A survey on association rule mining based on evolutionary algorithms

Badhon, Bodrunnessa; Kabir, Mir Md. Jahangir; Xu, Shuxiang; Kabir, Alamgir

doi:10.1080/1206212x.2019.1612993

Cited by 17 publications

(14 citation statements)

References 44 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…We use a Genetic Algorithm (GA) due to its straightforward principles, its simplicity of implementation and the fact that it has been already successfully applied to ARM (Anand, et., al, 2009;Badhon, et. al., 2019).…”

Section: Evolutionary Algorithmmentioning

confidence: 97%

Multi-Objective Evolutionary Algorithm for the Identification of Rare Functional Dependencies in Complex Technical Infrastructures

Antonello¹,

Baraldi²,

Zio³

et al. 2020

Proceedings of the 30th European Safety and Reliability Conference and 15th Probabilistic Safety Assessment and Management Conf

View full text Add to dashboard Cite

A Multi-Objective Evolutionary Algorithm (MOEA) is proposed for the identification of association rules describing functional dependencies in Complex Technical Infrastructures (CTIs). The algorithm uses novelty search to explore the solution space. It has been applied to a real large-scale database of alarms collected in the CTI of CERN (European Organization for Nuclear Research). The obtained results show its effectiveness in identifying rare functional dependencies not found using standard algorithms of Association Rule Mining (ARM) algorithms.

show abstract

Section: Evolutionary Algorithmmentioning

confidence: 97%

Multi-Objective Evolutionary Algorithm for the Identification of Rare Functional Dependencies in Complex Technical Infrastructures

Antonello¹,

Baraldi²,

Zio³

et al. 2020

Proceedings of the 30th European Safety and Reliability Conference and 15th Probabilistic Safety Assessment and Management Conf

View full text Add to dashboard Cite

show abstract

“…Badhon ve arkadaşları yakın zamanda önerilen çok amaçlı evrimsel algoritmaların (ÇAEA) kategorik, nicel ve bulanık kural keşfinde; kromozom temsili, genetik operatörler ve başlangıç popülasyonu açısından sistematik yapısal bir incelemesini sunmuşlardır. ÇAEA temelli çeşitli yaklaşımlarla ilgili net bir karşılaştırmalı çalışma, hesaplama karmaşıklığı ve bu araştırma bağlamında çeşitli uygulamaları içermektedir [21].…”

Section: öLçütler (Measures)unclassified

“…Minimum destek ve güven ön koşul değildir [18].Badhon ve arkadaşları yakın zamanda önerilen çok amaçlı evrimsel algoritmaların (ÇAEA) kategorik, nicel ve bulanık kural keşfinde; kromozom temsili, genetik operatörler ve başlangıç popülasyonu açısından sistematik yapısal bir incelemesini sunmuşlardır. ÇAEA temelli çeşitli yaklaşımlarla ilgili net bir karşılaştırmalı çalışma, hesaplama karmaşıklığı ve bu araştırma bağlamında çeşitli uygulamaları içermektedir[21].Altay ve Alataş nicel birliktelik kural madenciliğini tek amaçlı ve çok amaçlı bir optimizasyon problemi olarak kabul eden algoritmaları incelemişler ve bu algoritmaların performans analizini belirli metrikler kullanarak bulmuşlardır[22,23].Nicel birliktelik kural madenciliği problemi için her kromozom, kuralın özelliklerini ve aralıklarını temsil eden bir gen vektörüdür. Konumsal bir kodlama kullanılmıştır.…”

unclassified

Sensitivity Analysis of Non-Dominated Sorting Genetic Algorithm-II for Quantitative Association Rules Mining

