای داده کاوی و همچنین محیطهایی که از داده کاوی بهره میبرند به همراه نرم افزار های آن پرداخته است.

فهرست :

چکیده

مقدمه

داده کاوی

تکنیک های داده کاوی

دسته بندی

رگرسیون گیری

خوشه بندی

تجمع و همبستگی

درخت تصمیم گیری

ویزگی های درخت تصمیم

الگوریتم ژنتیک

شبکه های عصبی مصنوعی

ساختار شبکه عصبی

نورون

معماری شبکه عصبی

شبکه های پیش خور تک لایه

انواع یادگیری در شبکه های عصبی مصنوعی

داده کاوی در پزشکی

داده کاوی در سلامت

نرم افزار های داده کاوی

نتیجه گیری

مراجع

خرید و دانلود محصول

1395/04/15

---

الگوریتم ژنتیک , تجمع و همبستگی , تکنیک های داده کاوی , خوشه بندی , داده کاوی در پزشکی , درخت تصمیم گیری , رگرسیون گیری , ساختار شبکه عصبی , شبکه های پیش خور تک لایه , شبکه های عصبی مصنوعی , معماری شبکه عصبی , نرم افزار های داده کاوی , نورون

---

لینک محصول

http://kavoshgar.zepo.ir/post/60952

داده کاوی در پایگاه داده های بزرگ

» :: داده کاوی در پایگاه داده های بزرگ

خرید و دانلود محصول

1395/04/14

---

الگوریتم های ژنتیک , خلاصه سازی و به تصویر در آوردن داده ها , داده کاوی و OLAP , داده کاوی و انبار داده ها , درخت های انتخاب , رگرسیون منطقی , ساختن یک پایگاه داده داده کاوی , عملیات های داده کاوی , کاوش در داده ها , ماتریس های پیچیدگی , مدل سازی پیشگویی کننده , مدل

---

لینک محصول

http://kavoshgar.zepo.ir/post/60819

داده کاوی و کاربرد آن در تشخیص بیماری ها ( دیابت )

» :: داده کاوی و کاربرد آن در تشخیص بیماری ها ( دیابت )

خرید و دانلود محصول

1395/02/26

---

استراتژی های داده کاوی , الگوریتم ID , الگوریتم ژنتیک , انواع درختان تصمیم , انواع روش های هرس کردن , اورفیتینگ داده ها , ایجاد مدل خوشه بندی , تجمع وهمبستگی , تفاوت داده کاوی و آنالیزهای آماری , تکنولوژی های مرتبط با داده کاوی , تکنیک های داده کاوی , چند مثال در مو

---

لینک محصول

http://kavoshgar.zepo.ir/post/53926

علوم تربیتی 13. یک تحقیق نمونه بر به کار بردن تکنیک های تحقیقی داده کاوی در علوم تربیتی: توسعه داده کاوی

» :: علوم تربیتی 13. یک تحقیق نمونه بر به کار بردن تکنیک های تحقیقی داده کاوی در علوم تربیتی: توسعه داده کاوی

یک تحقیق نمونه بر به کار بردن تکنیک های تحقیقی داده کاوی

در علوم تربیتی: توسعه داده کاوی

خلاصه

هدف این تحقیق ارائه یک تحقیق نمونه است که اطلاعات جمع آوری شده از یک تحقیق تربیتی توسط تکنیک های داده کاوی مناسب برای پردازش این اطلاعات را تحلیل می کند. به منظور دست یابی به این هدف یک میزان خود بهره وری کامپیوتر استفاده شده در علوم تربیتی انتخاب شده است و این میزان در یک گروه تحقیقی به کار برده شد. داده ها با استفاده از آمار توصیفی (t تست و تحلیل واریانس)، و تکنیک های داده کاوی درخت تصمیم گیری، شبکه های وابستگی و دسته ای تحلیل شده اند. آمار توصیفی مورد استفاده با استفاده از بسته های نرم افزاری آماری معمول محاسبه نشدند، بلکه با استفاده از اجرای یک برنامه نوشته شده در برنامه ریزی زبانی 2009 Delphi در Microsoft SQL server 2008 محاسبه شدند. مایکروسافت SQL 2008 مستقیما برای تکنیک های داده کاوی شبکه های وابستگی و دسته ای مورد استفاده قرار گرفت. برخی از نتایج تحقیق، که نمی توان آنها را با تکنیک های آماری معمول به دست آورد را می توان با روش های داده کاوی به دست آورد در ادامه آمده است: آنهایی که گمان می کنند توانایی کار کردن با اصطلاحات و مفاهیم کامپیوتر را دارند عقیده دارند که در استفاده از کامپیوتر مهارت دارند؛ آنهایی که عقیده دارند مهارت خاصی در استفاده از کامپیوتر دارند احساس می کنند که کامپیوتر بخشی از اندام آنهاست، و دانش آموزانی که بیشتر از 6 سال است که از کامپیوتر استفاده می کنند عقیده دارند که مهارت خاصی در استفاده کردن از کامپیوتر دارند.

