روش موازی اثر بخش برای داده کاوی ژنتیکی - فازی

مهمترین کاربرد داده کاوی در تلاشهایی است که برای استنتاج قواعد وابستگی از داده های تراکنشی صورت می گیرد.در گذشته، از مفاهیم منطق فازی و الگوریتم های ژنتیکی برای کشف قواعد وابستگی فازی سودمند و توابع عضویت مناسباز مقادیر کمی استفاده می کردیم. با وجود این، ارزیابی مقادیر برازش نسبتا زمان بر بود. به دلیل افزایش های شگرف درقدرت محاسباتی قابل دسترسی و کاهش همزمان در هزینه های محاسباتی در طول یک دهه ی گذشته، یادگیری یا دادهکاوی با به کارگیری تکنیک های پردازشی موازی به عنوان روشی امکان پذیر برای غلبه بر مسیله ی یادگیری کند شناختهشده است. بنابراین، در این مقاله الگوریتم داده کاوی موازی فازی ژنتیکی را بر اساس معماری ارباب - برده 1 ارایه کرده ایم تا قواعد وابستگی و توابع عضویت را از تراکنش های کمی استخراج کنیم. پردازنده ی master مانند الگوریتم ژنتیک از جمعیت یگانه ای استفاده می کند، و وظایف ارزیابی برازش را بین پردازنده های slave توزیع می کند. اجرای الگوریتمپیشنهاد شده در معماری ارباب – برده بسیار طبیعی و کارآمد است. پیچیدگی های زمانی برای الگوریتم های داده کاویژنتیکی – فازی موازی نیز مورد تحلیل قرار گرفته است. نتایج این تحلیل تاثیر قابل توجه الگوریتم پیشنهاد شده را نشانداده است. هنگامی که تعداد نسلها زیاد باشد، افزایش سرعت الگوریتم ممکن است نسبتا خطی باشد. نتایج تجربی تیز ایننکته را تایید میکنند. لذا به کارگیری معماری ارباب – برده برای افزایش سرعت الگوریتم داده کاوی ژنتیکی – فازیروشی امکان پذیر برای غلبه بر مشکل ارزیابی برازش کم سرعت الگوریتم اصلی است.

کلیدواژه ها:

داده کاوی ، مجموعه های فازی ، الگوریتم ژنتیک ، پردازش موازی ، قاعده اتحادیه