فریبا خادم القرانی - دانشجوی کارشناسی ارشد گروه کامپیوتر،باشگاه پژوهشگران جوان دانشگاه آ
احمد برآانی - عضو هیات علمی،گروه کامپیوتر،دانشگاه اصفهان
کامران زمانی فر - عضو هیات علمی،گروه کامپیوتر،دانشگاه آزاد اسلامی واحد نجف آباد

استخراج قوانین وابستگی در داده کاوی را می توان به عنوان یک مسئله چندهدفه درنظر گرفت اغلب روشهای قبلی قوانین پررخداد و با تعداد صفات زیاد را از پایگاه داده کشف می کنند که برای کاربر جذاب و قابل فهم نمی باشند و این قوانین را طی گذراندن دو مرحله مجزا از هم بدست م یآورند علاوه براین دربیشتر داده ها صفات عددی وجود دارد اکثر این روشها قادر به کاوش اینگونه قوانین نیستند درنتیجه گسسته کردن مقادیر فیلدهای عددی قبل از کاوش ضرری می باشد که با از دست رفتن اطلاعات مفیدمواجه می شویم دراین مقاله با بهبود دادن الگوریتم جستجوی گرانشی یک روش مناسب برای استخراج قوانین وابستگی عددی ارایه می کنیم در واقع یک الگوریتم جستجوی گرانشی بهبود یافته براساس مفهوم مقادیر سخت مطرح می کنیم این مقادیر با بازه های بالا و پایین تعریف شده اند که رنجی ازمقادیر را مشخص می کنند روش پیشنهاد شده بدون نیاز به گسسته سازی فیلدهای عددی و استفاده از مقادیر آستانه حداقل پشتیبان و اطمینان مناسب ترین فواصل عددی را در یک اجرا کشف می کند نتایج حاصل از راه کار ارایه شده حاکی از کارآمد بودن این روش است

قوانین وابستگی عددی ،الگوریتم جستجوی گرانشی،داده کاوی،داده های عددی