دانلود پاورپوینت در مورد کنکاو وب ( Web Mining )

اختصاصی از فی موو دانلود پاورپوینت در مورد کنکاو وب ( Web Mining ) دانلود با لینک مستقیم و پر سرعت .

دانلود پاورپوینت در مورد کنکاو وب ( Web Mining )

فرمت فایل: پاورپوینت

تعداد اسلاید: 14

مقدمه

lظهور وب جهانی (WWW) کاربران کامپیوتر خانگی را با جریانی وحشتناک از اطلاعات مواجه کرده است.

l تقریباً هر موضوعی می تواند بیاد آورده شود , یکی می تواند تکه های اطلاعات را که توسط دیگر شهروندان اینترنت قابل دسترس می شوند را پیدا کند, تنظیم کردن کاربران شخصی که لیستی از مجموعه رکورد هایشان را , برای شرکت های خاص که در وب تجارت می کنند می فرستند

 

دانلود پروژه سورس رسمی Web ، iOS ، Android و Desktop اپلیکیشن Telegram

اختصاصی از فی موو دانلود پروژه سورس رسمی Web ، iOS ، Android و Desktop اپلیکیشن Telegram دانلود با لینک مستقیم و پر سرعت .

تلگرام (Telegram) یک برنامه پیام رسان قدرتمند است که روی دو فاکتور سرعت و امنیت تمرکز کرده و کاربران زیادی دارد.

تعداد کاربران تلگرام در شش ماه پیش بیش از 35 میلیون نفر اعلام شده است که هر روز به تعداد آن اضافه می شود.

در تلگرام شما می توانید با دوستان و آشنایان خود چت کنید، گروه های مختلف ایجاد کنید، عکس و صدا و متن ارسال کنید

سورس اپلیکیشن رسمی Web ، iOS ، Android و Desktop اپلیکیشن Telegram را برای دانلود کاربران گرامی مرجع تخصصی برنامه نویسی آماده کرده ایم.

اپلیکیشن Android تلگرام با زبان C طراحی شده است و عملکرد فوق العاده ای روی تلفن های مختلف اندرویدی دارد. (لینک github)

اپلیکیشن iOS تلگرام با Objective-C برنامه نویسی شده و روی محصولات Apple که از سیستم عامل iOS استفاده می کنند اجرا می شود.(لینک github)

اپلیکیشن Web تلگرام با Javascript  و رابط کاربری Web Base طراحی شده و روی مرورگر اجرا می شود.(لینک github)

اپلیکیشن Desktop تلگرام با Javascript طراحی شده و روی سیستم عامل های Windows و Linux و Mac نصب می شود.(لینک github)

دانلود پاورپوینت Small Web Flash

اختصاصی از فی موو دانلود پاورپوینت Small Web Flash دانلود با لینک مستقیم و پر سرعت .

امروزه SWF، استانداردی جهانی برای ایجاد انیمیشن‌ بُرداری در وب

به شمار می‌رود. این فرمت توسط شرکت ماکرومدیا ابداع شده است. نرم‌افزار Flash MX که محصول شرکت ماکرومدیا است، اولین نرم‌افزاری است که فایل‌های فلش (با پسوند swf) تولید می‌کند، ولی پس از آن شرکت‌های زیادی شروع به تولید نرم‌افزارهایی برای ساخت فلش کرده‌اند، به‌طوری که امروزه بیش از صد شرکت برروی این نرم‌افزارها فعالیت می‌کنند. اکثر این نرم‌افزارها به اندازه کافی شناخته شده نیستند. کسانی که کارشان طراحی سایت‌های وب است و نیز کسانی که به‌طور اتفاقی نیاز به ساخت فایل فلش پیدا می‌کنند، می‌توانند با استفاده از این نرم‌افزارها، کارهای خود را بسیار سریع‌تر و راحت‌تر انجام دهند.

