تحقیق درمورد کاربردهای داده کاوی در کتابخانه ها و موسسات دانشگاهی

اختصاصی از فایل هلپ تحقیق درمورد کاربردهای داده کاوی در کتابخانه ها و موسسات دانشگاهی دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 22

کاربردهای داده کاوی در کتابخانه ها و موسسات دانشگاهی*

 دانشجویان دکتری سیستمهای اطلاعاتی- ملبورن استرالیا

چکیده:  کتابخانه ها و موسسات آموزشی با مشکل مدیریت کارآمد بار سنگین داده ها که دائما نیز در حال افزایش است روبرو می باشند. نرم افزارهای کامپیوتری بکار گرفته شده برای این منظور، غالبا فقط برای  پرس و جوهای معمولی و پشتیبانی از مسائل مدیریتی و برنامه ریزی کوتاه مدت اداری جوابگو هستند. در حالیکه در عمق درون این حجم داده ها، الگوها و روابط بسیار جالبی میان پارامترهای مختلف بصورت پنهان باقی میماند. 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. تبیین مشخصه های اساسی فراینده داده کاوی و کشف کاربردهای ممکن آن در کتابداری و موسسات دانشگاهی اهداف اصلی این مقاله را شکل میدهند. مقدمهدر دنیای بشدت رقابتی امروز، اطلاعات بعنوان یکی از فاکتورهای تولیدی مهم پدیدار شده است. در نتیجه تلاش برای استخراج اطلاعات از داده ها توجه بسیاری از افراد دخیل در صنعت اطلاعات و حوزه های وابسته را به خود جلب نموده است.حجم بالای داده های دائما در حال رشد در همه حوزه ها و نیز تنوع آنها به شکل داده متنی، اعداد، گرافیکها، نقشه ها، عکسها،  تصاویر ماهواره ای و عکسهای گرفته شده با اشعه ایکس نمایانگر پیچیدگی کار تبدیل داده ها به اطلاعات است. علاوه بر این، تفاوت وسیع در فرآیندهای تولید داده مثل روش آنالوگ مبتنی بر کاغذ و روش دیجیتالی مبتنی بر کامپیوتر، مزید بر علت شده است. استراتژیها و فنون متعددی برای گردآوری، ذخیره، سازماندهی و مدیریت کارآمد داده های موجود و رسیدن به نتایج معنی دار بکار گرفته شده اند. بعلاوه، عملکرد مناسب ابرداده[1] که داده ای درباره داده است در عمل عالی بنظر میرسد. پیشرفتهای حاصله در علم اطلاع رسانی و تکنولوژی اطلاعات، فنون و ابزارهای جدیدی برای غلبه بر رشد مستمر و تنوع بانکهای اطلاعاتی تامین می کنند. این پیشرفتها هم در بعد سخت افزاری و هم نرم افزاری حاصل شده اند. ریزپردازنده های سریع، ابزارهای ذخیره داده های انبوه پیوسته و غیر پیوسته، اسکنرها، چاپگرها و دیگر ابزارهای جانبی نمایانگر پیشرفتهای حوزه سخت افزار هستند. پیشرفتهای حاصل در نظامهای مدیریت بانک اطلاعات در طی چهار دهه گذشته نمایانگر تلاشهای بخش نرم افزاری است. این تلاشها در بخش نرم افزار را میتوان بعنوان یک حرکت پیشرونده از ایجاد یک بانک اطلاعات ساده تا شبکه ها و بانکهای اطلاعاتی رابطه ای و سلسله مراتبی برای پاسخگویی به