ارائه روش تركيبي براي كشف قوانين انجمني مثبت و منفي با استفاده الگوريتم-هاي بهينه سازي

قواعد انجمني يكي از بهترين روش‌هاي كشف دانش بخاطر درك راحت‌تر است. وقتي كه پايگاه داده بزرگ باشد براي كشف يك قاعده زمان اهميت پيدا مي‌كند. در روش ارائه شده فقط يك‌بار پايگاه داده براي كشف قواعد پيمايش مي‌شود. داده‌هاي پيمايش شده به خوشه‌هايي با توجه به تعداد مجموعه اقلام حداكثر تقسيم مي‌شود و با استفاده از الگوريتم ژنتيك قواعد كشف مي‌شود. خوشه‌بندي اجراي الگوريتم را افزايش مي‌دهد و الگوريتم ژنتيك مستقيما قواعد را بدون نياز به كشف مجموعه اقلام حداكثرها كشف مي‌كند. كشف قوانين انجمني يكي از روش هاي مهم و پركاريرد داده كاوي جهت كشف دانش نهفته در داده ها است كه با استفاده از آن مي توان روابط و وابستگي هاي مفيدي كه در مجموعه هاي بزرگي از اقلام داده موجود مي باشند را كشف نمود. اين روابط و وابستگي ها در تصميم گيري هاف نقش مهمي دارند. يافتن چنين روابطي، داخل مجموعه داده ها به دليل ماهيت نمايي آن و حجم بالاي داده ها بسيار زمانبر است. در اين تحقيق براي كشف قوانين انجمني، ابتدا بايد با ارائه ي يك روش مبتني بر الگوريتم رقابت استعماري، تراكنش ها به خوشه هاي مناسب تقسيم مي شوند. سپس يك روش تكاملي بر پايه ي رقابت استعماري براي كشف قوانين انجمني ارائه مي گردد كه اين الگوريتم به طور چداگانه و مستقل بر روي هر يك از خوشه ها اجرا مي شود. در نهايت قوانين، به دست آمده از همه خوشه ها در يك جا جمع آوري شده و قوانين نهايي توليد مي گردند. نتايج حاصل از آزمايشات مختلف بر روي چند مجموعه داده شناخته شده، كارآيي راه كار پيشنهادي را در كشف قوانين با دقت مناسب و كاهش هزينه ها تأييد مي كند.