داده کاوی، فناوری نوین جهت استخراج دانش

سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,420

فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CHKI01_064

تاریخ نمایه سازی: 8 دی 1388

چکیده مقاله:

مواجه شدن با حجم بسیار وسیعی از داده ها و ایجاد انبارهای داده در سالهای اخیر و مشکلات بازیابی دانش مخفی موجود در آنها جهت بکارگیری این اطلاعات در راستای اهداف مدیریتی سبب شد که تکنیک های داده کاوی مورد توجه قرار گرفته و اهمیت این موضوع در مجامع علمی مورد توجه قرار گرفته است. در اجرای این فناوری نوین، اطلاعات در ابتدا جمع آوری شده، به یک ساختار واحد تبدیل و سپس روش های تحلیل داده ها روی آنها اعمال می شود. در ارتباط با امور دام، دامداران همواره با چالشی برای حذف دام ها و انتخاب دام برتر برای بهره وری بالاتر مواجه بوده اند. این کار نیاز به دقت بسیار و آگاهی کامل از وضعیت موجود دارد و بدون تردید در این میان، عملکرد به موقع، پارامتری کلیدی است. این مقاله با استفاده از تکنیک داده کاوی و به منظور طبقه بندی دام ها به گروههای همگن و ارائه یک مدل مناسب به تجزیه تحلیل اطلاعات پایگاه داده مرکز اصلاح نژاد دام کشور، می پردازد. به بیانی دیگر، سعی در شناسایی انواع گروههای دامی و ارائه یک تقسیم بندی مناسب جهت تصمیمات آتی بر روی آنها را دارد. این تقسیم بندی، انتخاب دام های برتر و یا دام های مناسب جهت حذف را هدفمند نموده و در نهایت موجب بالا بردن درآمد دامداران کشور خواهد شد.

کلیدواژه ها:

داده کاوی ، خوشه بندی ، الگوریتم میانگین های کا ، درخت تصمیم

نویسندگان

فاطمه باقرزاده

دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات دانشگاه شیراز

مهدی شجری

استادیار دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی ام

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Jiawei Han and Micheline Kamber, Data Mining: Concepts and Techniques, ...
  • R.M. Rejesus, B.B. Little, A.C. Lovell (2004). Using data mining ...
  • G.S. Linoff (2004). Survival data mining for customer insight, Intelligent ...
  • C. Da Cunha, B. Agard, A. Kusiak (2006). Data mining ...
  • David L. Oson Dursun Delen, Advanced Data Mining Techniques, 2008 ...
  • Holsapple, C. (2003), "Knowledge and its attributes", in Holsapple, C. ...
  • Sholom M. Weiss, Stephen J. Buckley, Shubir Kapoor, and SGren ...
  • Alavi, M., Leidner, D. E. (2001). Review: Knowledge Management and ...
  • D.L. Olson, Yong Shi (2007). Introduction to Business Data Mining, ...
  • Max Bramer (2007), "Principles of Data Mining", Digital Professor of ...
  • ZhaoHui Tang, Jamie MacLennan, Data Mining with SQL Server 2005, ...
  • نمایش کامل مراجع