ارائه یک راهکار جدید با بهبود دادن الگوریتم جستجوی گرانشی جهت کاوش قوانین وابستگی عددی در داده کاوی

سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,157

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:

CSICC16_100

تاریخ نمایه سازی: 28 بهمن 1390

چکیده مقاله:

استخراج قوانین وابستگی در داده کاوی را می توان به عنوان یک مسئله چندهدفه درنظر گرفت اغلب روشهای قبلی قوانین پررخداد و با تعداد صفات زیاد را از پایگاه داده کشف می کنند که برای کاربر جذاب و قابل فهم نمی باشند و این قوانین را طی گذراندن دو مرحله مجزا از هم بدست م یآورند علاوه براین دربیشتر داده ها صفات عددی وجود دارد اکثر این روشها قادر به کاوش اینگونه قوانین نیستند درنتیجه گسسته کردن مقادیر فیلدهای عددی قبل از کاوش ضرری می باشد که با از دست رفتن اطلاعات مفیدمواجه می شویم دراین مقاله با بهبود دادن الگوریتم جستجوی گرانشی یک روش مناسب برای استخراج قوانین وابستگی عددی ارایه می کنیم در واقع یک الگوریتم جستجوی گرانشی بهبود یافته براساس مفهوم مقادیر سخت مطرح می کنیم این مقادیر با بازه های بالا و پایین تعریف شده اند که رنجی ازمقادیر را مشخص می کنند روش پیشنهاد شده بدون نیاز به گسسته سازی فیلدهای عددی و استفاده از مقادیر آستانه حداقل پشتیبان و اطمینان مناسب ترین فواصل عددی را در یک اجرا کشف می کند نتایج حاصل از راه کار ارایه شده حاکی از کارآمد بودن این روش است

نویسندگان

فریبا خادم القرانی

دانشجوی کارشناسی ارشد گروه کامپیوتر،باشگاه پژوهشگران جوان دانشگاه آ

احمد برآانی

عضو هیات علمی،گروه کامپیوتر،دانشگاه اصفهان

کامران زمانی فر

عضو هیات علمی،گروه کامپیوتر،دانشگاه آزاد اسلامی واحد نجف آباد

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 :
  • خادم‌القرانی، فریبا؛ براآنی، احمد؛ زمانی‌فر، کامران؛ واکشی مجموعه اقلام تکرار ...
  • دانشکده مهندسی کامپیوتر، دانشگاه صنعتی شریف، تهران، 17 تا 19 ...
  • J. Han, M. Kamber, Data Mining: Concepts and Techniques (2nd ...
  • E. Rashedi, H. Nezamabadi, S. Saryazdi, "A Gravitational Search Algorithm ...
  • B. Alatas, E. Akin, _ efficient genetic algorithm for automated ...
  • J. Mata, J.L. Alvarez, J.C. Riquelme, "An evolutionary algorithm to ...
  • M. R, Y. Yang, "Association rules over interval data", In: ...
  • Y. Aumann, Y. Lindell, T. Morishita, TTokuyama, _ statistical theory ...
  • X. Yan, CH. Zhang, SH. Zhang, "Genetic algorithm- based strategy ...
  • M.Delgado, N.Marin, D.Sanchez, Vila, M-L, "Fuzzy association rules: general model ...
  • C.Keith, C.Chan, Wai-Ho, Au, "Mining fuzzy association rules in a ...
  • R. Srikant, R. Agrawal, "Mining Quantitative Association Rules in Large ...
  • P. Lingras, C. Davies, "Rough genetic algorithms ", In: Proceedings ...
  • G. Alatas, E. Akin, "Rough particle Swarm optimization and its ...
  • http : /Iunapp .cs.bilkent.edu _ _ Association Rule ...
  • نمایش کامل مراجع