مقاله داده کاوی
نام مقاله انگلیسی: Data Mining with Big Data
نام مقاله فارسی : داده کاوی با داده های بزرگ
همراه با پاوروینت جهت ارائه
تعداد صفحات ترجمه : 28 صفحه
پاور پوینت : 38 صفحه با گرافیک عالی
تعداد مشاهده: 328 مشاهده
فرمت فایل دانلودی:.zip
فرمت فایل اصلی: PDF , Docx
تعداد صفحات: 11
حجم فایل:4,089 کیلوبایت
-
محتوای فایل دانلودی:
فایل دانلودی در داخل یک فایل زیپ می باشد که حاوی خود مقاله و ترجمه در قالب ورد و پاور پوینت می باشد
یک راه حل مبتنی بر داده کاوی برای مبارزه با پولشویی درپایگاه داده بانک
چکیده
امروزه پدیده پولشویی به تهدید جدی برای اقتصاد جهانی تبدیل شده است. روش های انجام این عمل مجرمانه و در نتیجه متد های کشف آن، روز به روز پیچیده تر می شود. پولشویی روند پنهان کردن مبدا نامشروع پولهای غیرقانونی است، به طوری که ظاهری قانونی به خود بگیرد. از طرفی دیدگاه های سنتی مقابله با پول شویی بسیار هزینه بر و نا کارآمد است. اخیرا تکنیک های داده کاوی گسترش پیدا کرده اند و به عنوان روش های مناسب برای کشف فعالیت های پولشویی مورد توجه قرار گرفته اند. داده کاوی به مفهوم یافتن الگو ها و روندهای پنهان در حجم بالایی از داده هاست طوری که بتوان از آنها در تصمیم گیری های آینده استفاده کرد. تحقیق پیش رو ،یک راه حل مبتنی بر داده کاوی برای کشف موارد مشکوک به پولشویی در پایگاه داده بانک بر اساس قانون مبارزه با پولشویی در ایران مصوب سال 138 و دستورالعملهای ده گانه بانک مرکزی برای مبارزه با پولشویی را بیان میکند. در این مقاله ابتدا سعی در انتخاب پارامترهای مناسب جهت تشخیص موارد مشکوک بیان شده در قانون فوق الذکر داریم وسپس راه حلی براساس داده کاوی با توجه به پارامترهای بیان شده ارائه خواهد شد.
تعداد مشاهده: 273 مشاهده
فرمت فایل دانلودی:.zip
فرمت فایل اصلی: docx
تعداد صفحات: 12
حجم فایل:217 کیلوبایت
-
محتوای فایل دانلودی:
مقاله در رابطه با پولشویی با موضوع"یک راه حل مبتنی بر داده کاوی برای مبارزه با پولشویی درپایگاه داده بانک" سال با93
با فرمت word در 12 صفحه
پژوهش داده کاوی، مفاهیم و کاربرد
عنوان: پژوهش داده کاوی، مفاهیم و کاربرد
قالب: Word
تعداد صفحات: 101
چکیده
امروزه با گسترش سیستم های پایگاهی و حجم بالای داده های ذخیره شده در این سیستم ها، نیاز به ابزاری است تا بتوان داده های ذخیره شده را پردازش کرد و اطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد.
با استفاده از پرسش های ساده در SQL و ابزارهای گوناگون گزارش گیری معمولی، می توان اطلاعاتی را در اختیار کاربران قرار داد تا بتوانند به نتیجه گیری در مورد داده ها و روابط منطقی میان آنها بپردازند اما وقتی که حجم داده ها بالا باشد، کاربران هر چند زبر دست و با تجربه باشند نمی توانند الگوهای مفید را در میان حجم انبوه داده ها تشخیص دهند و یا اگر قادر به این کار هم با شند، هزینه عملیات از نظر نیروی انسانی و مادی بسیار بالا است.
از سوی دیگر کاربران معمولا فرضیه ای را مطرح می کنند و سپس بر اساس گزارشات مشاهده شده به اثبات یا رد فرضیه می پردازند، در حالی که امروزه نیاز به روشهایی است که اصطلاحا به کشف دانش بپردازند یعنی با کمترین دخالت کاربر و به صورت خودکار الگوها و رابطه های منطقی را بیان نمایند.
داده کاوی یکی از مهمترین این روشها است که به وسیله آن الگوهای مفید در داده ها با حداقل دخالت کاربران شناخته می شوند و اطلاعاتی را در اختیار کاربران و تحلیل گران قرار می دهند تا براساس آنها تصمیمات مهم و حیاتی در سازمانها اتخاذ شوند.
تعداد مشاهده: 397 مشاهده
فرمت فایل دانلودی:.zip
فرمت فایل اصلی: docx
تعداد صفحات: 101
حجم فایل:837 کیلوبایت
-
محتوای فایل دانلودی:
پروژه داده کاوی و کشف قوانین وابستگی
دانلود پروژه داده کاوی و کشف قوانین وابستگی
توضیحات:
چکیده
با افزایش سیستمهای کامپیوتر و گسترش تکنولوژی اطلاعات، بحث اصلی در علم کامپیوتر از چگونگی جمع آوری اطلاعات به نحوه استفاده از اطلاعات منتقل شده است. سیستمهای داده کاوی، این امکان را به کاربر می دهند که بتواند انبوه داده های جمع آوری شده را تفسیر کنند و دانش نهفته در آن را استخراج نمایند.
داده کاوی به هر نوع کشف دانش و یا الگوی پنهان در پایگاه داده ها اطلاق می شود. امروزه داده کاوی به عنوان یکی از مهمترین مسائل هوش مصنوعی و پایگاه داده، محققان بسیاری را به خود جذب کرده است. در این تحقیق ابتدا نگاه کلی بر داده کاوی، استراتژیهای داده کاوی و... داریم، سپس مسأله کشف قوانین وابستگی در پایگاه داده را به تفضیل بررسی کردیم و نگاهی به الگوریتمهای موجود برای آن داشتیم. سپس مسأله کشف قوانین وابستگی در پایگاه داده های پویا را مورد بحث قرار دادیم و الگوریتم های ارائه شده مربوطه را مطرح کردیم.
فهرست:
چکیده
مقدمه
کشف دانش در پایگاه داده
آیا داده کاوی برای حل مسائل ما مناسب است؟
جمع آوری داده ها
بکارگیری نتایج
استراتژیهای داده کاوی
پیش گویی Perdiction
Unsupervised Clustering دسته بندی بدون کنترل
تکنیکهای داده کاوی تحت کنترل
شبکه عصبی
برگشت آماری
قوانین وابستگی
الگوریتم Apriori
الگوریتم Aprior TID
الگوریتم partition
الگوریتم های MaxEclat,Eclat
الگوریتم با ساختار trie
الگوریتم fp-grow
ساخت fp- tree
Fp-tree شرطی
الگوریتم برداری
نگهداری قوانین وابستگی
الگوریتم کاهشی
تعداد مشاهده: 179 مشاهده
فرمت فایل دانلودی:.zip
فرمت فایل اصلی: docx
تعداد صفحات: 64
حجم فایل:277 کیلوبایت
-
محتوای فایل دانلودی: