پایان‌نامه

انتخاب الگوریتم داده کاوی مناسب برای تشخیص دلایل ترک تحصیل دانش آموزان(مورد کاوی: مدارس استان اردبیل)

چکیده

در جهان امروز با توجه به توسعه سریع تکنولوژی، مقدار داده های ذخیره شده به طور مداوم در هر زمینه در حال افزایش است. در نتیجه برای به دست آوردن اطلاعات معنی دار و با ارزشمندی که قبلاً ناشناخته بودند از داده کاوی استفاده می شود. در سال های اخیر علاقه رو به رشدی و نگرانی هایی در بسیاری از کشورها در مورد مسئله عوامل شکست دانش آموزان در مدارس و تعیین عوامل اصلی آن نشان داده اند. همچنین مقدار زیادی از تحقیقات در تجزیه وتحلیل عملکرد تحصیلی دانش آموزان، سیستم های مدیریت تحصیلی، بهبود عملکرد تحصیلی دانش آموزان، پیش بینی میزان مقبولیت دانش آموزان برای تحصیل در مقاطع آموزشی بالاتر با استفاده داده کاوی و مقدار زیادی از اطلاعات که می تواند در پایگاه داده کامپیوترهای در حال حاضر ذخیره شوند انجام شده است. در این تحقیق تلاش می شود با توجه به داده های دانش آموزان دوره سه ساله متوسطه و با اعمال سیاست های مناسب در جهت آماده سازی این داده ها و با اجرای الگوریتم های داده کاوی بر روی داده ها، الگوریتم ها را مورد تحلیل و بررسی قرار داده و الگوریتم مناسب را از نظر بیش ترین میزان درصد صحت تشخیص و کمترین زمان مصرفی انتخاب کنیم و با کشف الگوها، راهکاری مناسب برای پیش بینی عوامل ترک تحصیل دانش آموزان از مدارس نشان دهیم. در این تحقیق سیاست ها و الگوریتم های مختلف بر روی داده های دانش آموزان اعمال شدند و درصد نتایج پیش بینی صحیح آن ها باهم مقایسه شدند و الگوریتم c5.0 با دقت 91.23% و با زمان مصرفی 3 ثانیه به عنوان الگوریتم مناسب در این تحقیق انتخاب گردید.

اساتید راهنما و مشاور

احمد فراهی

پایان‌نامه‌های مشابه

اسناد مشابه

  • تشخیص لوسمی لنفوسیتی و میلوئیدی حاد با استفاده از انتخاب ژن داده های ریز آرایه و الگوریتم های داده کاوی

    مقالهفصلنامه پژوهشی خونراضیه شیخ پور، r. sheikhpour دانشگاه یزد مهدی آقاصرام، m. aghaseram دانشگاه یزدسازمان اصلی تایید شده: دانشگاه یزد (yazd university) رباب شیخ پور، r. sheikhpour دانشکده پزشکی، واحد یزد، دانشگاه آزاد اسلامی و مرکز تحقیقات خون و انکولوژیسازمان اصلی تایید شده: دانشگاه یزد (yazd university)سازمان های دیگر: دانشگاه علوم پزشکی شهید صدوقی

    چکیده سابقه و هدف تکنولوژی ریزآرایه، یک تصویر کلی از میزان بیان هزاران ژن به طور هم زمان ارایه می دهد. تفسیر داده های ریز آرایه بدون آنالیز آماری و روش های هوش مصنوعی ممکن نیست. هدف این مقاله، تشخیص انواع لوسمی حاد با استفاده از مجموعه داده های ریز آرایه و الگوریتم های داده کاوی