مقدمه ای بر ماکرو مدیا فلش (SWF)

 شکل فایل ماکرو مدیا فلش (swf) طراحی شده و بصورت بردارهای گرافیکی و انیمیشن بر روی اینترنت ارائه می شود. شکل فایل های ماکرو مدیا فلش (swf) بعنوان یک شکل ارائه خیلی موثر و نه یک شکلی که مبادله گرافیکی است بین ویراستارهای گرافیکی طراحی شده است. اهداف زیر برای آن در نظر گرفته شده است :

- نمایش روی صفحه : این شکل در درجه اول نمایش روی صفحه را داراست و همچنین آن هموارکردن نا صافی ها  ،  ترجمه سریع به bitmap با هر قالب رنگی ،  انیمیشن و دکمه های واکنشی را پشتیبانی می کند.

-توسعه پذیری : این شکل یک شکل برچسب زده شده می باشد ، بنا براین این شکل

-می تواند با خصوصیت های جدید تکامل یافته شود زمانی که درعقب سازش پذیری با کاربران قدیمی تر را نگه می دارد.

تحویل شبکه : فایل ها به یک شبکه با پهنای باند محدود و غیر قابل پیش بینی تحویل داده می شوند. فایل ها خیلی کم فشرده می شوند و توسط گروهبندی اجرا افزایش می یابد.swf  یک شکل باینری است و به خوانایی  html برای انسان نیست . ماکرو مدیا فلش (swf) از تکنیک هایی مثل بسته بندی - بیتی و ساختارها با ضمینه های اختیاری  که اندازه فایل به حداقل برسد استفاده می کند.

سادگی : این شکل ساده است تا این که این پخش کننده ساده و به آسانی به پورت

می رود. همچنین این پخش کننده  فقط به یکسری توابع سیستم عاملی محدود وابسته است.

استقلال فایل : فایل ها می توانند نمایش داده شوند بدون هیچ وابستگی به منابع خارجی مانند فونت ها.

مقیاس پذیری : کامپیوترهای مختلف دارند دقت نمایش و عمق بیتی متفاوتی دارند. این فایل ها کار می کنند به خوبی در سخت افزار محدود شده ، تا زمانی که برتری  گرفتن سخت افزارهای گرانتر زمانی که آنها در دسترس هستند.

سرعت : این فایل ها برای ترجمه (Render) با کیفیت خیلی بالا و با سرعت طراحی شده اند.

فایل های ماکرو مدیا فلش (SWF) توسعه پذیری دارند .swf و هم اکنون دلایل تاریخی نوع MIME  کاربردی هستند.(x-shockwave-flash(

 عنوان ماکرو مدیا فلش (SWF)

 همه فایل های ماکرو مدیا فلش (SWF)  با عنوان ذیل شروع می شوند :

انواع که درعنوان استفاده می شوند در قسمت انواع پایه مشخص شده اند.

 این عنوان با سه علامت x46, 0x57, 0x53 0 (“FWS”) به وسیله یک بایت شماره نگارش (version) آن پیروی می شود.

فیلد طول فایل آن کل طول فایل swf  شامل عنوان است.

فیلد اندازه فریم با عرض و طول فیلم مشخص می شود. این به عنوان یک ساختار RECT ذخیره می شود.

یادداشت : ساختار RECT  استفاده می شود برای اندازه فریم که همیشه n بیت تا 15 دارند.

سرعت فریم  ، سرعت مطلوب بازگشت به عقب در فریم ها به ثانیه است. سرعت تضمین نشده است اگر فایل های swf شامل داده های صوتی ، یا پخش کننده که در حال اجرا روی یک CPU با سرعت کم باشد.

شماره فریم : شماره کل فریم ها در فیلم  swf است.

شامل 20 اسلاید powerpoint

دانلود پاورپوینت آشنایی با طراحی وب

اختصاصی از فی موو دانلود پاورپوینت آشنایی با طراحی وب دانلود با لینک مستقیم و پر سرعت .

