کشف قوانین دسته بند داده کاوی با استفاده از الگوریتم ممتیک توزیع شده

در سیستم های توزیع شده جمعیت، فرم های به هم پیوسته حاکم هستند. این فرم ها برای تکامل گونه ها در میان سایت ها و افزایش تنوع آن ها به وسیله روش انتخاب و تولیدمثل محلی مورد استفاده قرار می گیرند. تغییرات در قوانین مهاجرت در برخی از سایت ها، همچنین اجرای جستجو، منجر به بهبود قابل توجه در کشف قوانین دسته بند شده است. در نهایت، اشتراک اطلاعات جهت کاهش پیچیدگی مجموعه مشخص کشف شده به کار گرفته می شود. در این مطالعه، اثربخشی الگوریتم ممتیک توزیع شده در کشف قوانین دسته بند داده کاوی با تحلیل نتایج این الگوریتم در پنج مجموعه داده از مخازن UCI و KEEL مورد ارزیابی قرار گرفته است. نتایج حاکی از این است که الگوریتم ممتیک توزیع شده با دقت پیش بینی بالاتری نسبت به الگوریتم ممتیک سنتی در کشف قوانین دسته بند داده کاوی عمل می کند. این مطالعه نشان می دهد که تاثیر عملیات مهاجرت و اجرای جستجو در کشف قوانین دسته بند داده کاوی قابل مشاهده است.

کلیدواژه ها:

الگوریتم ممتیک توزیع شده ، قوانین دسته بندی ، الگوریتم ممتیک موازی