一种基于知识粒度的矩阵增量约简方法技术

本发明专利技术公开了一种基于知识粒度的矩阵增量约简方法，包括如下步骤：首先利用等价关系矩阵计算已有决策表(称为旧决策表)的最小属性约简(REDU)；接着当一些新对象添加到旧决策表后(称为新决策表)，通过矩阵增量方法计算旧决策表中最小属性约简的知识粒度和新决策表的知识粒度，并判断他们是否相等，如不相等，在新决策表中利用矩阵增量方法计算除REDU之外所有属性的外部重要性，并依次循环选取其中外部重要性最大的属性添加到REDU中，再计算REDU的知识粒度，直到其与新决策表的知识粒度相等为止；最后循环删除REDU中的冗余属性，得到新决策表的最小属性约简。本发明专利技术有效地解决了决策表中对象动态增加时快速求解最小属性约简的问题，从而有助于提高知识发现的效率。

【技术实现步骤摘要】
一种基于知识粒度的矩阵增量约简方法
本专利技术涉及人工智能中粒计算和粗糙集理论的
，具体涉及一种基于知识粒度的矩阵增量约简方法。
技术介绍
目前随着存储技术的不断发展和广泛应用，实际应用中的信息系统不仅积累了海量的、各种各样的数据，而且这些实时数据每时每刻都会发生变化，用传统批量学习的知识获取方法对复杂数据进行挖掘，需要耗费大量的时间，这使得批量学习算法将很难及时、高效地从动态数据中提取有用的信息及知识。增量学习是一个能够不断从来自环境的新样本中学习到新的知识，并能保留大部分以前已有知识的学习系统。通过使用增量学习技术，可以渐进地进行知识更新，修正和加强以前的知识，而不必重新学习全部数据，这在一定程度更能适应实际需求。由于经典的知识粒度约简方法是利用集合交与并的方式来实现，计算和表示形式都比较复杂，矩阵理论是一门具有实用价值的数学理论，它是处理大量有限维空间方式与数量关系的强有力工具，已广泛应用于科学研究和工程应用等领域，用矩阵方法解决粗糙集属性约简问题具有重要应用价值。本专利技术基于知识粒度的矩阵增量约简方法，只涉及到矩阵运算，通过等价关系矩阵的加减计算决策表的知识粒度、决策本文档来自技高网...

【技术保护点】
一种基于知识粒度的矩阵增量约简方法，利用旧决策表计算约简的过程中已经得到的结果—包括旧决策表的知识粒度、属性外部重要性及最小属性约简来计算新决策表的知识粒度、外部重要性及最小属性约简，避免重复计算，具体包括如下步骤：步骤1：输入旧决策表及其最小属性约简REDU、C‑REDU中每个属性a相对于REDU的外部重要性知识粒度GPU(D|C)、REDU的知识粒度GPU(D|REDU)和增量数据集UX＝{xn+1,xn+2,…,xn+t}；步骤2：计算增加对象后新决策表的等价关系矩阵步骤3：在旧决策表知识粒度GPU(D|C)和最小属性约简GPU(D|REDU)基础上，利用增量方法计算新决策表知识粒度和R...

【技术特征摘要】
1.一种基于知识粒度的矩阵增量约简方法，利用旧决策表计算约简的过程中已经得到的结果—包括旧决策表的知识粒度、属性外部重要性及最小属性约简来计算新决策表的知识粒度、外部重要性及最小属性约简，避免重复计算，具体包括如下步骤：步骤1：输入旧决策表及其最小属性约简REDU、C-REDU中每个属性a相对于REDU的外部重要性知识粒度GPU(D|C)、REDU的知识粒度GPU(D|REDU)和增量数据集UX＝{xn+1,xn+2,…,xn+t}；步骤2：计算增加对象后新决策表的等价关系矩阵步骤3：在旧决策表知识粒度GPU(D|C)和最小属性约简GPU(D|REDU)基础上，利用增量方法计算新决策表知识粒度和REDU的知识粒度如果则跳转到步骤5，否则跳转到步骤4；步骤4：当在旧决策表属性子集C-REDU中每个属性a相对于REDU的外部重要性基础上，通过增量方法计算新决策表属性子集C-REDU中每个属性a相对于REDU的外部重要性依次循环选取最大的属性重要性添加到REDU中，即REDU←REDU∪{a0}，计算增加a0后REDU的知识粒度直到其与新决策表的知识粒度相等为止；步骤5：在新决策表中，从后向前遍历REDU中的每一个属性a，利用矩阵方法计算REDU删除属性a后的知识粒度如果则删除属性a，即REDU←REDU-{a}，最后得到的REDU为新决策表的最小属性约简；步骤6：输出新决策表的最小属性约简其中C为条件属性集，D为决策属性集，GPU(D|C)为旧决策表的知识粒度，GPU(D|REDU)为旧决策表中REDU的知识粒度，为旧决策表属性子集C-REDU中属性a相对于REDU的外部重要性，REDU为旧决策表的最小属性约简，为新决策表的等价关系矩阵，其中为新决策表的知识粒度，为新决策表中REDU的知识粒度，为新决策表属性子集C-REDU中属性a相对于REDU的外部重要性，为新决策表中REDU除去属性a的知识粒度，为新决策表的最小属性约简。2.根据权利要求1所述的一种基于知识粒度的矩阵增量约简方法，其特征在于：在旧决策表的等价关系矩阵、知识粒度及外部属性重要性的基础上，利用增量方法计算新决策表的等价关系矩阵、知识粒度以及外部属性重要性分别为：

【专利技术属性】
技术研发人员：李天瑞，景运革，余增，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：四川;51