دانلود پاورپوینت آشنایی با طراحی وب

نوع فایل : پاورپوینت

تعداد اسلایدها : 24

فهرست و پیشگفتار

صفحه وب یا (Web Page):سندی بر روی وب که توسط یک مرورگر وب قابل نمایش است را یک صفحه وب می‌گویند. صفحه وب در اصل یک فایل متنی است که توضیحاتی برای مرورگر در بر دارد. این توضیحات که TAG یا برچسب نامیده می‌شوند، چگونگی نمایش متون و تصاویر را در یک صفحه وب نمایش می‌دهند...

آشنایی با کدها و عناصر صفحات HTML

یادآوری و پرسش و پاسخ

صفحه وب یا (Web Page)

ساخت اولین صفحه وب

HTML Basic

HTML Advanced

تشریح یک سند HTML

Tag Attributes

آشنایی با برچسب‌ها و ویژگی‌های بیشتر

Page Format

Adding Links

Adding links, cont

Tables

Adding Images

Images, Cont

HTML Quick Reference

HTML Color Table

Special Characters (" & £ etc)

پروژه داده کاوی و کاربرد الگوریتم های ژنتیک در داده کاوی و WEB کاوی. doc

اختصاصی از فی موو پروژه داده کاوی و کاربرد الگوریتم های ژنتیک در داده کاوی و WEB کاوی. doc دانلود با لینک مستقیم و پر سرعت .

نوع فایل: word

قابل ویرایش 162 صفحه

مقدمه:

داده کاوی پل ارتباطی میان علم آمار، علم کامپیوتر، هوش مصنوعی، الگوشناسی، فراگیری ماشین و بازنمایی بصری داده می باشد . داده کاوی فرآیندی پیچیده جهت شناسایی الگوها و مدل های صحیح ، جدید و به صورت بالقوه مفید ودر حجم وسیعی از داده می باشد، به طریقی که این الگو ها و مدلها برای انسانها قابل درک باشند . داده کاوی به صورت یک محصول ، قابل خریداری نمی باشد ، بلکه یک رشته علمی و فرآیندی است که بایستی به صورت یک پروژه پیاده سازی شود .

داده ها اغلب حجیم می باشند و به تنهایی قابل استفاده نیستند، بلکه دانش نهفته در داده ها قابل استفاده می باشد . بنابراین بهره گیری از قدرت فرآیند داده کاوی جهت شناسایی الگوها و مدلها و نیز ارتباط عناصر مختلف در پایگاه داده جهت کشف دانش نهفته در داده ها و نهایتا تبدیل داده به اطلاعات ، روز به روز ضروری تر می شود .

یکی از نمونه های بارز داده کاوی را می توان در فروشگاه های زنجیره ای مشاهده نمود، که در آن سعی می شود ارتباط محصولات مختلف هنگام خرید مشتریان مشخص گردد . فروشگاه های زنجیره ای مشتاقند بدانند که چه محصولاتی با یکدیگر به فروش می روند .

برای مثال طی یک عملـیات داده کاوی گستـرده در یـک فروشـگاه زنجیره ای در آمریکای شمالی که بر روی حجـم عظیمـی از داده های فروش صورت گرفت، مشخص گردید که مردانی که برای خرید قنداق بچه به فروشگاه می روند معمولا آب جو نیز خریداری می کنند . همچنین مشخص گردید مشتریانی که تلویزیون خریداری می کنند، غالبا گلدان کریستالی نیز می خرند . نمونه مشابه عملیات داده کاوی را می توان در یک شرکت بزرگ تولید و عرضه پوشاک در اروپا مشاهده نمود به شکلی که نتایج داده کاوی مشخص می کرد که افرادی که کراوات های ابریشمی خریداری می کنند در همان روز یا روزهای آینده گیره کراوات مشکی رنگ نیز خریداری می کنند .

