کشف قوانین انجمنی به صورت موازی بر اساس یک روش خوشه بندی جدید و با استفاده از یک الگوریتم تکاملی

کشف قوانین انجمنی، یکی از روش های مهم و پرکاربرد داده کاوی جهت کشف دانش نهفته در داده ها است که با استفاده از آن می¬توان روابط و وابستگی¬های مفیدی که در مجموعه¬های بزرگی از اقلام داده¬ موجود می¬باشند را کشف نمود. این روابط و وابستگی ها در تصمیم گیری ها، نقش مهمی دارند. یافتن چنین روابطی، داخل مجموعه ی داده ها به دلیل ماهیت نمایی آن و حجم بالای داده¬ها بسیار زمان بر است. در این پایان نامه برای کشف قوانین انجمنی، ابتدا با ارائه ی یک روش خوشه بندی مبتنی بر الگوریتم رقابت استعماری، تراکنش ها به خوشه های مناسب تقسیم می شوند. سپس یک روش تکاملی بر پایه الگوریتم رقابت استعماری برای کشف قوانین انجمنی ارائه می گردد که این الگوریتم به طور جداگانه و مستقل بر روی هر یک از خوشه ها اجرا می شود. در نهایت، قوانین به دست آمده از همه خوشه ها در یک جا جمع آوری شده و قوانین نهایی تولید می گردند. نتایج حاصل از آزمایشات مختلف بر روی چند مجموعه داده شناخته شده، کارآیی راه کار پیشنهادی را در کشف قوانین با دقت مناسب و کاهش هزینه ها تایید می کند.