نیاز روزافزون سازماندهی و بازیابی اطلاعات ملاحظه نمود. بدین منظور در هر دوره، نظامهای مدیریت بانک اطلاعاتی[2] مناسب سازگار با نرم افزار سیستم عامل و سخت افزار رایج گسترش یافته اند. در این رابطه میتوان از محصولاتی مانند، Dbase-IV, Unify, Sybase, Oracle  و غیره نام برد. داده کاوی یکی از پیشرفتهای اخیر در راستای فن آوریهای مدیریت داده هاست. داده کاوی مجموعه ای از فنون است که به شخص امکان میدهد تا ورای داده پردازی معمولی حرکت کند و به استخراج اطلاعاتی که در انبوه داده ها مخفی و یا پنهان است کمک می کند. انگیزه برای گسترش داده کاوی بطور عمده از دنیای تجارت در دهه 1990 پدید آمد. مثلا داده کاوی در حوزه بازاریابی، بدلیل پیوستگی غیرقابل انتظاری که بین پروفایل یک مشتری و الگوی خرید او ایجاد میکند اهمیتی خاص دارد. (Barry and Linoff, 1997)   تحلیل رکوردهای حجیم نگهداری سخت افزارهای صنعتی، داده های هواشناسی و دیدن کانالهای تلوزیونی از دیگر کاربردهای آن است. در حوزه مدیریت کتابخانه کاربرد داده کاوی بعنوان فرایند ماخذ کاوی[3] نامگذاری شده است. این مقاله به کاربردهای داده کاوی در مدیریت کتابخانه ها و موسسات آموزشی می پردازد. در ابتدا به چند سیستم سازماندهی داده ها که ارتباط نزدیکی به داده کاوی دارند می پردازد؛ سپس عناصر داده ای توصیف میشوند و درپایان چگونگی بکارگیری داده کاوی در کتابخانه ها و موسسات آموزشی مورد بحث قرار گرفته و مسائل عملی مرتبط در نظر گرفته می شوند. پیشرفت در تکنولوژیهای داده پردازیسازمانهای بزرگ و چند- مکانه مثل بانکها، دفاتر هواپیمایی و فروشگاههای زنجیره ای با حجم زیادی از داده ها که ناشی از عملکرد روزانه آنهاست روبرو هستند. بطور سنتی چنین داده هایی به دو دسته تقسیم شده اند: 1. رکوردهای اصلی [4] 2.  رکوردهای عملیاتی[5]     فرض بر این است که رکوردهای اصلی حاوی اطلاعات پایه هستند که معمولا چندان تغییر نمی کنند در حالیکه رکوردهای عملیاتی با توجه به طبیعت عملیات تجاری حتی بطور ساعتی تغییر خواهند کرد.   سیستمهای مدیریت پایگاه داده[6] مناسب برای پیوند دادن این دو مجموعه اطلاعاتی  و تهیه گزارشهای استاندارد جهت کنترل فعالیتها گسترش یافتند.  سیستم اطلاعات مدیریت رایج برای پشتیبانی عملیات و سرویس دهی به چند کاربر در سطوح مختلف سازمان مبتنی بر این نظریه است.بمنظور کمک به تصمیم گیری راهبردی، نظریه تاسیس بانک اطلاعات رکوردهای اصلی به نظریه سازماندهی دیتا مارت[7] و انبار داده ها[8] تغییر یافت.  استخراج اطلاعات از رکوردهای عملیاتی یا پایگاههای اطلاعات عملیاتی و سازماندهی آن برای تحلیل استاندارد یا زمانی فلسفه اولیه و اصولی چنین پیشرفتهایی است. گرچه، دیتا مارت و انبار داده ها از نظر هدف و