به روشنی این مطلب قابل درک است که این نوع استفاده از داده کاوی می تواند فروشگاه ها را در برگزاری هوشمندانه فستیوال های فروش و نحوه ارائه اجناس به مشتریان یاری رساند .

نمونه دیگر استفاده از داده کاوی در زمینه فروش را می توان در یک شرکت بزرگ دوبلاژ و تکثیر و عرضه فیلم های سینمایی در آمریکای شمالی مشاهده نمود که در آن عملیات داده کاوی، روابط مشتریان و هنرپیشه های سینمایی و نیز گروه های مختلف مشتریان بر اساس سبک فیلم ها ( ترسناک ، رمانتیک ، حادثه ای و ...) مشخص گردید .

بنابراین آن شرکت به صورت کاملاً هوشمندانه می توانست مشتریان بالقوه فیلم های سینمایی را بر اساس علاقه مشتریان به هنرپیشه های مختلف و سبک های سینمایی شناسایی کند .

از دیگر زمینه های به کارگیری داده کاوی، استفاده بیمارستانها و کارخانه های داروسازی جهت کشف الگوها و مدلهای ناشناخته تاثیر دارو ها بر بیماری های مختلف و نیز بیماران گروه های سنی مختلف را می توان نام برد .

ستفاده از داده کاوی در زمینه های مالی و بانکداری به شناخت مشتریان پر خطر و سودجو بر اساس معیار هایی از جمله سن، درآمد، وضعیت سکونت، تحصیلات، شغل و غیره می انجامد .

در دو دهه قبل توانایی های فنی بشر برای تولید و جمع آوری داده‌ها به سرعت افزایش یافته است . عواملی نظیر استفاده گسترده از بارکد برای تولیدات تجاری،  به خدمت گرفتن کامپیوتر در کسب و کار، علوم، خدمات دولتی و پیشرفت در وسائل جمع آوری داده از اسکن کردن متون و تصاویر تا سیستمهای سنجش از دور ماهواره ای در این تغییرات 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 می‌کند . این رشد انفجاری در داده‌های ذخیره شده، نیاز مبرم وجود تکنولوژی های جدید و ابزارهای خودکاری را ایجاد کرده که به صورت هوشمند به انسان یاری رسانند تا این حجم زیاد داده را به اطلاعات و دانش تبدیل کند : داده کاوی به عنوان 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، انباره 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 دهه 1980 پدیدار گشته است . در دهه 1990 گامهای بلندی در این شاخه از علم برداشته شده و انتظار می رود در این قرن به رشد و پیشرفت خود ادامه دهد [1]. واژه های «داده کاوی» و «کشف دانش در پایگاه داده» اغلب به صورت مترادف یکدیگر مورد استفاده قرار می گیرند . کشف دانش به عنوان یک فرآیند در شکل زیر نشان داده شده است . کشف دانش در پایگاه داده فرایند شناسایی درست، ساد ه، مفید  و نهایتا الگوها و مدلهای قابل فهم در داده ها می باشد . داده کاوی ، مرحله ای از فرایند کشف دانش می باشد و شامل الگوریتمهای مخصوص داده کاوی است، بطوریکه تحت محدودیتهای مؤثر محاسباتی قابل قبول، الگوها و یا مدلها را در داده کشف می کند . به بیان ساده تر، داده کاوی به فرایند استخراج دانش ناشناخته، درست و بالقوه مفید از داده اطلاق می شود . تعریف دیگر اینست که داده کاوی گونه ای از تکنیکها برای شناسایی اطلاعات و یا دانش تصمیم گیری از قطعات داده می باشد به نحوی که با استخراج آنها در حوزه های تصمیم گیری، پیش بینی، پیشگویی و تخمین، مورد استفاده قرار گیرند . داده ها اغلب حجیم اما بدون ارزش می باشند، داده به تنهایی قابل استفاده نیست بلکه دانش نهفته در داده ها قابل استفاده می باشد . به این دلیل اغلب به داده کاوی، تحلیل داده ای ثانویه گفته می شود .

