一種基于知識(shí)粒度的矩陣增量約簡(jiǎn)方法
【專利摘要】本發(fā)明公開了一種基于知識(shí)粒度的矩陣增量約簡(jiǎn)方法，包括如下步驟：首先利用等價(jià)關(guān)系矩陣計(jì)算已有決策表(稱為舊決策表)的最小屬性約簡(jiǎn)(REDU)；接著當(dāng)一些新對(duì)象添加到舊決策表后(稱為新決策表)，通過矩陣增量方法計(jì)算舊決策表中最小屬性約簡(jiǎn)的知識(shí)粒度和新決策表的知識(shí)粒度，并判斷他們是否相等，如不相等，在新決策表中利用矩陣增量方法計(jì)算除REDU之外所有屬性的外部重要性，并依次循環(huán)選取其中外部重要性最大的屬性添加到REDU中，再計(jì)算REDU的知識(shí)粒度，直到其與新決策表的知識(shí)粒度相等為止；最后循環(huán)刪除REDU中的冗余屬性，得到新決策表的最小屬性約簡(jiǎn)。本發(fā)明有效地解決了決策表中對(duì)象動(dòng)態(tài)增加時(shí)快速求解最小屬性約簡(jiǎn)的問題，從而有助于提高知識(shí)發(fā)現(xiàn)的效率。
【專利說明】一種基于知識(shí)粒度的矩陣増量約簡(jiǎn)方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及人工智能中粒計(jì)算和粗糙集理論的【技術(shù)領(lǐng)域】，具體涉及一種基于知識(shí) 粒度的矩陣增量約簡(jiǎn)方法。

【背景技術(shù)】
[0002] 目前隨著存儲(chǔ)技術(shù)的不斷發(fā)展和廣泛應(yīng)用，實(shí)際應(yīng)用中的信息系統(tǒng)不僅積累了海 量的、各種各樣的數(shù)據(jù)，而且這些實(shí)時(shí)數(shù)據(jù)每時(shí)每刻都會(huì)發(fā)生變化，用傳統(tǒng)批量學(xué)習(xí)的知識(shí) 獲取方法對(duì)復(fù)雜數(shù)據(jù)進(jìn)行挖掘，需要耗費(fèi)大量的時(shí)間，這使得批量學(xué)習(xí)算法將很難及時(shí)、高 效地從動(dòng)態(tài)數(shù)據(jù)中提取有用的信息及知識(shí)。增量學(xué)習(xí)是一個(gè)能夠不斷從來(lái)自環(huán)境的新樣本 中學(xué)習(xí)到新的知識(shí)，并能保留大部分以前已有知識(shí)的學(xué)習(xí)系統(tǒng)。通過使用增量學(xué)習(xí)技術(shù)，可 以漸進(jìn)地進(jìn)行知識(shí)更新，修正和加強(qiáng)以前的知識(shí)，而不必重新學(xué)習(xí)全部數(shù)據(jù)，這在一定程度 更能適應(yīng)實(shí)際需求。
[0003] 由于經(jīng)典的知識(shí)粒度約簡(jiǎn)方法是利用集合交與并的方式來(lái)實(shí)現(xiàn)，計(jì)算和表示形式 都比較復(fù)雜，矩陣?yán)碚撌且婚T具有實(shí)用價(jià)值的數(shù)學(xué)理論，它是處理大量有限維空間方式與 數(shù)量關(guān)系的強(qiáng)有力工具，已廣泛應(yīng)用于科學(xué)研宄和工程應(yīng)用等領(lǐng)域，用矩陣方法解決粗糙 集屬性約簡(jiǎn)問題具有重要應(yīng)用價(jià)值。本發(fā)明基于知識(shí)粒度的矩陣增量約簡(jiǎn)方法，只涉及到 矩陣運(yùn)算，通過等價(jià)關(guān)系矩陣的加減計(jì)算決策表的知識(shí)粒度、決策表的核、條件屬性的內(nèi)部 和外部重要性等，由于現(xiàn)有大部分軟件工具（如MATLAB等）支持矩陣運(yùn)算，故本發(fā)明提出 的基于知識(shí)粒度的矩陣增量約簡(jiǎn)方法可以借助已有工具易于實(shí)現(xiàn)。


