دانلود پایان نامه:پیش بینی و تشخیص کنتورهای خراب با استفاده از طراحی یک روش ترکیبی از شبکه عصبی و درخت تصمیم برای کاوش دادهها (مورد کاربردی: شرکت گاز استان کرمانشاه) |
فهرست مطالب عنوان صفحه فصل اول: مقدمه 1-1 بیان مسأله. 16 1-2 اهمیت و ضرورت تحقیق.. 17 1-3 جنبه نوآوری تحقیق.. 17 1-4 اهداف تحقیق.. 19 1-5 سوالات پروژه. 19 1-6 فرضیهها 20 1-7 راهکار ارائه شده. 20 1-8 ساختار پایاننامه. 24 فصل دوم: مروری بر ادبیات و پیشینه تحقیق 2-1 داده کاوی چیست؟. 49 2-2 تعاریف متنوعی از داده کاوی.. 50 2-3 آیا داده کاوی سودمند است؟. 51 2-4 آمار و داده کاوی.. 52 2-5 پیچیدگی و هزینه زمانی.. 54 2-6 محرمانگی دادهها 54 2-7 محدودیتهای داده كاوی.. 55 2-8 مراحل داده کاوی.. 55 2-9 وظایف و تكنیك های داده كاوی.. 56 2-9-1 کلاسبندی. 56 2-9-2 تخمین. 57 2-9-3 پیشبینی. 57 2-9-4 قواعد وابستگی یا گروهبندی پیوستگیها 57 2-9-5 خوشهبندی. 57 2-9-6 نمایهسازی توصیفی. 58 2-10 معماری سیستم مبتنی بر داده كاوی.. 58 2-11 روشهای داده كاوی.. 59 2-12 درخت تصمیمگیری.. 59 2-13 نقاط قوت درخت تصمیمگیری.. 61 2-14 معایب درختان تصمیم. 61 2-15 آنتروپی.. 62 2-16 هرس درخت تصمیم تولیدشده. 64 2-17 شبکه عصبی مصنوعی.. 65 2-18 ماتریس تداخل.. 69 2-19 واسط K-Fold Cross Validation.. 72 2-20 قوانین انجمنی.. 74 2-21 مرور ادبیات و سوابق مربوطه. 75 2-22 خلاصه فصل.. 76 فصل سوم فرایند داده کاوی، معرفی و ارزیابی الگوریتم ها 3-1 معرفی نرم افزار Rapid Miner 5: 61 3-2 واسط کاربری Rapid Miner 5. 61 3-3 نحوه کار با Rapid Miner 5. 62 3-3-1 انبارهها 62 3-3-2 عملگرها 63 3-3-3 تب پردازش.. 64 3-3-4 تب پارامترها 64 3-3-5 تب مشکلات.. 64 3-3-6 تب کمک.. 65 3-3-7 تب توضیحات و تب xml. 65 3-4 مقدمه. 66 3-5 متدولوژی CRISP-DM… 66 3-6 شروع داده کاوی.. 67 3-6-1 درک کسب و کار 67 3-6-2 درک دادهها 67 3-6-3 آماده سازی دادهها 68 3-6-3-1 تولید دادههای آموزشی. 69 3-6-3-2 تولید دادههای تست و ارزیابی. 69 3-6-4 ساخت مدل. 70 3-6-4-1 افزودن انبارهای داده به نرم افزار 70 3-6-4-2 درخت تصمیم. 71 3-6-4-3 اعمال مدل درخت تصمیم و تست و ارزیابی کار 75 3-6-4-4 شبکه عصبی. 79 3-6-4-5 روشهای ترکیبی. 81 3-6-5 نتیجه گیری. 82 فصل چهارم: نتیجهگیری و راهکار آینده 4-1 نتیجه گیری.. 84 4-2 راهکار آینده. 84 واژهنامه فارسی به انگلیسی.. 85 فهرست شکلها شکل 1- مدل فرآیند CRISP-DM برای کاربردهای داده کاوی]9[ 21 شکل (2-1): معماری سیستم مبتنی بر داده كاوی [42]. 59 شکل (2-2): تغییر میزان آنتروپی را برای مجموعهای با دو کلاس… 63 شکل (2-3): توابع نرمال سازی [40] 67 نمودار(2-1): تقریب خطی.. 73 شکل(3-1): صفحه نخست نرم افزار Rapid Miner 5. 62 شکل 3-2: خروجی شیها 63 شکل 3-3: خروجی قسمت مدل (شبکه عصبی) 63 شکل 3-4: خروجی قسمت اطلاعات.. 64 شکل (4-1): متدولوژی CRISP-DM… 67 شکل (4-2): نحوه افزودن فایل دادهای به برنامه. 70 شکل (4-3): نحوه انتخاب نوع سطر. 71 شکل(4-4): آدرس عملگر درخت تصمیم. 71 شکل(4-5): آدرس عملگر Set Role. 72 شکل(4-6): آدرس عملگر Select Attribute. 72 شکل(4-7): آدرس عملگر Discretize by Frequency. 72 شکل(4-8): نحوه اتصال عملگرها 73 این مطلب را هم بخوانید : شکل(4-9): درخت حاصل از دادههای آموزشی با تابع هدف نسبت بهره اطلاعاتی.. 74 شکل(4-10): درخت حاصل از دادههای آموزشی با تابع هدف آنتروپی.. 75 شکل (4-11): درخت حاصل از دادههای آموزشی با تابع هدف پراکندگی جمعیت(جینی) 75 شکل(4-12): آدرس عملگر Apply model. 76 شکل(4-13): اتصالات تب پردازش در مرحله اعمال مدل. 76 نمودار (4-1): پیشبینی حاصل از الگوهای درخت تصمیم با تابع هدف نسبت بهره اطلاعاتی.. 77
فرم در حال بارگذاری ...
[سه شنبه 1399-07-01] [ 05:34:00 ق.ظ ]
|