فهرست مطالب:

فصل اول : داده کاوی Data Mining

1-1 مقدمه

1-2 تعاریف داده کاوی

1-3 تفاوت داده کاوی و آنالیز آماری

1-4 روش آنالیز آماری

1-5 روش داده کاوی

1-6 فواید و نقش داده کاوی در فعالیت شرکتها

1-7 مراحل اصلی داده کاوی

1-8 چه چیزی سبب پیدایش داده کاوی شده است ؟

1-9 مراحل کشف دانش

1-10 جایگاه داده کاوی در میان علوم مختلف

1-11 داده کاوی چه کارهایی نمی تواند انجام دهد ؟

1-12 داده کاوی و انبار داده ها

1-13 داده کاوی و OLAP

1-14 دلایل استفاده از DW ها

1-15 روش کار

1-16 آشنایی با مفاهیم انباره های داده

1-17 OLAP چیست ؟

1-18 چه کسانی از داده ها استفاده می کنند ؟

1-19 سیستم پشتیبانی تصمیم گیری چیست ؟

1-20 سیستم اطلاعات مدیران اجرایی

1-21 مقایسه سیستم هایOLTP و DSS

1-22 انبار داده ها

1-23 عناصر انبار داده

1-24 غرفه های داده ( سلسله مراتب انباره ها )

1-25 ابزار های گزارش گیری

1-25-1OLAP و اطلاعات چند بعدی

1-25-2OLAP رومیزی

1-25-3MOLAP چند بعدی

1-25-4 OLAP رابطه ای

1-25-5 HOLAP)hybrid OLAP )

1-25-6 استاندارد های OLAP

1-27 کاربرد یادگیری ماشین و آمار در داده کاوی

1-28 توصیف داده ها در داده کاوی

1-29 خوشه بندی

1-30 تحلیل لینک

1-31 مدل پیشبینی داده ها

1-31-1Classification

1-31-2Regression

1-31-3Time series

1-32 مدل ها و الگوریتم های داده کاوی

1-33 شبکه های عصبی

1-34 Decision trees

1-35Multivariate Adaptive Regression Splines (MARS)

1-36Rule induction

1-37K-nearest neibour and memory-based neighbor (K-NN)

1-38 رگرسیون منطقی

1-39 تحلیل تفکیکی

1-40 مدل افزودنی کلی (GAM)

1-41Boosting

1-42 سلسله مراتب انتخابها

1-43 نتیجه گیری

فصل دوم : وب کاوی Web Mining

2-1مقدمه

2-2 Web Mining

2-3رده بندی web mining

2-4Web Usage Mining

2-5Web Structure Mining

2-6 انجام عمل پیش پردازش روی فایلهای log

2-7 انجام عمل پیش پردازش preprocessing

2-8 پاکسازی داده ها data cleaning))

2-9 تشخیص کاربران user identification) )

2-10Session identification

2-11 تشخیص الگوها

2-12 تکنیکهای آماری

2-13 قوانین ارتباطی

2-14 الگوهای ترتیبی

2-15 خوشه بندی

2-16 نتیجه گیری

فصل سوم : الگوریتم های ژنتیک

3-1 مقدمه

3-2 زمینه های بیولوژیکی

3-3 فضای جستجو

3-4 مسائل NP

3-5 مفاهیم اولیه در الگوریتم ژنتیک

3-5-1 اصول پایه

3-5-2 شمای کلی الگوریتم ژنتیک

3-5-3 ساختار متداول الگوریتم ژنتیک

3-6 کد کردن

3-6-1 انواع کدینگ

3-6-2 روشهای کدینگ

3-6-3 مسائل مربوط به کدینگ

3-7 مرحله ارزیابی (evaluation)