【發(fā)明內(nèi)容】

[0004] 鑒于現(xiàn)有的實(shí)時(shí)數(shù)據(jù)每時(shí)每刻都會(huì)發(fā)生變化，傳統(tǒng)批量學(xué)習(xí)的知識(shí)獲取方法需要 耗費(fèi)大量的時(shí)間，很難及時(shí)、高效地從動(dòng)態(tài)數(shù)據(jù)中提取有用的信息，本發(fā)明的目的是運(yùn)用矩 陣運(yùn)算操作簡(jiǎn)單的優(yōu)勢(shì)，有效地解決決策表中對(duì)象動(dòng)態(tài)增加時(shí)，充分利用舊決策表已經(jīng)得 到的結(jié)果，快速求解最小屬性約簡(jiǎn)的問題，避免重復(fù)計(jì)算，提高約簡(jiǎn)效率。
[0005] 本發(fā)明的目的是通過如下手段實(shí)現(xiàn)：
[0006] 一種基于知識(shí)粒度的矩陣增量約簡(jiǎn)方法，利用舊決策表計(jì)算約簡(jiǎn)的過程中已經(jīng)得 到的結(jié)果一包括舊決策表的知識(shí)粒度、屬性外部重要性及最小屬性約簡(jiǎn)來(lái)計(jì)算新決策表的 知識(shí)粒度、外部重要性及最小屬性約簡(jiǎn)，避免重復(fù)計(jì)算，具體包括如下步驟：
[0007] 步驟1 :輸入舊決策表及其最小屬性約簡(jiǎn)REDuX-REDu中每個(gè)屬性a相對(duì)于RED1^ 外部重要性（".則沿.仍、知識(shí)粒度GPu(D I C)、REDu的知識(shí)粒度GP u(D I REDu)和增量數(shù)據(jù) Ux - ixn+i，Xn+2，***? xn+t^ !
[0008] 步驟2 :計(jì)算增加對(duì)象后新決策表的等價(jià)關(guān)系矩陣(叫;
[0009] 步驟3 :在舊決策表知識(shí)粒度GPu(D I C)和最小屬性約簡(jiǎn)GPu(D I REDu)基礎(chǔ)上，利 用增量方法計(jì)算新決策表知識(shí)粒度gSw1 Plc)和REDu的知識(shí)粒度，如果 GY;.⑷I O=GY丨，：(/.〕I Λ/ΓΑ )，則跳轉(zhuǎn)到步驟5,否則跳轉(zhuǎn)到步驟4 ;
[0010] 少驟I :、VW L Φ狀A(yù).)#(;/丨(D Γ)，在舊決策表屬性子集C-REDu中每個(gè)屬性 a相對(duì)于REDu的外部重要性，仍基礎(chǔ)上，通過增量方法計(jì)算新決策表屬性子集 C-REDu中每個(gè)屬性a相對(duì)于REDu的外部重要性，〃)，依次循環(huán)選取最大的屬性 重要性《。= 孤Α?),β eDtJ 添加到 RED#，即 RED u- RED uU {a。}，計(jì)算增加 aQ后RED u的知識(shí)粒度直到其與新決策表的知識(shí)粒度相等為止；
[0011] 步驟5 :在新決策表中，從后向前遍歷REDu*的每一個(gè)屬性a，利用矩陣方法計(jì)算 REDu刪除屬性a后的知識(shí)粒度研，U) /似),-!"Π，如果研.「,(/.)壯認(rèn)->}) = G/f. Γι(/) 〇 則刪除屬性a，即REDu^ RED u-{a}。最后得到的REDuS新決策表的最小屬性約簡(jiǎn)；
[0012] 步驟6 : ΙΑ% ，輸出新決策表的最小屬性約簡(jiǎn)IAw
[0013] 其中GPu(D I C)為舊決策表的知識(shí)粒度，GPu(D I REDu)為舊決策表中REDu的知識(shí)粒 度，Sgr (MS)ti,!))為舊決策表屬性子集C-REDu中屬性a相對(duì)于RED "的外部重要性，RED " 為舊決策表的最小屬性約簡(jiǎn)，（Μ?「Λμκμ為新決策表的等價(jià)關(guān)系矩陣，其中φ I 〇 為新決策表的知識(shí)粒度，GZ^ri(DIMDr)為新決策表中REDu的知識(shí)粒度， 為新決策表屬性子集C-REDu中屬性a相對(duì)于REDj^外部重要性，---Ι)為新 決策表REDJ*去屬性a的知識(shí)粒度，(,為新決策表的最小屬性約簡(jiǎn)。
[0014] 本發(fā)明方法在舊決策表的等價(jià)關(guān)系矩陣、知識(shí)粒度及外部屬性重要性的基礎(chǔ)上， 利用增量方法計(jì)算新決策表的等價(jià)關(guān)系矩陣、知識(shí)粒度以及外部屬性重要性分別為：