خرید و دانلود محصول

1394/12/20

---

تکنیک های تحقیقی داده کاوی , داده کاوی , توسعه داده کاوی , داده کاوی در علوم تربیتی , SQL 2008 , 2009 Delphi , applying data mining research techniques , educational science: developing , more meaning of data , مقاله انگلیسی علوم تربیتی با ترجمه فارسی , مقاله انگلیسی علوم تربیتی با ترجمه , مقاله انگلیسی علوم تربیتی

---

لینک محصول

http://kavoshgar.zepo.ir/post/44243

اقتصاد 1. ادغام برنامه ریزی های سلسله مراتبی و داده کاوی برای پیشنهاد محصول بر مبنای ارزش طول عمر آن کالا به مشتری

» :: اقتصاد 1. ادغام برنامه ریزی های سلسله مراتبی و داده کاوی برای پیشنهاد محصول بر مبنای ارزش طول عمر آن کالا به مشتری

ادغام برنامه ریزی های سلسله مراتبی و داده کاوی برای پیشنهاد محصول بر مبنای ارزش طول عمر آن کالا به مشتری

چکیده

فرایند تولید , فعالیت تجاری می باشد که در ارتباط با جذب مشتریان بوده و دارای اهمیت زیادی می باشد. بنابراین بهبود کیفیت این فرایندها برای تامین نیاز مشتریان در شرایط رقابتی دارای اهمیت زیادی نیز است. اگرچه راه های متفاوتی در این زمینه مطرح شده است , اما تعداد کمی از آن ها به موضوع اعتبار دادن به مشتریان (CLV) پرداخته اند. معمولا CLV از نظر تازه بودن , تکرار و متغیرهای مالی مورد ارزیابی قرار می گیرند. به هر حال اهمیت نسبی آن از نظر مشخصه های تولید و صنعت متفاوت می باشد. ما در این مورد روش جدیدی را مد نظر قرار می دهیم که تکنیک های تصمیم گیری گروهی و پردازش اطلاعاتی را مد نظر قرار می دهد.برنامه ریزی های سلسله مراتبی نیز برای تعیین متغیرهای نسبی RFM در ارتباط با ارزیابی و دادن اعتبار به مشتریان مد نظر قرار می گیرد. چنین تکنیک های دسته بندی شده بر طبق به فرایند RFM برای گروهی از مشتریان به کار برده شده است. سرانجام یک روش پردازشی بکار برده شده است , تا برای هر یک از این گروه ها فرایند های تولیدی را تعریف کند. نتایج عملی نشان داده است که این روش ها پا را فراتر نهاده و از RFM های یکسان و روش های تعاونی استفاده کرده اند.

خرید و دانلود محصول

1394/09/16

---

ادغام برنامه ریزی , داده کاوی , ارزش طول عمر کالا , RFM , مقاله انگلیسی اقتصاد با ترجمه فارسی , مقاله انگلیسی اقتصاد با ترجمه , مقاله انگلیسی اقتصاد , Integrating AHP , data mining , product recommendation , customer lifetime value

---

لینک محصول

http://kavoshgar.zepo.ir/post/26049

دانلود مقاله نگاهی بر داده کاوی و کشف قوانین وابستگی

» :: دانلود مقاله نگاهی بر داده کاوی و کشف قوانین وابستگی

خرید و دانلود محصول

1395/04/13

---

Unsupervised Clustering دسته بندی بدون کنترل , آیا داده کاوی برای حل مسائل ما مناسب است؟ , استراتژیهای داده کاوی , الگوریتم fp-grow , الگوریتم partition , الگوریتم با ساختار trie , الگوریتم برداری , الگوریتم های MaxEclat , الگوریتم Aprior TID , الگوریتم Apriori , ا