3-8 عملگر تقاطع و جهش

3-9 رمز گشایی

3-10 کروموزوم

3-11 جمعیت

3-12 مقدار برازندگی

3-13 تعریف دیگر عملگر تقاطعی

3-14 تعریف دیگر عملگر جهش

3-15 مراحل اجرای الگوریتم ژنتیک

3-16 حل یک مسئله نمونه توسط الگوریتم ژنتیک

3-17 همگرایی الگوریتم ژنتیک

3-18 نتیجه گیری

فصل چهارم : کاربرد الگوریتم ژنتیک در Web Mining

4-1 مقدمه

4-2 یک الگوریتم ژنتیک برای جستجوی وب

4-3 دورنما

4-4 جستجو ی وب به عنوان یک مساله بهینه سازی

4-5 الگوریتم ژنتیکی بر پایه ماشین جستجو

4-6 درخواست کاربر و ارزیابی تابع

4-7 عملگر های ژنتیک و مکانیزم های جستجو

4-8 مطالعه پارامترها

4-9 الگوهای کشف شده

4-10 قوانین نتیجه گیری

4-11 رده بندی نمونه های ناشناخته

4-12 ابعاد

4-13 چرا از الگوریتم ژنتیک استفاده می کنیم ؟

4-14 یک رهیافت پیوندی -GA ها و دسته بندی کننده نزدیکترین K – همسایه

4-15 جنبه های بهبود یافته الگوریتم ها

4-16 کاوش برای قارچ خوراکی

4-17 نتیجه الگوریتم

4-18 جستجوی وب به عنوان یک مساله بهینه سازی

4-19 GA پیشنهاد شده

4-20تابع ارزیابی مطابق با درخواست استفاده کننده

4-21 عملگرهای تقاطع و دیگر ماشین های جستجو

4-22 تنظیمات آزمایش

4-23 نتیجه گیری

مراجع

فهرست اشکال:

فصل اول : داده کاویData Mining

شکل 1-1 : داده کاوی به عنوان یک مرحله از فرآیند کشف دانش9

شکل 1-2 : سیر تکاملی صنعت پایگاه داده

شکل 1-3 : معماری یک نمونه سیستم داده کاوی

شکل 1-4 : داده ها از انباره داده استخراج می گردند .

شکل 1-5 : داده ها از چند پایگاه داده استخراج شده اند .

شکل 1-6 : انبار داده

شکل 1-7 : شبکه عصبی با یک لایه نهان

شکل 1-8 : Wx,y

شکل 1-9 : درخت تصمیم گیری

شکل 1-10 : محدود همسایگی

فصل دوم : وب کاوی Web Mining

شکل 2-1 : نمونه ای از فرمت log file که از فرمت عمومی پیروی می کند

فصل سوم : الگوریتم های ژنتیک

شکل 3-1 : نمونه ای از فضای جواب

شکل 3-2 : کدینگ باینری

شکل 3-3 : کدینگ جهشی

شکل 3-4 : کدینگ ارزشی

شکل 3-5 : کدینگ درختی

شکل 3-6 :فضای کدینگ و فضای جواب

شکل 3-7: رابطه بین کروموزوم ها و جوابها

شکل 3-8 : انواع روابط بین فضای جواب و فضای کدینگ

شکل3-9 :مثال رمز گشایی

شکل 3-10 : مثال جهش

شکل 3-11 : نمایش یک کروموزوم n بیتی در پایه عددی m

شکل 3-12 : مثالی از عمل جابجایی تک نقطه ای

شکل 3-13 : تقاطع در کروموزوم های کد شده چهاربیتی

شکل 3-14 : تقاطعی دو نقطه ای

شکل 3-15 : عمل تقاطعی یکنواخت

شکل 3-16 : نمونه ای از عمل جهش

شکل 3-17 : مراحل اجرای الگوریتم ژنتیک

شکل 3-18 : چرخ رولت

شکل 3-19 : نمایش کروموزوم معادل زوج (X,Y)

