المصدر: | مجلة المنصور |
---|---|
الناشر: | كلية المنصور الجامعة |
المؤلف الرئيسي: | حمودي، حسن حسين (مؤلف) |
مؤلفين آخرين: | مصطفى، مصطفى صباح (م. مشارك) |
المجلد/العدد: | ع 14 |
محكمة: | نعم |
الدولة: |
العراق |
التاريخ الميلادي: |
2010
|
الصفحات: | 71 - 92 |
DOI: |
10.36541/0231-000-014-039 |
ISSN: |
1819-6489 |
رقم MD: | 449074 |
نوع المحتوى: | بحوث ومقالات |
اللغة: | العربية |
قواعد المعلومات: | EcoLink, HumanIndex |
مواضيع: | |
رابط المحتوى: |
الناشر لهذه المادة لم يسمح بإتاحتها. |
المستخلص: |
إن البيانات التي تخزن في ملفات قواعد البيانات تزداد بمعدلات عالية وان مستخدمي هذه البيانات يتوقعون معلومات معقدة من هذه البيانات. أن خوارزمية الــــ Data Mining هي خوارزمية رياضية وإحصائية حيث تحول الحالات الموجودة في البيانات الأصلية إلى نموذج الـــــ Data Mining. بالرغم من ذلك فان هذا النموذج يعتمد بصورة كبيرة على خوارزمية الـــــ Data Mining المطبقة على البيانات. إن خوارزمية شجرة القرار (Decision tree algorithm) تستخدم لتحليل البيانات وخلق سلاسل متكررة من الفروع والتي تتوقف عند عدم وجود تفرعات مناسبة. إن النتيجة النهائية التي نحصل عليها من تطبيق هذه الخوارزمية هي هيكل شجرة ثنائية (binary tree structure) التي يمكن إتباع تفرعاتها بالاعتماد على معايير محددة لإيجاد النفطة المطلوبة. على عكس شجرة القرار فان خوارزمية التجمع(clustering)لا تجزء البيانات ولكنها تقوم بتجميع البيانات في مجاميع. التجميع يعتبر أكثر أهمية للتمثيل المرئي لان البيانات تجمع بالاعتماد على معايير شائعة. الهدف العام من هذا البحث هو بناء شجرة غير متوازنة قدر الإمكان، بكلمات أخرى، خوارزمية شجرة القرار تبحث لوضع أكثر من نوع من المواصفات قدر الإمكان في العقدة المعطاة. الخوارزمية الشائعة الأخرى لخلق النماذج هي خوارزمية التجميع، هذه الخوارزمية تخلق نموذج لا يمكن استخدامه للتنبؤ ولكنه أكثر فعالية في إيجاد القيود التي تملك مواصفات مشتركة فيما بينها. في هذا البحث تم التطرق إلى خوارزميات الـــــ Data Mining وقواعد البيانات في اتخاذ القرار (Decision tree and clustering) , والهدف من استخدام ال Data Mining في اتخاذ القرار هو التنبؤ أو بناء سلسلة من القواعد التي تستخدم لتصنيف المشاهدات. The amount of data kept in computer files and databases are growing at a phenomenal rate .the users of these data are expecting more sophisticated information from them .Simples SQL structure query language queries is not adequate to support these needs. A data-mining algorithm is the mathematical and statistical algorithm that transforms the cases in the original data source into the data-mining model. However the model looks depends largely on the data mining algorithm applied to the. Where a decision tree algorithm is used to analysis the data and creates a repeating series of branches until no more relevant branches be made. The end result is a binary tree structure where the splits in the branches can be followed along specific criteria to find the most desired result .unlike a decision tree, a cluster a algorithm, does not split data along any lines but rather group’s data in clusters. Clustering is most useful for visual representations because the data is ground around common criteria. The general objective is to build trees are as balanced as possible, in terms of the distribution of attributes. in other words the algorithm seeks to put as many of one type of attribute as possible in a given node another commonly used algorithm to create models is clustering . The algorithm creates a model that cannot be used to make predictions but is very effective in finding records that have attributes in common with each other. In this research the decision support for database and data mining algorithms (decision tree and clustering) are explain, the goal of data miming algorithm in decision support is to create rules (for every node which can expressed as a set of rules that provide a description of the function of that particular node in the tree as well as the node that led up to it). We build a system called (DM college plan) that using decision tree and clustering algorithms, the goal is to create module that can be used to finds records that have attributes in common with each other. |
---|---|
وصف العنصر: |
ملخص لبحث منشور باللغة الانجليزية |
ISSN: |
1819-6489 |