一种粗糙近似表示系统中DE近似表示的加速模块计算方法技术方案

本发明专利技术公开了一种粗糙近似表示系统中DE近似表示加速模块计算方法，包括构建粗糙近似表示系统，形成数据映射，输入数据，数据判断及数据输出，等五个步骤。本发明专利技术较传统的智能信息识别计算方式有效的简化了数据计算的过程，提高了数据运算效率。特别是在大数据处理环境下，本模块可以有效地降低识别过程对计算系统硬件的要求，为提高各分系统活性，降低各分系统之间通讯开销提供了有效的解决方案。

【技术实现步骤摘要】

本专利技术属于智能数据辨识处理
，具体涉及一种粗糙近似表示系统中DE近似表示的加速模块计算方法。
技术介绍
在搜索引擎、邮件分类等数据分类过程中，人们会使用多种判别方法将其所得数据进行分类整理。这种分类的形成就是数据挖掘出来知识，使用这种知识，人们可以探索，如Google使用其搜索引擎探索量子计算机构建的可能性等。使用拟单层覆盖粗糙集理论构建的知识表示系统可用于存储整理分类知识，并其分类知识应用于识别未知信息。随着数据的快速增加存储及识别过程速度也会降低，那么在源数据数量日益增加的今天，快速地将未知数据集在已有数据集的基础上进行表示、识别是我们面临的挑战。一个需刻画集在粗糙近似表示系统中DE近似表示主要依赖于近似表示系统中数据集的覆盖及系统中点集与覆盖集的关系这两部分内容。正是因为依赖性，在数据量比较大的时候，DE近似表示模块也面临着计算效能不高的情况，因此有必要专利技术一种新模块，在不改变运算结果前提下，提高运算效率。
技术实现思路
本专利技术目的就在于克服上述不足，提供一种粗糙近似表示系统中DE近似表示的加速模块。为实现上述目的，本专利技术是通过以下技术方案来实现：一种粗糙近似表示系统中DE近似表示加速模块计算方法，包括如下步骤：第一步，构建粗糙近似表示系统，根据处理目标数据内容及特点，构建粗糙近似值表示系统，从该系统中选取相应的向量数据组，并将所选取的数据向量组进行分类汇总构成数据集覆盖数据阵列；第二步：形成数据映射，基于粗糙近似表示系统，形成与数据集覆盖数据阵列与待处理数据的一对多映射，即整理系统中包含的所有覆盖及覆盖所对应有数据元素；第三步：输入数据，根据待处理目标数据，输入需近似表示集X。第四步：数据判断，任选覆盖集中一个覆盖K，判断K是否属于X。若是，则K属于X的DE上下近似表示，若否，则判断K是否与X相交。若是，则K属于X的DE上近似表示，若否，则K即不属于X的上近似表示，也不属于X的下近似表示。第五步：数据输出，遍历覆盖集中覆盖，重复第三步、第四步即可完整刻画X的DE上下近似表示并输出。进一步的，所述的第四步中， 具体数据判断过程为：若覆盖K与集合X之间满足 ，则K中所有元素包含于X的DE上下近似表示中，若覆盖K与集合X之间满足，则K中所有元素包含于X的DE上近似表示中。本专利技术较传统的智能信息识别计算方式有效的简化了数据计算的过程，提高了数据运算效率。特别是在大数据处理环境下，本模块可以有效地降低识别过程对计算系统硬件的要求，为提高各分系统活性，降低各分系统之间通讯开销提供了有效的解决方案。附图说明图1是本专利技术系统总体流程图；图2是本专利技术中DE近似表示生模块示意图；图3是本专利技术中DE下近似集使用算法1与算法2的计算速度；图4是本专利技术中DE上近似集使用算法1与算法2的计算速度。具体实施方式下面将结合本专利技术的附图及具体实施例，对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。实施例1数据来源：红酒数据集(Wine Data)，该集合包含173个对象，有13个条件属性，1个决策属性。如图1和2所述，一种粗糙近似表示系统中DE近似表示的加速模块计算方法，包括如下步骤：一种粗糙近似表示系统中DE近似表示加速模块计算方法，包括如下步骤：第一步，构建粗糙近似表示系统，根据红酒数据集(Wine Data)，内容及特点，构建粗糙近似值表示系统，从该系统中选取相应的向量数据组，并将所选取的数据向量组进行分类汇总构成数据集覆盖数据阵列；第二步：形成数据映射，基于粗糙近似表示系统，形成与数据集覆盖数据阵列与待处理数据的一对多映射，即整理系统中包含的所有覆盖及覆盖所对应有数据元素；覆盖名称数据对象覆盖名称数据对象覆盖名称数据对象2211111211111118 412114424242413 2424111424112155 41212441222449 214122222222236 2222111214112167, 148 2244211412211162 412122222142232 22422441422442 4244211224112168 211111212242176 1422121414111160 4242211412212161 112221122121270 111212211224167 1122122421421115 214442242124225 414124222222453 4424111412111165 211122212142438 112122141141260 2244221412211139 112214412242163 1442111411112136 2222411424112176 414414212144171 414244422222416 1412242141121110 1112122221242104 412112212242411, 12 111112212142197 2224211112111132 111141224122278 2422211214111149 412122212124422 212122141121268 4144241444112158 211122141221161 114222222242265 2144221122111152 2222211212112163 412124422442418 414112414244451 41424221122447 114212214112184 1144122421221127 212211142121192 214444212144273 442224211224445 2424211222112174 4422111414112173 412224214222455 2222111212122141 414124412224442 414424414242430 411212221142262 41214441422440 1112121221221103 122214424142199 1122144221121126 1112122221221108 2224211114111151 1112112221241106 214124412222457 4222111214112172 112411142122191 1422211114112144 1422144141141124 4422111424111156 412124422224452 412144412224220, 56 211114414224166 244222212224221 412224414244410 1124122221221128 2222111412112135 2422111414112147 211124412224244 212222212144185 2222211112111131, 133 414224422244228 214212212124423 412124424224240 12221本文档来自技高网...