---

لینک محصول

http://kavoshgar.zepo.ir/post/60608

دانلود مقاله نگاهی بر داده کاوی و کشف قوانین وابستگی

» :: دانلود مقاله نگاهی بر داده کاوی و کشف قوانین وابستگی
--- خرید و دانلود محصول

1394/10/01

---

Unsupervised Clustering , دسته بندی بدون کنترل , آیا داده کاوی برای حل مسائل ما مناسب است؟ , استراتژیهای داده کاوی , الگوریتم fp-grow , الگوریتم partition , الگوریتم با ساختار trie , الگوریتم برداری , الگوریتم های MaxEclat , الگوریتم Aprior TID , الگوریتم Apriori , الگوریتم کاهشی , برگشت آماری , پیش گویی Perdiction , تکنیکهای داده کاوی تحت کنترل , جمع آوری داده ها , ساخت fp- tree , شبکه عصبی , قوانین وابستگی , کشف دانش در

---

لینک محصول

http://kavoshgar.zepo.ir/post/29498

پایان نامه وب کاوی در صنعت‎

» :: پایان نامه وب کاوی در صنعت‎

شرح مختصر : با افزایش چشمگیر حجم اطلاعات و توسعه وب، نیاز به روش ها و تکنیک هایی که بتوانند امکان دستیابی کارا به داده‌ها و استخراج اطلاعات از آنها را فراهم کنند، بیش از پیش احساس می شود. وب کاوی یکی از زمینه های تحقیقاتی است که با به کارگیری تکنیک های داده کاوی به کشف و استخراج خودکار اطلاعات از اسناد و سرویس‌های وب می پردازد. در واقع وب کاوی، فرآیند کشف اطلاعات و دانش ناشناخته و مفید از داده های وب می باشد. روش های وب کاوی بر اساس آن که چه نوع داده ای را مورد کاوش قرار می دهند، به سه دسته کاوش محتوای وب، کاوش ساختار وب و کاوش استفاده از وب تقسیم می شوند. طی این گزارش پس از معرفی وب کاوی و بررسی مراحل آن، ارتباط وب کاوی با سایر زمینه های تحقیقاتی بررسی شده و به چالش ها، مشکلات و کاربردهای این زمینه تحقیقاتی اشاره می شود. همچنین هر یک از انواع وب کاوی به تفصیل مورد بررسی قرار می گیرند که در این پروژه بیشتر به وب کاوی در صنعت می پردازم. برای این منظور مدل ها، الگوریتم ها و کاربردهای هر طبقه معرفی می شوند.

فهرست :

مقدمه

فصل دوم: داده کاوی

مقدمه ای بر داده کاوی

چه چیزی سبب پیدایش داده کاوی شده است؟

مراحل کشف دانش

جایگاه داده کاوی در میان علوم مختلف

داده کاوی چه کارهایی نمی تواند انجام دهد؟

داده کاوی و انبار داده ها

داده کاوی و OLAP

کاربرد یادگیری ماشین و آمار در داده کاوی

توصیف داده ها در داده کاوی

خلاصه سازی و به تصویر در آوردن داده ها

خوشه بندی

تحلیل لینک

مدل های پیش بینی داده ها

دسته بندی

رگرسیون

سری های زمانی

مدل ها و الگوریتم های داده کاوی

شبکه های عصبی

درخت تصمیم

Multivariate Adaptive Regression Splines(MARS)

Rule induction

Knearest neibour and memorybased reansoning(MBR)

رگرسیون منطقی

تحلیل تفکیکی

مدل افزودنی کلی (GAM)

Boosting

سلسله مراتب انتخابها

داده کاوی و مدیریت بهینه وب سایت ها

داده‌کاوی و مدیریت دانش

فصل سوم: وب کاوی

تعریف وب کاوی

مراحل وب کاوی

وب کاوی و زمینه های تحقیقاتی مرتبط

وب کاوی و داده کاوی

وب کاوی و بازیابی اطلاعات

وب کاوی و استخراج اطلاعات

وب کاوی و یادگیری ماشین

انواع وب کاوی

چالش های وب کاوی

مشکلات ومحدودیت های وب کاوی در سایت های فارسی زبان

محتوا کاوی وب

فصل چهارم: وب کاوی در صنعت

انواع وب کاوی در صنعت

وب کاوی در صنعت نفت، گاز و پتروشیمی

مهندسی مخازن/ اکتشاف

مهندسی بهره برداری

مهندسی حفاری

بخشهای مدیریتی

کاربرد های دانش داده کاوی در صنعت بیمه

کاربردهای دانش داده کاوی در مدیریت شهری

کاربردهای داده کاوی در صنعت بانکداری

بخش بندی مشتریان

پژوهش های کاربردی

نتیجه گیری

منابع و ماخذ فارسی

مراجع و ماخذ لاتین و سایتهای اینترنتی

خرید و دانلود محصول

1394/10/04

---

پایان , نامه , وب , کاوی , در

---

لینک محصول

http://kavoshgar.zepo.ir/post/29282

پایان نامه و تحقیق در رابطه با تکنیک های داده کاوی (فایل Word قابل ویرایش ) تعداد صفحات 80

