مبانی نظری و پیشینه تحقیق داده کاوی 2

تخفیف ویژه به مدت محدود فقط تا فردا دوشنبه 4 اسفند

پشتیبانی: 09374433704

دانلود مبانی نظری و پیشینه تحقیق داده کاوی بصورت جامع و کامل برگرفته شده از پایان نامه کارشناسی ارشد با منابع بروز و جدید

دانلود مبانی نظری و پیشینه تحقیق کامپیوتر

مبانی نظری و پیشینه تحقیق داده کاوی 2

دانلود مبانی نظری و پیشینه تحقیق داده کاوی بصورت جامع و کامل برگرفته شده از پایان نامه کارشناسی ارشد با منابع بروز و جدید

*** سایر مبانی نظری و پیشینه تحقیق در مورد داده کاوی در لینک زیر قابل دسترس هستند:

لیست تمام مبانی نظری و پیشینه تحقیق درباره داده کاوی

داده‌کاوی و مفاهیم آن

در مرور ادبیات تعاریف متعددی برای داده‌کاوی ارائه شده است. برخی از این تعاریف عبارتند از:

داده‌کاوی به بررسی و تجزیه و تحلیل مقادیر عظیمی از داده‌ها به منظور کشف الگوها و قوانین پنهان و معنی‌دار درون داده‌ها اطلاق می‌شود(شهرابی 1390a).

داده‌کاوی عبارت است از فرايند استخراج اطلاعات معتبر، از پيش ناشناخته، قابل فهم و قابل اعتماد از پايگاه‌هاي داده بزرگ و استفاده از آن در تصمیم‌گیری در فعالیت‌های تجاری مهم (Witten and Frank 2005). 

داده‌كاوي يعني استخراج دانش كلان، قابل استناد و جديد از پايگاه داده‌هاي بزرگ (Han, Kamber et al. 2011). 

داده‌كاوي به فرايند نيم خودكار تجزيه و تحليل پايگاه داده‌هاي بزرگ به منظور يافتن الگوهاي مفيد اطلاق مي‌شود (Han, Kamber et al. 2011). 

داده‌كاوي يعني تجزيه و تحليل مجموعه داده‌هاي قابل مشاهده براي يافتن روابط مطمئن بين داده‌ها (Edelstein 1998). 

چنانچه مشخص است، آنچه در تمامی این تعاریف مشترک است وجود مفاهیمی چون استخراج دانش و کشف الگوهای پنهان از میان داده‌ها است.کاربرد موفق داده‌کاوی در زمینه‌های مختلف تجاری در دهه‌های اخیر، موجب افزایش روزافزون محبوبیت این علم شده است. برای دانش داده‌کاوی هیچ محدودیتی را نمی‌توان متصور بود. به عبارت دیگر، کاربرد دانش داده‌کاوی در تمامی زمینه‌های برخوردار از داده بوده و تنها محدودیت آن فقدان داده است. هدف داده‌کاوی ایجاد مدل‌هایی برای تصمیم‌گیری است. بیشتر تکنیک‌های داده‌کاوی ابزار مدل‌سازی هستند که اغلب از سال‌ها یا دهه‌های قبل وجود داشته‌اند و جزو زیرشاخه‌های علومی چون هوش مصنوعی ، یادگیری ماشین ، محاسبات نرم  و آمار  هستند. 

تاریخچه داده‌کاوی
حجم عظیم داده‌ها نتیجه تجارت نوین است. امروزه پایگاه‌های داده با نرخ افزاینده‌ای در حال رشد هستند. بنابر تخمین‌های ارائه شده، حجم داده‌ها در جهان هر 20 ماه به حدود دو برابر می‌رسد؛ این در حالی است که سازمان‌ها امروزه کمتر از یک درصد از داده‌هایشان را برای تحلیل استفاده می‌کنند(شهرابی 1390a). از طرف دیگر،  قدرت و توانایی محاسباتی کامپیوترها نیز  به سرعت در حال افزایش است. همه این موارد شرایطی را برای بکارگیری هرچه بیشتر و وسیع‌تر تکنیک‌های داده‌کاوی فراهم می‌آورند، بطوری که اخیرا داده‌کاوی موضوع بسیاری از مقالات، کنفرانس‌ها و تحقیقات کاربردی شده است.

