Birliktelik kurallarının madenciliği için genetik algoritma ve bulanık küme tabanlı yeni bir yaklaşım

A new approach based on genetic algorithm and fuzzy set for mining of association rules

Özet

Bu makalede, {alındı, alınmadı}ya da {var, yok} şekilde ikili değerler dışında kategorik ve nicel değerler de içeren veri tabanlarında birliktelik kurallarının keşfi için yapay zeka ve zeki hesaplama tekniklerinden genetik algoritma bulanık mantık tabanlı etkili, yeni bir yöntem geliştirilmiştir. Genetik algoritmalarda başlangıç populasyonunu gelişigüzel üretmek yerine, bunu çözüm uzayına düzgün dağıtan düzenli populasyon yöntemi kullanılmıştır. Genelde kullanılan yöntemlerin aksine yüksek destek ve güven değerlerine sahip birliktelik kuralları yoğun nesne kümeleri üretilmeden direkt olarak ve her veri tabanı için belirlenmesi güç olan minimum güven ve minimum destek eşiklerine ihtiyaç duyulmadan keşfedilmiştir. İlginç birliktelik kurallarını bulmak için uyarlamalı mutasyon ve elitizm stratejisi uygulanmıştır. Bu şekilde genetik algoritmanın son populasyonu ilginç birliktelik kurallarını temsil etmiştir. Önerilen yöntem hem yapay bir veri tabanında hem de Fırat Üniversitesi Elektrik-Elektronik Mühendisliği lisans öğrencilerinin ders not kayıtlarında denenmiş, kullanışlı ve ilginç kurallar etkili şekilde bulunmuştun

Abstract

In this article, a new, efficient method based on genetic algorithm and fuzzy logic, techniques of artificial intelligence and soft computing, has been developed for mining association rules within databases that, may contain categorical or quantitative values except for binary values. The initial population of genetic algorithm has not been randomly generated, uniform population method that distributes the initial population in the feasible region uniformly has been used instead. Contrary to the methods used as usual, association rules that have high support and confidence have directly been mined without generating frequent itemsets and without needing minimum support and minimum confidence thresholds that are hard to determine for each database. Adaptive mutation and elitism strategy have been performed for finding interesting association rules. Thus, the last population of genetic algorithm represents the association rules. The proposed method has been tested in both artificial and real world database (records of the students of Fırat University Electrical and Electronics Engineering) and useful and interesting rules have effectively been mined.