» :: پایان نامه و تحقیق در رابطه با تکنیک های داده کاوی (فایل Word/ قابل ویرایش ) تعداد صفحات 80

تا به امروز نرم افزارهای تجاری و آموزشی فراوانی برای داده کاوی در حوزه های مختلف داده ها به دنیای علم و فناوری عرضه شده اند. هریک از آنها با توجه به نوع اصلی داده هایی که مورد کاوش قرار میدهند، روی الگوریتمهای خاصی متمرکز شده اند. مقایسه دقیق و علمی این ابزارها باید از جنبه های متفاوت و متعددی مانند تنوع انواع و فرمت داده های ورودی، حجم ممکن برای پردازش داده ها، الگـوریتمهای پیاده سـازی شده، روشهای ارزیابی نتایج، روشهای مصـور سـازی، روشهای پیش پردازش داده ها، واسطهای کاربر پسند، پلت‌فرمهای سازگار برای اجرا،قیمت و در دسترس بودن نرم افزار صورت گیرد. از آن میان، نرم افزار Weka با داشتن امکانات بسیار گسترده،امکان مقایسه خروجی روشهای مختلف با هم، راهنمای خوب، واسط گرافیگی کارا، سازگاری با سایر برنامه های ویندوزی، و از همه مهمتر وجود کتابی بسیار جامع و مرتبط با آن [Data Mining, witten et Al. 2005 ] ، معرفی میشود.

1- معرفی نرم افزار Weka

میزکارWeka ، مجموع‌های از الگوریتمهای روز یادگیری ماشینی و ابزارهای پیش پردازش داده‌ها میباشد. این نرم‌افزار به گونه‌ای طراحی شده است که میتوان به سرعت، روشهای موجود را به صورت انعطافپذیری روی مجموعه‌های جدید داده، آزمایش نمود. این نرم‌افزار، پشتیبانی‌های ارزشمندی را برای کل فرآیند داده کاوی های تجربی فراهم میکند. این پشتیبانی‌ها، آماده سازی داده‌های ورودی، ارزیابی آماری چارچوبهای یادگیری و نمایش گرافیکی داده‌های ورودی و نتایج یادگیری را در بر میگیرند. همچنین، هماهنگ با دامنه وسیع الگوریتمهای یادگیری، این نرم‌افزار شامل ابزارهای متنوع پیش پردازش داده‌هاست. این جعبه ابزار متنوع و جامع، از طریق یک واسط متداول در دسترس است، به نحوی که کاربر میتواند روشهای متفاوت را در آن با یکدیگر مقایسه کند و روشهایی را که برای مسایل مدنظر مناسبتر هستند، تشخیص دهد.

این سیستم به زبان جاوا نوشته شده و بر اساس لیسانس عمومی و فراگیر GNU انتشار یافته است.Weka تقریباً روی هر پلت فرمی اجرا میشود و نیز تحت سیستم عاملهای لینوکس، ویندوز، و مکینتاش، و حتی روی یک منشی دیجیتالی شخصی، آزمایش شده است.

این نرم افزار، یک واسط همگون برای بسیاری از الگوریتمهای یادگیری متفاوت، فراهم کرده است که از طریق آن روشهای پیش پردازش، پس از پردازش و ارزیابی نتایج طرح های یادگیری روی همه مجموعه های داده موجود، قابل اعمال است.

نرم افزار Weka ، پیاده سازی الگوریتمهای مختلف یادگیری را فراهم میکند و به آسانی میتوان آنها را به مجموعه های داده خود اعمال کرد.

همچنین، این نرم افزار شامل مجموعه متنوعی از ابزارهای تبدیل مجموعه‌های داده ها، همانند الگوریتمهای گسسته سازی میباشد. در این محیط میتوان یک مجموعه داده را پیش پردازش کرد، آن را به یک طرح یادگیری وارد نمود، و دسته‌بندی حاصله و کارآیی‌اش را مورد تحلیل قرار داد.( همه این کارها، بدون نیاز به نوشتن هیچ قطعه برنامه‌ای میسر است.)

