استخراج و بهینه سازی قوانین انجمنی فازی با استفاده از الگوریتم ژنتیک چند منظوره

کاوش قوانین انجمنی یکی از مهمترین حوزه های داده کاوی بوده و توجه بسیاری در مطالعات مختلف کسب کرده است. کاوش قوانین انجمنی یک عمل محاسباتی و ورودی/خروجی فشرده میباشد. در این مقاله، یک روش برای کاوش قوانین انجمنی فازی بهینه سازی شده با ترتیب های مختلف ارائه شده است. همچنین روشی برای تعریف توابع عضویت برای تمامی ویژگی های پیوسته در یک پایگاه داده با استفاده از تکنیک های خوشه بندی پیشنهاد میگردد.

Association Rule Mining is one of the important data mining activities and has received substantial attention in the literature. Association rule mining is a computationally and I/O intensive task. In this paper, we propose a solution approach for mining optimized fuzzy association rules of different orders. We also propose an approach to define membership functions for all the continuous attributes in a database by using clustering techniques. Although single objective genetic algorithms are used extensively, they degenerate the solution. In our approach, extraction and optimization of fuzzy association rules are done together using multi-objective genetic algorithm by considering the objectives such as fuzzy support, fuzzy confidence and rule length. The effectiveness of the proposed approach is tested using computer activity dataset to analyze the performance of a multi processor system and network audit data to detect anomaly based intrusions. Experiments show that the proposed met