دانلود پاورپوینت کامل و جامع با عنوان داده کاوی الگوهای تکرار شونده در جریان داده ها در 40 اسلاید
توضیحات فایل
دادهکاوی (به انگلیسی: Data Mining)، به مفهوم استخراج اطلاعات نهان یا الگوها و روابط مشخص در حجم زیادی از دادهها در یک یا چند بانک اطلاعاتی بزرگ گفته میشود. بسیاری از مردم داده کاوی را مترادف واژههای رایج کشف دانش در پایگاهدادهها (به انگلیسی: knowledge discovery in databases) (اختصاری KDD) میدانند. دادهکاوی، پایگاهها و مجموعه حجیم دادهها را در پی کشف و استخراج، مورد تحلیل قرار میدهد. اینگونه مطالعات و کاوشها را به واقع میتوان همان امتداد و استمرار دانش کهن و همه جا گیر آمار دانست. تفاوت عمده در مقیاس، وسعت و گوناگونی زمینهها و کاربردها، و نیز ابعاد و اندازههای دادههای امروزین است که شیوههای ماشینی مربوط به یادگیری، مدلسازی، و آموزش را طلب مینماید.
در سال ۱۹۶۰ آماردانان اصطلاح "Data Fishing" یا "Data Dredging"به معنای "صید داده" را جهت کشف هر گونه ارتباط در حجم بسیار بزرگی از دادهها بدون در نظر گرفتن هیچگونه پیش فرضی بکار بردند. بعد از سی سال و با انباشته شدن دادهها در پایگاه داده اصطلاح داده کاوی در حدود سال ۱۹۹۰ رواج بیشتری یافت. اصطلاحات دیگری نظیر "Data Archaeology"یا "Information Harvesting" یا "Information Discovery" یا"Knowledge Extraction" نیز بکار رفتهاند.
فهرست مطالب:
تعریف جریان داده
خواص جریان داده
يک نگاه کلی به جريان داده
تفوات های جريان داده ها از داده های ذخيره شده
تعریف داده کاوی
تکنیک های داده کاوی
داده کاوی روی جريان داده ها
فرايند کلی داده کاوی در جريان داده
چالش های موجود در داده کاوی جريان
الگوهای تکرار شونده در پايگاه داده ها
الگوهای تکرار شونده
مثال
الگوريتم Apriori
شبه کد الگوريتم Apriori
نحوه توليد کانديد
جزييات الگوريتم Apriori
الگوريتم Lossy Counting
ضمانت های Lossy Counting
تعاریف Lossy Counting
Lossy Counting در عمل
ساختن درخت الگوهای تکرار شونده از يک پايگاه داده تراکنشی
پنجره زمانی
چنجره زمانی طبیعی
پنجره زمانی لگاریتمی
الگوهای تکرار شونده و پنجره های زمانی
تعریف مسئله
استفاده از تقريب
هرس کردن دم
الگوريتم FP-Stream
و...