الهام آفرنده - گروه مهندسی کامپیوتر، موسسه آموزش عالی توس، مشهد، ایران
راحیل حسینی - دانشکده فنی و مهندسی، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد شهر قدس، تهران، ایران

در دهه اخیر کاربرد تکنیک های داده کاوی و روش های هوشمند جهت استخراج دانش به صورت خودکار از مجموعه انبوه داده ها مورد توجه پژوهش های زیادی قرار گرفته است. باتوجه به ساختار نمایش دانش مبتنی برقوانین و قابلیت تفسیر بالای این روش در بیان الگوهای پنهان در اطلاعات، استخراج الگوهای پنهان در قالب مجموعه قوانین، از اهمیت بالایی در سیستم های هوشمند تصمیم یار برخوردار است. این مقاله به ارائه روشی خودکار جهت استخراج قوانین به صورت مستقیم از روی مجموعه داده ها می پردازد. در روش پیشنهادی از امکان و قابلیت مدیریت عدم قطعیت تثوری مجموعه های فازی در مدل سازی قوانین استفاده شده است. به منظور رسیدن به مجموعه قوانین  بهینه فازی، از الگوریتم ژنتیک استفاده شده و علاوه برکاهش مجدد قوانین تکراری، بهبود قوانین فازی بر روی آن ها انجام شده است. به منظور ارزیابی، روش فازی-ژنتیک پیشنهادی بر روی هفت مجموعه داده مشهور پیاده سازی و بر اساس روش تحلیل Accuracy ارزیابی شده است. نتایج به دست آمده بیانگر کارآ بودن روش پیشنهادی در مجموع است.

روش های طبقه بندی قوانین عدم قطعیت, قوانین مبتنی بر طبقه بندی فازی, تنظیم و بهبود قوانین فازی با GA