واژه داده‌کاوی تا اوایل دهه 90 میلادی مفهومی نداشت و بکار برده نمی‌شد. در دهه 60 ميلادي و پيش از آن زمينه‌هايي براي ايجاد سيستم‌هاي جمع‌آوري و مديريت داده‌ها ايجاد شد و تحقيقاتي در اين زمينه انجام پذيرفت كه منجر به معرفي و ايجاد سيستم‌هاي مديريت پايگاه داده  (DBMS) شد. توسعه سيستم‌هاي پايگاهي پيشرفته در دهه 80 و ايجاد پايگاه‌هاي شي‌گرا ، كاربردگرا  و فعال  باعث توسعه همه جانبه و كاربردي شدن اين سيستم‌ها در سراسر جهان گرديد. بدین ترتیب DBMSهایی همچون DB2، Oracle، Sybase و غیره ایجاد شدند و حجم زیادی از داده‌ها توسط این سیستم‌ها مورد پردازش قرار گرفت. شاید بتوان مهمترین عامل در معرفی داده‌کاوی را مبحث کشف دانش از پایگاه داده  (KDD) دانست بطوری که در بسیاری از موارد KDD و داده‌کاوی بصورت مترادف بکار برده می‌شوند. الگوریتم‌های داده‌کاوی در دهه اخير با سرعت بسيار زياد در حال توسعه هستند. 

فهرست مطالب

مبانی نظری  در مورد داده کاوی

1.1    داده‌کاوی و مفاهیم آن    2
1.1.1    تاریخچه داده‌کاوی    3
1.1.2    فرآیند کشف دانش    5
1.1.3    فرآیند CRISP – DM     13
1.1.4    فاز اول – درک فضای کسب و کار    14
1.2    فاز دوم – درک داده‌ها    15
1.2.1    فاز سوم – آماده‌سازی داده‌ها    15
1.2.2    فاز چهارم – مدل‌سازی    16
1.2.3    فاز پنجم – ارزیابی     16
1.2.4    فاز ششم – توسعه     17
1.3    وظایف داده‌کاوی    17
1.3.1    دسته‌بندی    18
1.3.2    تخمین    19
1.3.3    پیش‌بینی    19
1.3.4    همبستگی    20
1.3.5    خوشه‌بندی    21
1.3.6    توصیف    25
1.4    ابزار و تکنیک‌های داده‌کاوی    26
1.4.1    درخت تصمیم    26
1.4.2    شبکه‌های عصبی    30
1.5    الگوریتم‌های خوشه‌بندی    32
1.6    K - نزدیکترین همسایه    36
1.7    ماشین بردار پشتیبان (SVM)    37
1.7.1    بیز ساده‌لوحانه    38
1.8    سیستم‌های چند دسته‌بند    39
1.9    الگوریتم ژنتیک    40
1.9.1    کاربرد داده‌کاوی در CRM    42
1.9.2    داده‌کاوی برای بهبود بازاریابی مستقیم    43
1.9.3    بخش‌بندی مشتریان    44
1.9.4    افزایش ارزش مشتری    46
1.9.5    داده‌کاوی و افزایش ارزش دوره عمر مشتری    47
1.9.6    ابعاد CRM و کاربردهای داده‌کاوی    50
1.9.7    داده‌کاوی و بازاریابی هدفمند    52
1.9.8    داده‌کاوی و رویگردانی مشتری    53

پیشینه تحقیق در مورد داده کاوی

1.10    پیشینه تحقیق    56
1.10.1    تحقیقات انجام شده در خارج از کشور    57
1.10.2    تحقیقات انجام شده در داخل کشور    67
1.10.3    خلاصه تحقیقات انجام شده    69

منابع

توضیحات:
فصل دوم پایان نامه کارشناسی ارشد (پیشینه و مبانی نظری پژوهش)
 
همراه با منبع نویسی درون متنی به شیوه APA جهت استفاده فصل دو پایان نامه
 
توضیحات نظری کامل در مورد متغیر
 
پیشینه داخلی و خارجی در مورد متغیر مربوطه و متغیرهای مشابه
 
رفرنس نویسی و پاورقی دقیق و مناسب
 
منبع :    انگلیسی وفارسی دارد (به شیوه APA)
 
نوع فایل:     WORD و قابل ویرایش با فرمت doc