دانلود پروژه رشته کامپیوتر - الگوریتم genetic fuzzy k-Modes برای خوشه بندی داده های گروهی با فرمت WORD

فهرست

چکیده

مقدمه (3)مروری بر روش های قبل (7)2 - الگوریتمk-Means Hard  (7)1.2 - مثالی عددی از الگوریتم k-Means (9)2- الگوریتم Fuzzy c-Means (13)2- الگوریتم Hard k-Modes (15)2- الگوریتم fuzzy k-Modes (18)

      3- الگوریتم پیشنهادی : genetic fuzzy k-Modes  (21)

نتایج آزمایش (25)نتیجه گیری (32)

      پیوست – کد برنامه

      مراجع

مقاله : مروری بر داده کاوی و بررسی شبکه های عصبی‎

عنوان مقاله :  مروری بر داده کاوی و بررسی شبکه های عصبی‎

شرح مختصر : 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

داده کاوی با استفاده از نرم افزار آماری R

چکیده:
در طول دهه های گذشته حجم زیادی از داده ها در پایگاه داده ها انباشتته خیرت ه شتاه انتا . در اقت
سازمان ها در اطلاعات غ ق شاه انا، در حالرکه تشنه دانش انا. ه چه حجم داده ها برشت ر ابط مرتان نناتا
پرچراه ت باشا، دست سی به اطلاعات نافته در داده ها مشکل ت شاه، لذا نقش داده کا ی بته عنتوان یکتی از
ر ش های کشف دانش، ر شن ت می شود. ام زه استفاده از ر ش های سنتی جم ن ری تحلرل داده به دلرل
اتلاف زمان ایجاد هزینه های بسرار زیاد، مناسب نبوده از این ر استفاده از ر ش های جایا ننالرز داده ماننا
داده کا ی بسرار حراتی بنظ می رسا. بناب این نموزش داده کا ی به اف ادی کته در بششتاای نمت ار اطلاعتات
سازمان ها جود دارنا، ام ی لازم مفرا یواها بود. در این مقاله نحوه استفاده از ن م افزار R که یکی از بات ین
قارتمنا ت ین ن م افزارهای نماری داده کا ی می باشا را توضرح یواهرم داد.
کلمات کلیدی: داده کاوی، شبکه عصبی، رگرسیون، درخت تصمیم، خوشه بندی، R