决策表的分布及变精度局部约简方法技术
【技术实现步骤摘要】
决策表的分布及变精度局部约简方法
本专利技术涉及数据挖掘、知识发现、模式识别与机器学习领域，特别是指决策表的分布及变精度局部约简方法。
技术介绍
属性约简也称之为特征选取，来源于机器学习。属性约简在许多领域都有重要的应用，例如辅助决策、数据挖掘、模式识别等领域。2016年，X.Jia等学者总结了22种属性约简类型，包括正区域约简、分布约简、变精度约简、覆盖约简、交互信息约简和代价敏感性约简。实际上，约简的类型有更多。目前，针对属性约简问题的研究，基本上属于对决策属性值的整体约简范畴。一般说来，要计算出信息系统所有的约简，目前只能通过分辨矩阵的方法来实现，其基本的算法由波兰学者Skowron和Rauszer给出，大体上通过以下三个步骤来实现：(1)计算分辨矩阵；(2)将分辨函数从其主合取范式(conjunctivenormalform，CNF)转换为主析取范式(disjunctivenormalform，DNF)；(3)得出所有约简。但该算法的计算复杂性较高，S.K.Wong和W.Ziarko在1985年已经证明：找出一个信息系统或决策表的所有属性约简子集(即一般关...
【技术保护点】
一种决策表分布矩阵不变的局部属性约简方法，其特征在于，包括：获取决策表数据；根据获取的决策表数据，确定用于局部属性约简的某个决策类；计算所述决策类的局部分布矩阵；根据预先设置的局部属性分布约简的定义及得到所述决策类的局部分布矩阵，计算所述决策类的分辨矩阵；根据得到的分辨矩阵，将相应的分辨函数，从主合取范式转换为主析取范式，得到全部的约简结果。
【技术特征摘要】
1.一种决策表分布矩阵不变的局部属性约简方法，其特征在于，包括：获取决策表数据；根据获取的决策表数据，确定用于局部属性约简的某个决策类；计算所述决策类的局部分布矩阵；根据预先设置的局部属性分布约简的定义及得到所述决策类的局部分布矩阵，计算所述决策类的分辨矩阵；根据得到的分辨矩阵，将相应的分辨函数，从主合取范式转换为主析取范式，得到全部的约简结果。2.根据权利要求1所述的决策表分布矩阵不变的局部属性约简方法，其特征在于，设获取的决策表为(U,C∪D)，其中，U表示论域，C表示条件属性集，D表示决策属性集，C和D均为U上的等价关系的集合；所述根据获取的决策表数据，确定用于局部属性约简的某个决策类包括：根据获取的决策表数据，确定论域U关于决策属性集D的商集，得到的商集为U/D＝{D1,D2,…,Dk}，其中，Dl表示决策表的第l个决策类，l∈{1,2,……,k}，k为正整数。3.根据权利要求2所述的决策表分布矩阵不变的局部属性约简方法，其特征在于，对于任意的xi∈U和给定的正整数l∈{1,2,……k}，决策类Dl的局部分布矩阵为：其中，表示决策类Dl关于等价关系RC的局部分布矩阵，[xi]C为包含xi的关于等价关系RC的等价类，T表示转置，i∈{1,2,……,n}，n表示论域U中元素的数目。4.根据权利要求3所述的决策表分布矩阵不变的局部属性约简方法，其特征在于，所述局部属性分布约简的定义为：设集合B为集合C的非空子集：若B满足：(1)对于任意的x∈U,p(Dl|[x]C)＝p(Dl|[x]B)，其中，[x]C为包含x的关于等价关系RC的等价类；[x]B为包含x的关于等价关系RB的等价类，[x]B’为包含x的关于等价关系RB’的等价类；(2)若则p(Dl|[x]C)≠p(Dl|[x]B′)，其中，集合B′为集合B的非空真子集；则称B为C的关于决策类Dl的局部属性分布约简；所述根据预先设置的局部属性分布约简的定义及得到所述决策类的局部分布矩阵，计算所述决策类的分辨矩阵包括：若B为C的关于决策类Dl的局部属性分布约简，则根据得到的决策类Dl的局部分布矩阵计算决策类Dl的分辨矩阵其中，其中，xi,xj∈U，i,j∈{1,2,……,n}，R(xi),R(xj)表示xi,xj在某个条件属性等价关系R上的取值。5.根据权利要求4所述的决策表分布矩阵不变的局部属性约简方法，其特征在于，所述根据得到的分辨矩阵，将相应的分辨函数，从主合取范式转换为主析取范式，得到全部的约简结果包括：根据得到的分辨矩阵，将相应的分辨函数，从主合取范式变换为主析取范式得到决策表保持分布矩阵不变的关于决策类Dl的全部约简结果，为{B1,B2,…,Bp}；其中，∧表示合取、∨表示析取，表示对分辨矩阵M(l)中单元的各个R进行析取运算；f2中的每个B是R的合取，共有p个B，t的取值为t∈{1,2,……,p}。6.一种决策表截距阵不变的局部属性约简方法，其特征...
【专利技术属性】
技术研发人员：刘贵龙，李吉梅，花正，冯艳宾，邹继阳，
申请(专利权)人：北京语言大学，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。