بررسی کاوش وابستگی های تابعی تقریبی

حجم روز افزون دادهها در فایلها، پایگاه دادهها و دیگر انبارههای داده، توسعه روشهای تجزیه و تحلیل و استخراج اطلاعات مفید و ضمنی موجود در دادهها را ایجاب می نماید. این اطلاعات می توانند در پروسهای تصمیم گیری سازمانها بسیار موثر باشند. داده کاوی کشف الگوهای پنهان واطلاعات مفید از پایگاه دادهها است. داده کاوی یکی از قدم های مهم در پروسه کشف دانش است. کاوش وابستگیهای تابعی تقریبی به عنوان یکی از روشهای داده کاوی می تواند ارتباطات پنهان و نسبی بین خصیصه های موجود در داده های رابطه ای را استخراج کند. همچنین ارتباطات پنهان بین مقادیر این خصیصه ها را می توان توسط قوانین انجمنی بیان نمود. در این پایان نامه یکی از بهترین روش های کاوش وابستگی های تابعی تقریبی بهبود داده شده است. در این بهبود علاوه بر تولید نتایج مفیدتر کارایی الگوریتم نیز در بسیاری از موارد بهبود می یابد. همچنین با استفاده از مفهوم وابستگی های تابعی تقریبی روش جدیدی بنام ar-miner برای کاوش قوانین انجمنی از پایگاه داده های رابطه ای ارائه می شود. روش جدید علاوه بر کارا بودن می تواند قوانین انجمنی را مستقیما از داخل پایگاه داده های رابطه ای استخراج کند. در انتها با استفاده از الگوریتم ارائه شده برای کاوش وابستگی های تابعی تقریبی، خصیصه های شرکت کننده در دسته بندی ماژول های معیوب نرم افزار را بدون کم شدن کارایی دسته بند کاهش می دهیم.