حمیدرضا قزلباش - دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد زنجان

قواعد انجمنی یکی از بهترین روش های کشف دانش بخاطر درک راحت تر است. وقتی که پایگاه داده بزرگ باشد برای کشف یک قا عده زمان اهمیت پیدا می کند. در روش ارایه شده فقط یک بار پایگاه داده برای کشف قواعد پیمایش می شود. داده های پیمایش شده به خوشه هایی با توجه به تعداد مجموعه اقلامحداکثر تقسیم می شود و با استفاده از الگوریتم ژنتیک قواعد کشف می شود . خوشه بندی اجرای الگوریتم را افزایش می دهد و الگوریتم ژنتیک مستقیما قواعد را بدون نیاز به کشف مجموعه اقلام حداکثرها کشف می کند. کشف قوانین انجمنی یکی از روش های مهم و پرکاریرد داده کاوی جهت کشف دانش نهفتهدر داده ها است که با استفاده از آن می توان روابط و وابستگی های مفیدی که در مجموعه های بزرگی از اقلام داده موجود می باشند را کشف نمود. این روابط و وابستگی ها در تصمیم گیری هاف نقش مهمی دارند. یافتن چنین روابطی، داخل مجموعه داده ها به دلیل ماهیت نمایی آن و حجم بالای داده هابسیار زمانبر است. در این تحقیق برای کشف قوانین انجمنی، ابتدا باید با ارایه ی یک روش مبتنی بر الگوریتم رقابت استعماری، تراکنش ها به خوشه های مناسب تقسیم می شوند. سپس یک روش تکاملی بر پایه ی رقابت استعماری برای کشف قوانین انجمنی ارایه می گردد که این الگوریتم به طور چداگانه ومستقل بر روی هر یک از خوشه ها اجرا می شود. در نهایت قوانین، به دست آمده از همه خوشه ها در یک جا جمع آوری شده و قوانین نهایی تولید می گردند. نتایج حاصل از آزمایشات مختلف بر روی چند مجموعه داده شناخته شده، کارآیی راه کار پیشنهادی را در کشف قوانین با دقت مناسب و کاهش هزینه ها تایید می کند.

قوانین انجمنی، خوشه بندی، الگوریتم تکاملی، الگوریتم رقابت استعماری