سال انتشار: ۱۳۸۷

محل انتشار: دومین کنفرانس داده کاوی ایران

تعداد صفحات: ۷

نویسنده(ها):

محمدحسین سرایی –
راضیه سادات سجادی –

چکیده:

برنامه نویسی ژنتیک، شاخه ای از الگوریتمهای ژنتیک است که دریک فضای جستجویی از عملگرها با برنامه ها به دنبال برنامه یا رابطه ای است که بتواندبهترین راه حل برای یک مسئله را نشان دهد. از طرفی دیگر یکی از تکنیکهای داده کاوی، کلاسبندی است که مدلهای کلاسهای داده را استخراج می کند و رفتارداده های بعدی را پیشگویی می نماید. در این مقاله سعی می شود که با استفاده از برنامه نویسی ژنتیک، تکنیک کلاسبندی را به شیوه های مختلف پیاده سازی نماییم. از این طریق، با توجه به خاصیتهای برنامه نویسی ژنتیک می توان قوانین جدیدی را که از روشهای سنتی کلاسبندی هیچ موقع قابل دستیابی نیستند و یا حدقال هزینه بالایی را دربردارند. به خوبی پیاده سازی نمود. این قوانین می توانند بسیار بهینه تر نسبت به قوانین روش سنتی باشند. همچنین در برخی موارد، با توجه به میزان حساسیت لازم، که قرار است از خروجی کلاسبندی حاصل شود می توان به میزان قابل توجهی قوانین را بهینه نمود. و در عین حال زمان کلاسبندی را نیز کاهش داد.