Approche bio-inspirée pour l’extraction des règles d’association

Abstract

L’extraction des règles d’association (ARM) peut être considérée comme un problème combinatoire Dans le but d'extraire les corrélations entre les éléments dans des ensembles de données considérables. Les nombreux algorithmes exacts polynômes déjà proposés pour ARM deviennent inadapté aux grandes bases de données et surtout à ceux qui existent sur le Web en raison au grand nombre de règles générées et aux exigences de temps. Attendu que les utilisateurs ne peut pas exploiter toutes les règles obtenues par le processus de recherche dans des algorithmes exhaustifs et ne peut pas perdre beaucoup de temps lorsque la base de données augmente. Ainsi, la création de de nouveaux cadres et outils pour la problématique ARM deviennent indispensables. Par conséquent, cette thèse de doctorat propose plusieurs algorithmes pour la règle d'association minière à partir de données stockées basées sur l'intelligence de l'essaim qui est un mécanisme moderne et efficace pour résoudre des problèmes d'informatique, d'ingénierie, d'économie et d'optimisation, c'est un comportement collectif de décentralisation et de système d'auto-organisation. Le point focal de ce travail est consacré à l'algorithme Bat qui est développé récemment. BA a déjà prouvé son efficacité et sa supériorité dans plusieurs champs d'application. Ici, nous proposons trois propositions avancées basées sur l’algorithme bat pour découvrir le meilleur ensemble de règles d'association à partir des données, L’algorithme Bat pour l'exploitation minière des règles d'association minière, Algorithme coopératif multi-essaim pour ARM et algorithme Bat multi-objectifs pour l'ARM.