تحقیق درمورد داده کاوی

اختصاصی از فایل هلپ تحقیق درمورد داده کاوی دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 46

Data mining

چکیده :

داده کاوی عبارت است از فرآیند خودکار کشف دانش و اطلاعات از پایگاه های داد ه ای.

این فرآیند تکنیک ها یی از هوش مصنوعی را بر روی مقادیر زیادی داده اعمال می کند تا روندها , الگوها و روابط مخفی را کشف کند. ابزار های داده کاوی برای کشف دانش یا اطلاعات از داده ها به کاربراتکا نمی کنند، بلکه فرآیند پیشگویی واقعیت ها را خود کار می سازند. این تکنولوژی نوظهور، اخیرًا به طورفزایند های در تحلیل ها مورد استفاده قرار می گیرد.

کلمات کلیدی :

Data mining, Predictive data mining, Exploration data analysis,

Data warehousing, Olap, neural network, Deployment , machine

Learning, Meta-learning, Bagging , Boosting , clustering , Eda

Drill-down analysis, Stacket generalization , classification

مقدمه :

امروزه با حجم عظیمی از داده ها روبرو هستیم. برای استفاده از آنها به ابزارهای کشف دانش نیاز داریم. داده کاوی به عنوان یک توانایی پیشرفته در تحلیل داده و کشف دانش مورد استفاده قرار می گیرد. داده کاوی در علوم (ستاره شناسی،...)‌در تجارت (تبلیغات، مدیریت ارتباط با مشتری،...) در وب (موتورهای جستجو،...) در مسایل دولتی (فعالیتهای ضد تروریستی،...) کاربرد دارد. عبارت داده کاوی شباهت به استخراج زغال سنگ و طلا دارد. داده کاوی نیز اطلاعات را که در انبارهای داده مدفون شده است، استخراج می کند.

در واقع هـــــدف از داده کاوی ایجاد مدل هایی برای تصمیم گیری است. این مدلها رفتارهای آینده را براساس تحلیلهای گذشته پیش بینی می کنند. به کاربردن داده کاوی به عنوان اهرمی برای آماده سازی داده ها و تکمیل قابلیتهای انباره داده ، بهترین موقعیت را برای به دست آوردن برتریهای رقابتی ایجاد می کند.

داده کاوی (Data mining) :

داده کاوی (Data mining) یک فرایند تحلیلی است که جهت کاوش داده ها (معمولاً حجم بالای داده ها و یا داده های تجاری و مربوط به بازار) و جستجوی الگوهای پایدار یا روابط سیستماتیک مابین متغیرها بکار میرود وسپس با اعمال الکو های شناسایی شده به زیر مجمو عه های جدید صحت داده های بدست آمده بررسی میگردد. هدف نهایی داده کاوی پیشگویی است.

سازما نها معمو ً لا روزانه مقدار زیادی داده را در انجام عملیات تجاری خود تولید و جمع آوری می کنند.

امروزه برای این پایگاه های داده شرکتی عجیب نیست که مقدار داده های آن در حد ترابایت باشد. با این حال علی رغم ثروت اطلاعاتی عظیم ذخیره شده حدس زده می شود که فقط ٪ ٧کل داد ه هایی که جمع آوری می شود مورد استفاده قرار می گیرد. بدین ترتیب مقدار قابل توجهی داده که بدون شک حاوی اطلاعات ارزشمند سازمانی است تا حد زیادی دست نخورده باقی می ماند. در محیط تجاری عصر اطلاعات، که هر روز رقابتی تر می شود می توان با استخراج اطلاعات از داد ه های استفاده نشده به تصمیم گیری های استراتژیک دست یافت. در طول تاریخ تحلیل داده ها از طریق رگرسیون و دیگر تکنیک های آماری انجام شده است. برای استفاده از این تکنیکها ، لازم است که تحلیل گر مدلی خلق کند و فرآیند گر دآوری دانش را سازمان دهد.

اما امروزه این روش ها به تنهایی کافی نیستند و باید از روش ها ی خود کار استفاده کرد.

داده کاوی عبارت است از فرآیند خودکار کشف دانش و اطلاعات از پایگاه های داد ه ای.

این فرآیند تکنیک ها یی از هوش مصنوعی را بر روی مقادیر زیادی داده اعمال می کند تا روندها ، الگوها و روابط مخفی را کشف کند. ابزار های داده کاوی برای کشف دانش یا اطلاعات از داده ها به کاربر اتکا نمی کنند، بلکه فرآیند پیشگویی واقعیت ها را خود کار می سازند. این تکنولوژی نوظهور، اخیرًا به طور

فرایند های در تحلیل ها مورد استفاده قرار می گیرد

دانلود پروژه داده کاوی ثبت احوال با نرم افزار کلمنتاین‎

اختصاصی از فایل هلپ دانلود پروژه داده کاوی ثبت احوال با نرم افزار کلمنتاین‎ دانلود با لینک مستقیم و پر سرعت .