Altay

Alataş

2020

Bilişim Teknolojileri Dergisi

View full text Add to dashboard Cite

İkili ya da kesikli değerlere sahip veri kümelerine odaklanan birçok birliktelik kural madenciliği çalışması vardır. Ancak, gerçek dünya uygulamalarındaki veriler genellikle nicel değerlerden oluşmaktadır. Nicel veriler için keşfedilecek kurallarda hangi niteliklerin olacağı ve hangilerinin kuralın solunda hangilerinin sağında olacağının belirlenmesi, ilgili nicel aralıkların en uygun şekilde otomatik ayarlanması; kuralların yoğun nesne kümeleri üretilmeden tek aşamada anlaşılabilir, doğru, güvenilir, ilginç, sürpriz vb. özelliklere sahip olacak şekilde bulunması ve tüm bu işlemlerin her veri tabanı için önceden belirlenmesi gereken metriklere ihtiyaç duyulmadan ayarlanması zor bir problemdir. Yakın zamanda bazı araştırmacılar, nicel birliktelik kural madenciliğini, farklı kriterleri aynı anda en iyi şekilde karşılayacak şekilde, çok amaçlı bir problem olarak düşünmüşlerdir. Bu makalede nicel birliktelik kural madenciliği problemi için anlaşılabilirlik, ilginçlik ve performansı en üst düzeye çıkarmayı amaçlayan çok amaçlı evrimsel algoritmalardan baskın olmayan sıralama genetik algoritma-II temelli QAR-CIP-NSGA-II'nin parametre analizi yapılmıştır. Bu amaçla; nitelikleri nicel değerler alan beş gerçek dünya verisinde QAR-CIP-NSGA-II'nin değerlendirme sayısı, popülasyon sayısı, mutasyon olasılığı, genlik ve eşik değeri gibi parametrelerinin; elde edilen kural sayısı, ortalama destek, güven, lift, kesinlik faktörü, netconf ve kapsanan kayıt sayısını nasıl değiştirdiği kapsamlı bir şekilde bildiğimiz kadarıyla ilk kez bu çalışmada gerçekleştirilmiştir. Detaylı analiz sonuçları karşılaştırmalı tablolar ile sunulmuştur ve yorumlanmıştır. Anahtar Kelimeler-nicel birliktelik kural madenciliği, çok amaçlı optimizasyon, baskın olmayan sıralama genetik algoritma-II

show abstract

“…For every frequent access rules, the related encoded strings are compared excluding the last one. The pruning has to be done once the compared results are identical; else the rules should be retained [13]. As of pruned frequent access rules, the generalized association rules are created for the course learning systems [14].…”

Section: Pruningmentioning

confidence: 99%

An improved Frequent Pattern Mining in Sustainable Learning Practice using Generalized Association Rules

2019

IJITEE

View full text Add to dashboard Cite

This research focuses on mining the frequent patterns occurred in the given Datasets by Generalization of Association Rules. Frequent pattern mining is a significant as well as interesting problem in the research filed of Data Mining. Building of frequent pattern tree (FP tree), frequent pattern growth (FP growth) and association rule generation are implemented to find the repeated patterns of data. FP tree Construction Algorithm is mainly used to compact a vast database into a extremely compressed, seems to very tiny data structure; hence eliminates the repeated scanning of database. The role of FP growth algorithm is to discover the frequent patterns with FP tree structure and construct the generalized association rules corresponding to the learning data. FP growth algorithm obtained best results as compared with conventional Apriori algorithm. This research provides some practical real time applications pertaining data mining techniques in the field of learning, education, marketing, finance and so on.

show abstract

A survey on association rule mining based on evolutionary algorithms

Cited by 17 publications

References 44 publications

Multi-Objective Evolutionary Algorithm for the Identification of Rare Functional Dependencies in Complex Technical Infrastructures

Multi-Objective Evolutionary Algorithm for the Identification of Rare Functional Dependencies in Complex Technical Infrastructures

Sensitivity Analysis of Non-Dominated Sorting Genetic Algorithm-II for Quantitative Association Rules Mining

An improved Frequent Pattern Mining in Sustainable Learning Practice using Generalized Association Rules

Contact Info

Product

Resources

About