فایل ورد قابل ویرایش

توضیحی مختصر از متن فایل  :

چکیده:

سالهای اخیر نیاز به یک فرایند خودکار برای کشف الگوهای جالب و پنهان در پایگاه داده های واقعی و دستکاری حجم زیادی از داده ها بوجود آمده است. این فرایند داده کاوی با الگوریتمهای بسیاری برای عملیات موردنظر همراه است و این الگوریتم ها باید قابلیت مقیاس پذیری بر روی مجموعه داده های بزرگ جهت اجرای کارا را داشته باشند. از اینرو طراحان پایگاه داده ها تصمیم به ارائه روشهایی برای یکپارچه سازی عملیات داده کاوی در پایگاه داده شدند.

1.       مقدمه:

سالهای اخیر نشان داده است که تحلیل داده تنها با استفاده از ابزارهای OLAP مشکل شده است. تکنیک های داده کاوی خصوصا در کاربردشان در پایگاه داده های واقعی زیاد مطالعه شده است. این تکنیک ها اغلب به صورت تکراری کل مجموعه را پویش می­کند.همچنین وعده سیستمهای پشتیبانی تصمیم، بهره برداری از داده های تجاری برای بدست آوردن سود بیشتر در رقابت با دیگر سیستمها می باشد.

     داده کاوی

تکنیکهای داده کاوی براساس آمار و یادگیری ماشین توانایی تحلیل داده را بطور قابل توجهی بالا می­برد. با وجود تاثیر بالقوه داده کاوی در کمک به تحلیل داده، تلاش برای یکپارچه سازی این تکنولوژی با سیستمهای پایگاه داده قدیمی صورت گرفته است، به این علت است که تحلیل داده نیاز به یکی شدن در مخزن بابت جامعیت و مدیریت داده دارد. از نقطه نظر دیگر، داده کاوی یک فعالیت یکباره ای نیست بلکه یک فرایند تکراری و محاوره ای می باشد. در طول فرایند معمولا عملیات داده ماوی متفاوتی اجرا می­شوند، نتایج آنها ترکیب و احتمالا به عنوان ورودی برای عملیات دیگر داده کاوی استفاده می­شوند.

      مراحل اصلی داده کاوی

داده کاوی را " کشف دانش در داده ها " نیز می نامند. کشف دانش داده ها دارای مراحل مختلفی می باشد که در اینجا به صورت خلاصه آنها را بیان می کنیم:

·        استخراج اطلاعات از چندین منبع داده ( پایگاه داده)

·        یکپارچه سازی اطلاعات و حذف داده های زاید.

·        قرار دادن اطلاعات اصلاح شده در انبار داده ها.

·        انجام عملیات داده کاوی توسط نرم افزار های مخصوص.

·        نمایش نتایج به صورت قابل فهم مانند گزارش و گراف.

فایل ورد قابل ویرایش

توضیحی مختصر از متن فایل  :