فصل چهارم : کاربرد الگوریتم ژنتیک در Web Mining

شکل 4-1 : ارزیابی جمعیت به معنی کیفیت برای مقادیر مختلف Pmut

شکل 4-2 : تاثیر انتقال KNN

شکل 4-3 : جمعیت متوسط به معنی کیفیتی برای مقادیر مختلف 3000 مقدار اولیه

شکل 4-4 : جمعیت متوسط به معنی کیفیتی برای مقادیر مختلف 20 صفحه ابتدایی

شکل 4-5 : جمعیت متوسط به معنی کیفیتی برای مقادیر مختلف 120 صفحه ابتدایی

شکل 4-6 : جمعیت متوسط به معنی کیفیتی برای مقادیر مختلف 250 صفحه ابتدایی

شکل 4-7 : اختلاف زمانی با 250 صفحه استفاده شده اولیه

فهرست جداول:

فصل سوم : الگوریتم های ژنتیک

جدول 3-1 : مثالهای تقاطع تک نقطه ای

جدول 3-2 : مثالهای تقاطع دو نقطه ای

جدول 3-3 : نمونه ای از عمل جهش

جدول 3-4 :انتخاب کروموزوم ها با استفاده از مدل چرخ رولت

جدول 3-5 : نمایش جمعت اولیه

جدول 3-6 : نتایج عمل تقاطع

جدول 3-7 : نتایج عمل جهش با Pm=0.2

جدول 3-8 : کروموزوم با بیشترین مقدار برازندگی

فصل چهارم : کاربرد الگوریتم ژنتیک در Web Mining

جدول 4-1 : سوالات مورد استفاده در آزمونها

جدول 4-2 : نتایج مقایسه برای تابع f1

جدول 4-3 : نتایج مقایسه برای تابع f2

جدول 4-4 : مدلسازی مساله جستجوی اطلاعات به عنوان یک مساله بهینه سازی

جدول 4-5 : آخرین جمعیت به معنی کیفیت برا مقادیر مختلف Popmax

جدول 4-6 :پارامتر های GA برای مجموعه داده ای قارچ

جدول 4-7 : نتایج مجموعه داده ، قارچ برای دسته بندی KNN

جدول 4-8 :مقیاسی برای دیگر دسته بندی ها

جدول 4-9 :نتایج مقایسه برای Mq

منابع و مأخذ:

1- احسان زنجانی / مقدمه ای بر داده کاوی

2- کامیار کیمیا بیگی / مقدمه ای بر انبار داده ها (Data Warehouse). 1386

3- مستوره حسن نژاد- سیما سلطانی / متدی برای بهبود بخشیدن ساختار وب . (web usage mining)

4- یوحنا قدیمی – علی عباسی – کاوه پاشایی / کنکاو وب .(web mining)

5- رضا قنبری / آشنایی با الگوریتم ژنتیک / دانشگاه صنعتی شریف ( دانشکده ریاضی ) / 1381

6- پیام خان تیموری / الگوریتم ژنتیک و حل مساله TSP

7- F.Picarougne , N.Monmarche , A.Oliver , G.Venturini \ Web Mining With a Genetic Algorithm \ Laboratory Of Information , University Of Tours , 64.

8- F.Picarougne , N.Monmarche , A.Oliver , G.Venturini / GENIMINER Web Mining With a Genetic-Based Algorithm .

9- Robert E.Marmelstein \ Application Of Genetic Algorithm To Data Mining \ Department Of Electrical And Computer Engineering Air Force Institue Of Technology Wright-Patterson AFB .

10- M.H.Marghny And A.F.Ali \ Web Mining Based On Genetic Algorithm \ Dept. Of Computer Science , Faculty Of Computers And Information , Assuit University , Egypt , ( WWW. Icgst . com )