بهینه سازی تحلیل سبد خرید در داده کاوی فازی با استفاده از الگوریتم های تکاملی

داده کاوی اغلب برای استخراج قوانین وابستگی از داده های تراکنشی مورد استفاده قرار می گیرد. اکثر مطالعات قبلی بر روی داده های تراکنشی با مقادیر باینری صورت گرفته اند. در حالی که داده های تراکنشی در دنیای واقعی معمولاً شامل مقادیر کمی (عددی) هستند. در این پایان نامه، یک الگوریتم داده کاوی فازی برای استخراج قوانین وابستگی و یافتن توابع عضویت از داده های تراکنشی کمی پیشنهاد شده است. به عبارت دیگر یک الگوریتم که بر پایه ی الگوریتم ژنتیک بوده، برای یافتن توابع عضویت مناسب در مسائل داده کاوی مورد استفاده قرار می گیرد. در این الگوریتم، میزان شایستگی هر یک از مجموعه توابع عضویت توسط دو معیار پشتیبان فازی و مناسب بودن توابع عضویت بدست آمده، مورد ارزیابی قرار می گیرند. فرایند ارزیابی توسط پشتیبان های فازی برای 1- مجموعه قلم بسیار سریع تر از زمانی است که تمام مجموعه اقلام یا قوانین وابستگی مورد بررسی قرار گیرند. همچنین توابع عضویت هر یک از اقلام به صورت یک جمعیت مجزا در نظر گرفته شده اند، بنابراین جمعیت اولیه شامل چندین جمعیت جدا خواهد بود. بهترین توابع عضویت بدست آمده از هر جمعیت در پایان الگوریتم ژنتیک برای استخراج قوانین وابستگی مورد استفاده قرار می گیرند.