به کارگیری معماری موازی ارباب-برده برای افزایش سرعت الگوریتم داده کاوی فازی ژنتیکی

داده کاوی در جهت کشف اطلاعات پنهان و روابط موجود در بین دادههای فعلی و پیش بینی موارد نامعلوم و یا مشاهده نشده عمل می کند. برای انجام عملیات داده کاوی لازم است قبلا روی داده های موجود پیش پردازش هایی انجام گیرد. مهمترین کاربرد داده کاوی در تلاش هایی است که برای استنتاج قواعد وابستگی از دادههای تراکنشی صورت می گیرد. در گذشته، از مفاهیم منطق فازی و الگوریتم های ژنتیکی برای کشف قواعد وابستگی فازی سودمند و توابع عضویت مناسب از مقادیر کمی استفاده می شد. با وجود این، ارزیابی مقادیر برازش نسبتاً زمان بر بود. به دلیل افزایش شگرف در توان محاسباتی و کاهش همزمان هزینه های محاسباتی در طول یک دهه ی گذشته، داده کاوی با به کارگیری تکنیکهای پردازش موازی به عنوان روشی امکان پذیر برای غلبه بر مسئلهای یادگیری کند شناخته شده است. در این مقاله الگوریتم داده کاوى موازی فازی - ژنتیکی را メー اساس معماری ارباب - بردها ارائه کرده ایم :կ قواعدوابستگی و توابع عضویت را از تراکنش های کمی استخراج کنیم. پردازنده ی IllaSICT مانند الگوریتم ژنتیک از جمعیت یگانهای استفاده می کند، و وظایف ارزیابی برازش را بین پردازندههای SlaWe توزیع می کند. اجرای الگوریتم پیشنهاد شده در معماری ارباب - برده بسیار طبیعی و کارآمد است و روشی امکان پذیر برای غلبه بر مشکل ارزیابی برازش کم سرعت الگوریتم اصلی است.

Keywords:

داده کاوی , معماری ارباب - برده , الگوریتم ژنتیک , پردازش موازی