فهرست :

چکیده

مقدمه

پرسشنامه

پروژه داده کاوی

معرفی فیلدهای پرسشنامه

مراحل انجام کار با کلمنتاین

الگوریتم C5.O

خوشه بندی

K-means

Kohonen

قواعد تلازمی

Apriori

شبکه عصبی

Neuralnet

استفاده از پارتیشن

استفاده از C5.O

استفاده از Neuralnet

استفاده از Bayes Net

 

تحقیق درمورد تجزیه و تحلیل داده ها

اختصاصی از فایل هلپ تحقیق درمورد تجزیه و تحلیل داده ها دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 13

بنام خدا

ارزیابی و تحلیل داده های لایه‌های روزسازی

این مطالعات جهت ارزیابی و تعیین کیفیت و تکامل اطلاعات لایه های روسازی و داده های ضخامت لایه ها برای تهیه توضیحات و توصیه هایی برای گسترش اطلاعات موجود اخیر از داده های LTPP می باشد . تفاوت ضخامت لایه ها در بخشهای مختلفی کلاسه بندی شده است . بهمین ترتیب طراحی و ساخت لایه ها مقایسه شده‌اند . بعلاوه راهنمایی جهت پیشرفت اطلاعات لایه ای LTPP می باشد .

دسترسی و تکامل داده ها :

در قسمت مطالعات ، اطلاعات در دسترس از ضخامت لایه های روسازی (LTPP) مورد آزمایش و ارزیابی کیفی جهت تکمیل سرویس A تا E‌ قرار گرفته اند . ارزیابی داده های ضخامت لایه ها نشان دهندة آن است که سطوح TST-L05A و TST-Lo5B در برگیرندة جامعترین اطلاعات در مورد ساختار لایه ها و ضخامت آنها برای تجزیه و تحلیل سطوح مختلف است . تنها 16 ساختار روسازی از بخشهای معمول LTPP و 1 ساختار روسازی از بخش مکمل آن هیچ اطلاعاتی در مورد ساختار لایه ها چه TST-L05A و چه TST-L05B ندارند . تجزیه و تحلیل اطلاعات تکمیلی از سطح E ، 3457 ساختار لایه روسازی را در بخش آزمایشی مشخص کرده است . حدود 3240 تا از این ساختارها (یعنی 7/93 درصد) در بخش صفر TST-L05B ثبت شده اند در حالیکه 3229 ساختار آن (یعنی 4/93 درصد) در بخش TST-L05A ثبت شده اند .

استحکام و کیفیت لایه :

بدنبال تکمیل ارزیابی داده ها‌، ضخامت لایه های روسازی و دیگر داده های مرتبط از منابع مختلف اطلاعاتی ، جهت تعیین استحکام (ثبات) و توضیحات کاربردی لایه ها ، نوع جنس و اطلاعاتی از ضخامت میان منابع مختلف ، ارزیابی شدند . بعلاوه ، تنوع لایه ها از نظر مصالح ، استحکام و پارامترهای مختلف ، برای ارزیابی ضخامت لایه ها در دسترس می باشند . نتایج ارزیابی اطلاعات استحکامی نشان می دهد که توصیف کاربردی لایة روسازی بین سطوح مختلف LTPP برای 93 درصد از نمونه های ارزیابی شده در مطالعات صابت است و در مورد نوع جنس لایه ها مشخص شده است که 79 درصد بخشهای ارزیابی شده در مطالعات ثابت است ارزیابی جنس لایة در غیاب طرح یونیفاید مصالح و کد شناسایی آنها صورت پذیرفت ارزش نشان داده شده لایه ها بین سطوح مختلف برای 89 درصد از نمونه های روسازی در مطالعة آنها ثابت در نظر گرفته شده است . در مواردی که داده های منابع مختلف یکسان نبودند ، یک لایه برای مطالعات بیشتر برداشته می شد . عدم ثابت بودن داده ها در لایه ها مورد بررسی قرار گرفته و بصورت تحلیل داده ها و مرور عملیات و توصیه هایی برای حل داده های غیرمتعارف به مدیریت LTPP گزارش می شد .

