رتبه بندی چندتایی قوانین با استفاده از الگوریتم ژنتیک

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 821

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JCCEM01_041

تاریخ نمایه سازی: 25 اسفند 1392

چکیده مقاله:

امروزه استفاده از داده کاوی در علوم مختلف رشد بسیار زیادی پیدا کرده است و این به دلیل گسترش روز افزون داده ها و حجم آنها در پایگاه های داده می باشد. وجود ابزاری برای کاوش بین داده ها و استخراج روابط مهم و پر معنی بین این پایگاه های داده بسیار الزامی می باشد. یکی از مهمترین کارهایی که در زمینه ی داده کاوی انجام می شود، کشف قوانین همبستگی و دسته بندی بین داده ها است که با استفاده از این ابزار می توان روابط پنهان بین داده ها و برهمکنش داده ها با یکدیگر را مورد بررسی قرار داد و الگوهایی که اغلب با یکدیگر اتفاق می افتند را استخراج کرد. پس از استخراج این قوانین، تعداد بسیار زیادی قانون به وجود می آید که ارزش متفاوتی با یکدیگر دارند و بسیاری از آنها از ارزش چندانی برخوردار نیستند. به دلیل محدودیت امکانات و جهت افزایش سرعت و دقت در واکشی اطلاعات، نیازمند رتبه بندی این قوانین و استفاده از قوانین برتر هستیم. در این مقاله روش جدیدی جهت رتبه بندی قوانین دسته بندی معرفی شده است.

کلیدواژه ها:

قوانین دسته بندی ، رتبه بندی چند تایی قوانین ، الگوریتم ژنتیک

نویسندگان

بهزاد ربیعی قهفرخی

دانشجوی کارشناسی ارشد، دانشکده برق و کامپیوتر، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان

علی اکبر نیک نفس

دانشگاه شهید باهنر کرمان

بهزاد زمانی دهکردی

دانشگاه آزاد اسلامی واحد شهرکرد

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • تبیین مهمترین عوامل موثر بر رتبه افشای اطلاعات شرکت های ...
  • J. Han and M. Kamber, Data mining: concepts and techniques: ...
  • C. Zhang and S. Zhang, Association rule mining: models and ...
  • R. Agrawal, T. Imielihski, and A. Swami, "Mining association rules ...
  • WORKSHOP THEN C ONFERENCE _ _ 1999, pp. 124-133. ...
  • L. Geng and H. J. Hamilton, _ Interestingness measure for ...
  • R. Agrawal and R. Srikant, "Fast algorithms for mining association ...
  • R. S. Michalski, "A theory and methodology of inductive learming, ...
  • incremental rule learning, " in Machine Learning: ECML-93, 1993, pp.195-185 ...
  • Current Trend in Knowledge Acquisition, pp. 90-104, 1990. ...
  • induction from databases, " Knowledge and Data Engineering, IEEE Transactions ...
  • M. C. Chen, "Ranking discovered rules from data mining with ...
  • voting data, " European Journal of Operational Research, vol. 151, ...
  • M. Toloo, B. Sohrabi, and S. Nalchigar, "A new method ...
  • S. Dreiseitl, M. Osl, C. Baumgartner, and S. Vinterbo, "An ...
  • S. A. Vinterbo, E.-Y. Kim, and L. Ohno- Machado, "Small, ...
  • Y. Changan and D. Song, "Principles of Data Mining and ...
  • S. Sivanandam and S. Deepa, Introduction o genetic algorithms :Springer ...
  • نمایش کامل مراجع