Birliktelik kurallarının keşfi veri madenciliğinde en çok çalışılan konulardan biridir. Bu çalışmada nitelikleri nicel değerler alabilen veritabanlarında nicel birliktelik kurallarının keşfi için yapay zeka ve yumuşak hesaplama konularından bulanık mantık ve genetik algoritma tabanlı yeni yöntemler geliştirilmiştir. Özellikle genetik algoritmanın ilk aşamasında gelişigüzel üretilen başlangıç populasyonunun dezavantajlarını gideren etkili üç farklı yöntem daha denenmiş ve elde edilen sonuçlar karşılaştırılmıştır. Önerilen yöntemleri test için veritabanı olarak Fırat Üniversitesi Elektrik-Elektronik Mühendisliği lisans öğrencilerinin ders not kayıtları seçilmiş, kullanışlı ve ilginç kurallar etkili şekilde bulunmuştur.

Association rules mining is one of the most studied subjects in data mining. In this work, new methods based on fuzzy logic and genetic algorithm, topics of soft computing and artificial intelligence, have been developed for quantitative association rules mining from databases that can have quantitative attributes. Especially, three different initial population methods that have been eliminated, the disadvantages of random initial population method in the first step of genetic algorithm have been used and the obtained results have been compared. To test the proposed methods, recordings of the Fırat University Electrical and Electronic Engineering students’ class grades have been selected as sample database and useful and interesting rules have effectively been mined