بعلاوه سودمندی و نتیجه بخش بودن مصالح نیز مورد بررسی قرار گرفت . هدف از انجام و چک کردن خواص مصالح آن بود که مشخص شود آیا کد مصالح برای لایه با توصیفات کاربردی آن تطابق دارد یا خیر . زمانیکه بیشتر رکودها که دارای ارزش مصالحی هستند (642 درصد از بین 41111 حدود 56/1 درصد دارای کد مصالح نادرست هستند) و بعضی رکوردها که کد مصالح آنها از بین رفته است . رکودهای مشخص شده بصورت تحلیل داده ها و بررسی عملیات به FHWA (بخش بزرگراههای ایالتی) گزارش می شد . استدلالات داده ای لایه ها با استفاده از نشان دهندة تغییرات (شاخص) که بصورت SHRP-LTPP مشخص شده اند مورد بررسی قرار می گیرند و بعنوان یک نتیجه از ارزیابی لایه های روسازی به FHWA گزارش می شوند .

تحقیق درمورد ایندکس

اختصاصی از فایل هلپ تحقیق درمورد ایندکس دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 16

ساختن یک پایگاه داده

درمحیط SQL Server، شما می‌توانید جداول ،نماها ودیگر اشیا مربوط به یک سری از اطلاعات درون یک پایگاه داده راذخیره کنید .بنابراین اولین قدم درپیاده سازی یک برنامه کاربردی اطلاعاتی ،ساختن پایگاه داده آن است که روش انجام این کار رادراین قسمت یاد خواهید گرفت .

برای یک پایگاه داده منطقی ،SQL Server دوفایل می‌سازد: یکی برای اشیاءویکی برای ثبت تراکنشهای انجام شده .

ساختن یک پایگاه داده جدید

برای انجام این کار می توانید روی پوشه Data bases راست کلیک کرده ودستور NEWdata base را ازمنوی زمینه انتخاب کنید .ولی ساده تر این است که ازویزارد creat data base استفاده نمایید .

برای ساختن یک پایگاه داده جدید

1- پوشه DataBase را بازکنید SQL Server لیستی ازتمام پایگاههای داده موجود رادرمنطقه جزئیات نمایش میدهد.

2- دکمه Wizard موجودبرروی نوار ابزار Enterprise Manager را کلیک کنید .SQL Server کادر محاوره ای Select Wizard رانمایش می دهد .

3- آیتم CreatDatabase Wizard رااز قسمت Data base انتخاب نموده ودکمه ok راکلیک کنید .اولین صفحه این ویزارد توسط SQLservver ظاهرمی شود .

4- دکمه Next را کلیک کنید این ویزارد صفحه ای رانمایش میدهد که درآن نام ومحل ذخیره پایگاه داده جدید از شما درخواست می شود .

5- درفیلد Database Name عبارت مورد نظرراتایپ کنید .

6- برای تغییردادن محل ذخیره فایل این پایگاه داده دکمه Brows راکلیک کنید یک کادرمحاوره ای برای تعیین محل جدید ظاهرمی شود .

7- پوشه SQL 2000 step by step راانتخاب نموده ودکمه ok راکلیک کنید .این ویزارد محل ذخیره فایل رابه آدرس انتخاب شده تغییر می دهد .

8- برای تغییر محل ذخیره فایل ثبت تراکش ها روی دومین دکمه Browse کلیک کنید مانند مرحله قبل پوشه SQL 2000 step by step راانتخاب کنید .

9- سپس دکمه ok را کلیک کنید .

10- دکمه Next را کلیک کنید دراین صفحه ویزارد نام واندازه اولیه فایل پایگاه داده را از شما درخواست می کند .

11- دکمه Next راکلیک کنید درصفحه بعد می توانید تعیین نمایید که آیا حجم فایل داده به طوراتوماتیک زیاد شود یا خیر .برای این قسمت تنظیمات پیش فرض راقبول کنید .

