مقدمه
در دو دهۀ قبل توانایی های فنی بشر برای تولید و جمع آوری داده ها به سرعت افزایش یافته است. عواملی نظیراستفاده گسترده از بارکد برای تولیدات تجاری، به خدمت گرفتن کامپیوتر در کسب و کار، علوم، خدمات دولتی و پیشرفت در وسایل جمع آوری داده، از اسکن کردن متون و تصاویر تا سیستم های سنجش از دور ماهواره ای، در این تغیرات نقش مهمی دارند.
بطور کلی استفاده همگانی از وب و اینترنت به عنوان یک سیستم اطلاع رسانی جهانی، ما را مواجه با حجم زیادی از داده و اطلاعات می کند. این رشد انفجاری در داده های ذخیره شده، نیاز مبرم وجود تکنولوژی های جدید و ابزارهای خودکاری را ایجاد کرده که به صورت هوشمند به انسان یاری می رسانند تا این حجم زیاد داده را به اطلاعات و دانش تبدیل کند. داده کاوی بعنوان یک راه حل برای این مسائل مطرح می باشد. در یک تعریف غیر رسمی، داده کاوی فرآیندی است خودکار برای استخراج الگوهایی که دانش را بازنمایی می کنند که این دانش به صورت ضمنی در پایگاه داده های عظیم، انبار داده و دیگر مخازن بزرگ اطلاعات ذخیره شده است. داده کاوی بطور همزمان از چندین رشته علمی بهره می برد. نظیر: تکنولوژی پایگاه داده، هوش مصنوعی، یادگیری ماشین، شبکه های عصبی، آمار، شناسایی الگو، سیستم های مبتنی بر دانش، حصول دانش، بازیابی اطلاعات، محاسبات سرعت بالا و بازنمایی بصری داده. داده کاوی در اواخر دهۀ 1980 پدیدار گشته، در دهۀ 1990 گام های بلندی در این شاخه از علم برداشته شده و انتظار می رود در این قرن به رشد و پیشرفت خود ادامه دهد.
واژه های «داده کاوی» و «کشف دانش در پایگاه داده» اغلب به صورت مترادف یکدیگر مورد استفاده قرار می گیرند.
دسته: کامپیوتر
حجم فایل: 320 کیلوبایت
تعداد صفحه: 29
چکیده:
در زمینه سیستمهای خبره، یکی از مواردی که بسیار مورد توجه قرار میگیرد، سیستمهای تشخیص میباشد، سیستمهای تشخیص در زمینههای مختلفی ایجاد شدهاند که از پرکاربردترین آنها سیستم تشخیص بیماری است. یکی از روشهایی که برای پیادهسازی این سیستمها استفاده میشود روش Backward Chaining است. در این روش، هدف مشخص شدهاست و برای رسیدن به آن هدف از factها و ruleها استفاده میشود. در سیستمهای تشخیص، برای اینکه بتوان دقیقتر تصمیمگیری کرد فاکتور دیگری به نام فاکتور قطعیت در نظر گرفته میشود. این فاکتور در سیستمهایی مانند سیستم تشخیص پزشکی بدلیل عدم قطعیت در بعضی از بیماریها اهمیت زیادی دارد. در این حالت امکان دارد چندین بیماری با درصد قطعیت متفاوت نتیجه شود و از آنجا که در موتوهای استنتاج از نوع Backward Chaining تنها با رسیدن به یک نتیجه کار خاتمه مییابد، بنابراین نیاز است تا موتور استنتاج دیگری ساخته شود تا بتوان این مشکل را برطرف کرد. برای پیادهسازی این موتو استنتاج از پرولوگ استفاده شده است. این امر باعث میشود تا بتوان یک رابط کاربری قوی و کاربرپسند برای سیستم خبره ایجاد کرد. و بدین تریتب کاربر قادر است تا نه تنها از برنامهای استفاده کند که کاربا آن راحت و جذاب است بلکه میتواند از قابلیت برنامهای که با برنامهنویسی منطقی ایجاد شده بهره ببرد.
مقدمهای درباره سیستمهای خبره.