【技术保护点】
一种粗糙近似表示系统中DE近似表示加速模块计算方法，其特征在于：所述的粗糙近似表示系统中DE近似表示加速模块计算方法包括如下步骤：第一步，构建粗糙近似表示系统，根据处理目标数据内容及特点，构建粗糙近似值表示系统，从该系统中选取相应的向量数据组，并将所选取的数据向量组进行分类汇总构成数据集覆盖数据阵列；第二步：形成数据映射，基于粗糙近似表示系统，形成与数据集覆盖数据阵列与待处理数据的一对多映射，即整理系统中包含的所有覆盖及覆盖所对应有数据元素；第三步：输入数据，根据待处理目标数据，输入需近似表示集X；第四步：数据判断，任选覆盖集中一个覆盖K，判断K是否属于X，若是，则K属于X的DE上下近似表示，若否，则判断K是否与X相交，若是，则K属于X的DE上近似表示，若否，则K即不属于X的上近似表示，也不属于X的下近似表示；第五步：数据输出，遍历覆盖集中覆盖，重复第三步、第四步即可完整刻画X的DE上下近似表示并输出。

【技术特征摘要】
1.一种粗糙近似表示系统中DE近似表示加速模块计算方法，其特征在于：所述的粗糙近似表示系统中DE近似表示加速模块计算方法包括如下步骤：第一步，构建粗糙近似表示系统，根据处理目标数据内容及特点，构建粗糙近似值表示系统，从该系统中选取相应的向量数据组，并将所选取的数据向量组进行分类汇总构成数据集覆盖数据阵列；第二步：形成数据映射，基于粗糙近似表示系统，形成与数据集覆盖数据阵列与待处理数据的一对多映射，即整理系统中包含的所有覆盖及覆盖所对应有数据元素；第三步：输入数据，根据待处理目标数据，输入需近似表示集X；第四步：数据判断，任选覆盖集中一个...

【专利技术属性】
技术研发人员：吴正江，毋东，张江丽，
申请(专利权)人：河南理工大学，
类型：发明
国别省市：河南;41