12- دکمه Next راکلیک کنید دراین صفحه ،ویزارد نام واندازه اولیه فایل ثبت تراکشها را می پرسد .مقدار پیش فرض راقبول کنید .

13- دکمه Next را کلیک کنید درصفحه نهایی ویزارد انتخابهای شما نمایش داده می شوند .

14- دکمه Finish را کلیک کنید این ویزارد فایلهای مربوطه را ساخته وسپس ازشما سوال میکند که آیا می خواهید برای این پایگاه داده یک برنامه نگه داری تعریف کنید ؟

15- دکمه NO را کلیک کنید .

تنظیم ویژگیهای پایگاه داده

هنگامی که با استفاده از ویزارد Creat Database یک پایگاه داده می سازید خصوصیات یا ویژگیهای آن پایگاه داده را مشخص می کنید.مثل نام ومحل ذخیره فایلهای آن پس از این که پایگاه داده ساخته شد برای تغییردادن ویژگیهای آن میتوانید ازکادرمحاوره ای Database Properties استفاده کنید .

برای تغییر دادن درصد افزایش حجم یک پایگاه داده

1- پایگاه داده مورد نظر رادرکنسول درختی انتخاب نمایید .

2- دکمه Properties موجود برروی نوار ابزار را کلیک کنید. کادرمحاوره ای Database Properties باز می شود .

3- روی سربرگ Data Files کلیک کنید خصوصیات فایلهای ذخیره شده اطلاعات ظاهرمی شوند .

4- مقدار افزایش حجم فایل را به 20 درصد افزایش دهید .

5- دکمه ok راکلیک کنید SQL Server ویژگی جدید راتنظیم کرده وکادرمحاوره ای را می بندد.

مدیریت پایگاه داده

علاوه بر تغییر دادن ویژگیهای یک پایگاه داده می توانید به طورکلی آن رااز بین ببرید Enterprise Mnanger این کاررا بسیار ساده می کند .

حذف کردن یک پایگاه داده

هنگامی که به یک پایگاه داده نیاز ندارید می توانید آن را ازسرویس دهنده حذف کنید این کار هر دو فایل مربوط به آن پایگاه داده رااز روی دیسک پاک کرده وتمام رفرنسهای موجود به این پایگاه داده رااز جداول تقسیم حذف می‌کند .

برای حذف یک پایگاه داده

1- پایگاه مورد نظر را درکنسول انتخاب کنید .

2- کلید Delete را فشار دهید SQL Server پیغامی رانشان داده واز شما می‌خواهد عملیات حذف پایگاه داده را تایید می کند .

3- دکمه yes راکلیک کنید.SQL Server آن پایگاه داده را حذف کرده وتمام رفرنسهای مربوط به آن رانیز ازبین می برد.

ساختن جداول

درمحیط SQL Server مانند هرپایگاه داده رابطه ای اطلاعات به کمک جدول ها سازمان دهی میشوند هرجدول مجموعه ای از سطرها وستونهاست که اطلاعات یک شئ منفرد رادرخود نگه می دارد .دراین قسمت یاد خواهید گرفت که چگونه یک جدول بسازید وستونهای تشکیل دهنده آن را مشخص کنید .

جدول ها واحد اساسی ذخیره اطلاعات دریک پایگاه داده رابطه ای هستند .

به عنوان یک قاعده کلی هرنوع نماد یا وجود مثل یک روغن درپایگاه داده بایک جدول نشان داده می شود درحالی که هرنمونه ازآن نماد،مثل clary sage یا chamomile German با یک سطر درجدول مشخص می شود .

طراحی پایگاه داده

درمعمولی ترین روشی که برای تعریف پایگاههای داده به کارمی رود از مفهوم نمادها وخصوصیات استفاده می شود .هنگامی که از طراحی منطقی به سوی پیاده سازی فیزیکی فیزیکی پیش می رویم نمادها (معمولا) به صورت جدول ها وخصوصیات به صورت ستونهای هرجدول (که فیلد نیز نامیده می‌‌شود) نمایش داده می شوند .

ساختن یک جدول جدید