2. سیستمهای خبره و طراحی موتور استنتاج..
1. 2 ویژگیهای سیستم خبره
1. 2. 2 استدلال هدف گرا
2. 2. 2 Uncertainty (عدم قطعیت)
3. 2. 2 Data-Driven Reasoning
4. 2. 2 Data Representation
3 سیستم تشخیص و ارجاع.
1. 3 برنامه ورود اطلاعات و ارتباطات..
2. 3 برنامه تشخیص و ارجاع.
1. 2. 3 انتخاب پایگاه داده
1. 2. 2. 3 خانواده Data Service Database Engine.
2. 2. 2. 3 خانواده Embedded Database Engine.
3. 2. 2. 3 ویژگیهای SQL Server Compact Edition.
3. 2. 3 طراحی پایگاه داده سمت #C.
1. 2. 2. 3 شرح جداول
نتیجه گیری و پیشنهادها
سیستمهای خبره برنامههای کامپیوتری هستند که بعضی از مهارتهای غیر الگوریتمی را جهت حل بعضی از مسائل مشخص دربردارند. برای مثال سیستمهای خبرهای که در برنامههای وابسته به تشخیص (به عنوان مثال تشخیص پزشکی) استفاده میشوند، در خدمت ماشین و انسان است. همچنین این سیستمها قادرند تا شطرنج بازی کرده و در مورد برنامهریزی سرمایه تصمیم گیری، رایانهها را پیکربندی، سیستمهای بلادرنگ را کنترل و بیمه نامهها را صادر کنند و بسیاری دیگر از کارهایی که قبلا نیاز به مهارت و دانش انسان داشته را انجام دهند.
سیستم تشخیص و ارجاع، بخشی از سیستم هوشمند تشخیص بیماری کودک است. این سیستم به صورت مبتنی بر قانون پیاده سازی شده است که بخش موتور استنتاج آن توسط پرولوگ و بخش رابط کاربر و پایگاه داده آن توسط C# پیاده سازه شده است.
قیمت: 20,000 تومان
چکیده
این پروژه شامل مراحل ساخت یک سیستم نرم افزاری محاسبه حقوق یک شرکت است که در آن از زبان های SQL و Delphi استفاده شده است که در حال حاضر از زبان های رایج برای ایجاد پایگاه داده است. که ما با استفاده از زبان SQL پایگاه داده مردنظر را ایجاد کرده و تمام مراحل برنامه نویسی آن و کارهای را که سیستم باید انجام دهد را با استفاده از Delphi شبیه سازی می کنیم. در این پروژه سعی شده است حدالامکان از حجم کار حسابداری به صورت دستی که بخش عمده ای از کارها در این بخش انجام می شود کاهیده و بتوان به صورت الکترونیکی و با امنیت بالا این بخش را اداره کرد.
مقدمه
مفاهیم پایه در داده کاوی
تعریف داده کاوی
کاربردهای داده کاوی
مراحل فرایند کشف دانش از پایگاه داده ها
انبارش داده ها
انتخاب داده ها
تبدیل داده ها
کاوش در داده ها
تفسیر نتیجه
عملیاتهای داده کاوی
معیارهای انتخاب عملیات داده کاوی
عملیاتها و تکنیکهای داده کاوی
تحلیل پیوند
پارامترهای قوانین وابستگی
مدلها و الگوریتمهای داده کاوی
مدلها و الگوریتمهای داده کاوی
درخت های انتخاب
استنتاج قانون
الگوریتمهای ژنتیک
گامهای اصلی داده کاوی جهت کشف دانش
مراحل لازم برای ساخت یک پایگاه داده داده کاوی
آماده سازی داده برای مدل سازی
منابع و مراجع
فهرست مطالب پاورپوینت:
مقدمه
مدیریت اطلاعات مالتیمدیا در پایگاه داده
نکات مورد توجه برای ذخیره سازی داده ها
معماری سیستم
Continuous-Media Data
ماهیت دادههای مالتیمدیا
فرمت دادههای مالتیمدیا
پردازش Query ها