این محیط، شامل روشهایی برای همه مسایل استاندارد داده کاوی مانند رگرسیون، رده‌بندی، خوشه‌بندی، کاوش قواعد انجمنی و انتخاب ویژگی میباشد. با در نظر گرفتن اینکه، داده‌ها بخش مکمل کار هستند، بسیاری از ابزارهای پیش پردازش داده‌ها و مصورسازی آنها فراهم گشته است. همه الگوریتم ها، ورودیهای خود را به صورت یک جدول رابطهای به فرمت ARFF دریافت میکنند. این فرمت داده‌ها، میتواند از یک فایل خوانده شده یا به وسیله یک درخواست از پایگاه دادهای تولید گردد.

یکی از راههای به کارگیری Weka ، اعمال یک روش یادگیری به یک مجموعه داده و تحلیل خروجی آن برای شناخت چیزهای بیشتری راجع به آن اطلاعات میباشد. راه دیگر استفاده از مدل یادگیری شده برای تولید پیشبینی‌هایی در مورد نمونه‌های جدید است. سومین راه، اعمال یادگیرنده‌های مختلف و مقایسه کارآیی آنها به منظور انتخاب یکی از آنها برای تخمین میباشد. روشهای یادگیری Classifier نامیده میشوند و در واسط تعاملی Weka ، میتوان هر یک از آنها را از منو انتخاب نمود. بسیاری از classifier ها پارامترهای قابل تنظیم دارند که میتوان از طریق صفحه ویژگی‌ها یا object editor به آنها دسترسی داشت. یک واحد ارزیابی مشترک، برای اندازه‌گیری کارآیی همه classifier به کار میرود.

پیاده سازیهای چارچوبهای یادگیری واقعی، منابع بسیار ارزشمندی هستند که Weka فراهم می کند. ابزارهایی که برای پیش پردازش داده‌ها استفاده میشوند Filter نامیده میشوند. همانند classifier ها، میتوان filter ها را از منوی مربوطه انتخاب کرده و آنها را با نیازمندیهای خود، سازگار نمود. در ادامه، به روش به کارگیری فیلترها اشاره میشود.

علاوه بر موارد فوق، Weka شامل پیاده سازی الگوریتمهایی برای یادگیری قواعد انجمنی، خوشه‌بندی داده‌ها در جایی که هیچ دست‌های تعریف نشده است، و انتخاب ویژگیهای مرتبط در داده‌ها میباشد.

تعداد صفحات :80

فرمت فایل : Word

خرید و دانلود محصول

1395/03/20

---

داده کاوی , datamining , پایان نامه داده کاوی , کاربرد های داده کاوی , انواع داده کاری , چرا داده کاوی , آموزش برنام هنویسی داده کاوی , مقاله در مورد داده کاوی , اجزا اصلی پایان نامه داده کاوی , پایان نامه رشته نرم افزار , مقاله داده کاوی , داده کاوی چیست

---

لینک محصول

http://kavoshgar.zepo.ir/post/57222

پروژه داده کاوی و نقش آن در سازمان های هوشمند

» :: پروژه داده کاوی و نقش آن در سازمان های هوشمند

دانلود پایان نامه داده کاوی و نقش آن در سازمان های هوشمند:

داده کاوی
و نقش آن در سازمان های هوشمند

عنوان پایان نامه : داده کاوی و نقش آن در سازمان های هوشمند

فرمت فایل: word ( قابل ویرایش)

تعداد صفحات: 78

چکیده و فهرست مطالب پایان نامه داده کاوی و نقش آن در سازمان های هوشمند را در قسمت پایین می توانید مشاهده کنید.

چکیده:

سازمانها ، نهاد ها و شرکت ها برای انجام امور محوله و کسب موفقیت در سطح ملی و بین المللی باید هوشمند باشند که این امر با درک و آگاهی از منابع و سایر موارد داخل و خارج آن سازمان یا نهاد میسر خواهد شد . میزان درک و آگاهی به دارا بودن دانش محیط آن سازمان و نحوه مدیریت کردن آن وابسته است.

ازنکات قابل توجه و مهم در زمینه مدیریت و مهندسی دانش، تولید و استخراج دانش ، استفاده از دانش، به اشتراک گذاشتن دانش و حفظ یکپارچگی و صحت آن می باشد.