【權(quán)利要求】
1. 一種基于知識(shí)粒度的矩陣增量約簡(jiǎn)方法，利用舊決策表計(jì)算約簡(jiǎn)的過程中已經(jīng)得到 的結(jié)果一包括舊決策表的知識(shí)粒度、屬性外部重要性及最小屬性約簡(jiǎn)來(lái)計(jì)算新決策表的知 識(shí)粒度、外部重要性及最小屬性約簡(jiǎn)，避免重復(fù)計(jì)算，具體包括如下步驟： 步驟1 :輸入舊決策表及其最小屬性約簡(jiǎn)REDu、C-REDu中每個(gè)屬性a相對(duì)于REDU的外 部重要性廠_ (?.兄?, 、知識(shí)粒度GPu(DIC)、REDu的知識(shí)粒度GPJDIREDu)和增量數(shù)據(jù)集 Ux - {x n+i, Xn+2) *** ) Xn+t^ ! 步驟2 :計(jì)算增加對(duì)象后新決策表的等價(jià)關(guān)系矩陣k+,>x("+(); 步驟3 :在舊決策表知識(shí)粒度GPu(DlC)和最小屬性約簡(jiǎn)GPu(DlREDu)基礎(chǔ)上，利用 增量方法計(jì)算新決策表知識(shí)粒度(DIC)和REDu的知識(shí)粒度GPtvif7i(DI) ?如果 GUDIC)=GUZ)|iW叫），則跳轉(zhuǎn)到步驟5,否則跳轉(zhuǎn)到步驟4 ; 步驟4 :當(dāng)I (D|C)，在舊決策表屬性子集C-REDu中每個(gè)屬性a 相對(duì)于REDu的外部重要性.?)基礎(chǔ)上，通過增量方法計(jì)算新決策表屬性子集C-REDu中每個(gè)屬性a相對(duì)于RED"的外部重要性，依次循環(huán)選取最大的屬 性重要性％ =milx.丨.?'., ew叫丨添加到RED#，即REDu^REDuU{aJ^ aQ后REDu的知識(shí)粒度直到其與新決策表的知識(shí)粒度相等為止； 步驟5 :在新決策表中，從后向前遍歷REDu*的每一個(gè)屬性a，利用矩陣方法計(jì)算RED11 刪除屬性a后的知識(shí)粒度ΦIW)，如果(Z)I-M)=Φ1C)，則刪 除屬性a，即REDu^RED{a}。最后得到的REDuS新決策表的最小屬性約簡(jiǎn)； 步驟6 : t·輸出新決策表的最小屬性約簡(jiǎn); 其中GPu(DlC)為舊決策表的知識(shí)粒度，GPu(DlREDu)為舊決策表中REDu的知識(shí)粒度， 為舊決策表屬性子集C-REDu中屬性a相對(duì)于RED亦外部重要性，RED ^ 舊決策表的最小屬性約簡(jiǎn)，WU(n+,,x(_為新決策表的等價(jià)關(guān)系矩陣，其中ΦIC)為 新決策表的知識(shí)粒度，為新決策表中REDu的知識(shí)粒度，^：〇@外，卬為 新決策表屬性子集C-REDu中屬性a相對(duì)于RED"的外部重要性，GPt7ut7x(DIMDc7 -W)為新決 策表中REDJ*去屬性a的知識(shí)粒度，I.為新決策表的最小屬性約簡(jiǎn)。
2. 根據(jù)權(quán)利要求1所述的一種基于知識(shí)粒度的矩陣增量約簡(jiǎn)方法，其特征在于：在舊 決策表的等價(jià)關(guān)系矩陣、知識(shí)粒度及外部屬性重要性的基礎(chǔ)上，利用增量方法計(jì)算新決策 表的等價(jià)關(guān)系矩陣、知識(shí)粒度以及外部屬性重要性分別為：

其中（Μ?+_+〇為新決策表的等價(jià)關(guān)系矩陣，（也:為舊決策表的等價(jià)關(guān)系矩陣， (Quiuvtn^iQk,^u, Ca^1)?"^if 決策表的條件屬性和決策屬性的等價(jià)關(guān)系增量矩陣，:為增量數(shù)據(jù)集的等價(jià)關(guān)系矩 陣，<?UD|〇為新決策表的知識(shí)粒度，GPu(DlC)為舊決策表的知識(shí)粒度，GP[V(別〇為增 量數(shù)據(jù)集的知識(shí)粒度，IuUUxI是新決策表所有對(duì)象的個(gè)數(shù)，Iul是舊決策表所有對(duì)象的個(gè) 數(shù)，I Ux I是增量數(shù)據(jù)集所有對(duì)象的個(gè)數(shù)，·％Γ'?A. ./M是屬性子集C-REDu中屬性a相對(duì) 于REDJ^外部重要性，Sum( ·)txn為矩陣所有元素的和，I·I2代表對(duì)象個(gè)數(shù)的平方。
3.根據(jù)權(quán)利要求1所述的一種基于知識(shí)粒度的矩陣增量約簡(jiǎn)方法，其特征在于：已有 決策表，亦稱為舊決策表，包括：對(duì)象集U、條件屬性集C和決策屬性集D以及對(duì)象的屬性 值，新對(duì)象，記為增量數(shù)據(jù)集Ux={xn+1,xn+2,…，xn+t}，添加到舊決策表后形成的新決策表。
【文檔編號(hào)】G06F17/16GK104462020SQ201410562442
【公開日】2015年3月25日 申請(qǐng)日期:2014年10月21日 優(yōu)先權(quán)日:2014年10月21日
【發(fā)明者】李天瑞, 景運(yùn)革, 余增 申請(qǐng)人:西南交通大學(xué)