داده کاوی یکی از پیشرفتهای اخیر در حوزه کامپیوتر برای اکتشاف عمیق داده هاست. داده کاوی از اطلاعات پنهانی که برای برنامه ریزیهای استراتژیک و طولانی مدت میتواند حیاتی باشد پرده برداری میکند.

در این مطلب؛ با ارائه مفهوم داده کاوی جهت تولید و استخراج دانش به عنوان یک گام مهم در مدیریت دانش و انبار آن، تکنیکهای مختلف آن مورد ارزیابی قرار گرفته است ونیزفرآیند کشف دانش از پایگاه داده، همراه با مراحل آن، بررسی شده است و سپس نگاهی هم به تکنیکهای داده‌کاوی و ارتباط داده کاوی با مدیریت دانش می‌اندازیم.

فهرست مطالب:

1-سازمان هوشمند

2-سازمان های هوشمند و وضعیت موجود

3-مدیریت دانش در سازمان ها (بررسی تاثیر متقابل فناوری، فنون و انسان)

4-ماهیت دانش سازمانی

5-یادگیری دانش و سازمان های یادگیرنده

6-تعریف خلاقیت از نگاه سازمانی

7-ویژگی های سازمان خلاق

فصل دوم: بررسی روند پردازش داده و ارزیابی تکنیک ها و ابزارهای داده کاوی

1-درباره داده ها...

2-پیشرفت در تکنولوژی های پردازش داده

3-دیتا مارت

4-انبار داده ها

4-1-مشخصات یک انباره داده
4-2-انبار داده ها و داده کاوی
4-3-سیستم های انبار داده ها
4-4-انبار داده های مجازی
4-5-معماری دو لایه در انبار داده ها

5-فرایند کشف دانش از پایگاه داد
5-1- استخراج داده ها
5-2- آماده کردن داده ها
5-3-مهندسی داده ها
5-4- مهندسی الگوریتم و تعیین استراتژی های کاوش
5-5-اجرای الگوریتم کاوش و ارزیابی نتایج

6-سابقه داده کاوی
7-مفهوم داده کاوی
8-ضرورت داده کاوی
9-داده کاوی در مقابل پایگاه داده
10-زبان های پرسشی داده کاوی
11-فنون داده کاوی
12-محدودیت های داده کاوی
13-عناصر داده کاوی
14-قابلیتهای ابزارها و تکنیکهای داده کاوی
14-1-هم پیوندی
14-2-طبقه بندی
14-3-الگوریتم های ترتیبی
14-4-خوشه بندی
14-5-Regression
14-6-Time series

15-ابزارهای تجاری داده کاوی
16-نرم افزارهای داده کاوی
17-فرایند داده کاوی
18-داده کاوی و مدیریت دانش
فصل سوم: فرایند مدیریت دانش
1-درباره مدیریت دانش...
2-زنجیره اطلاعات
2-1-داده
2-2-اطلاعات
2-3-دانش
2-4-معرفت
3-فرآیند مدیریت دانش
3-1-ایجاد دانش
3-2-اعتباربخشی به دانش
3-3-رائه دانش
3-4-توزیع دانش
3-5-کاربرد دانش
4-چهار عنصر اساسی مدیریت دانش
5-مدیریت دانش از دیدگاه یک استراتژی سازمان تجاری
فصل چهارم: نقش داده کاوی در سازمان های هوشمند
1-داده کاوی و نقش آن در سازمان های هوشمند
2-مدل مفهومی برای کارائی مدیریت دانش
2-1-ارتقای دانش از طریق ابزارهای فنی
2-1-1تکنولوژی اطلاعات
2-1-سیستمهای حمایت از تصمیمات استراتژیک
2-2-دانش کسب شده به وسیله عوامل هوشمند
-خلاصه و نتیجه گیری
-پی نوشتها
-مراجع
-پیوست: صورت کلی چند الگوریتم داده کاوی


هم اکنون می توانید پایان نامه داده کاوی و نقش آن در سازمان های هوشمند را به قیمت 8700 تومان از سایت آسمان فایل دانلود نمایید.

خرید و دانلود محصول

1395/02/23

---

داده کاوی , داده کاوی و نقش آن در سازمان های هوشمند

---

تعداد صفحات پروژه : 78 صفحه |

لینک محصول

http://kavoshgar.zepo.ir/post/52945

دریافت دمو