一种基于形式向量的决策信息系统知识获取方法技术方案

本发明专利技术公开了一种基于形式向量的决策信息系统最简知识获取方法，该方法以决策形式背景为研究对象，定义了描述信息系统潜在知识的形式向量；引入粒度的思想，由粗到细求取不同粒度空间下的形式向量，并基于父子向量关系构建形式向量树，实现了规则获取过程的可视化；在获取最简规则的过程中，通过条件形式向量和决策形式向量的关系提取最简规则，简化了规则的判定过程；设定规则是否覆盖整个论域为终止条件，使得获取的每条规则之间不存在冗余，保证了规则个数最小且加快了算法的收敛速度；由于采用较少的规则，以及规则长度的最小化，使得本算法同时兼具了较高的识别率。

【技术实现步骤摘要】
一种基于形式向量的决策信息系统知识获取方法
本专利技术涉及人工智能中的知识获取与知识约简领域，尤其涉及一种基于形式向量的决策信息系统知识获取方法。
技术介绍
随着大数据时代的来临以及网络的进一步发展，信息在计算机与信息系统的相关研究中呈现越来越重要的作用。信息系统是机器学习的主要研究对象，决策信息系统是信息系统的一种重要的表现形式。知识表示，既不是一种数据格式，也不是一种编程语言，它不同于数据结构，是一种易于让计算机处理的方式来表示人脑的知识，相对于人工智能而言，知识与数据的区别在于，知识是可以推理的。知识获取是人工智能中的关键问题，而规则获取是其中一项重要的研究内容。粗糙集理论(roughsettheory,RST)是由波兰学者Z.Pawlak提出的，它是一种有效的处理模糊和不确定性知识的数学工具，主要是对于不确定信息的近似逼近，采用近似算子进行刻画，可以对数据进行分析、推理，进而挖掘数据中隐含的知识，揭示内在的规律。利用粗糙集对决策信息系统进行规则提取吸引了众多学者的研究。代建华等人从属性的角度出发，提出了基于分类一致性的决策规则获取算法，虽然该算法的泛化能力较强，但获取的规则中本文档来自技高网...

【技术保护点】
1.一种基于形式向量的决策信息系统知识获取方法，其特征在于：包括如下步骤：S110：将决策信息系统转化为决策形式背景，根据决策形式背景求取所有单属性非零条件形式向量

【技术特征摘要】
1.一种基于形式向量的决策信息系统知识获取方法，其特征在于：包括如下步骤：S110：将决策信息系统转化为决策形式背景，根据决策形式背景求取所有单属性非零条件形式向量和决策形式向量它们分别构成条件形式向量树和决策形式向量树的第一层节点；S120：对于任意条件形式向量与决策形式向量，若其满足规则获取条件，则计算条件形式向量的K和Rel值；S130：对满足规则获取条件的形式向量按K值从小到大分组，组内按照Rel值从大到小依次获取新规则，并将已经完成规则提取的条件形式向量存入old_vectors；S140：判断已辨识的规则是否覆盖论域，若未覆盖，则更新条件形式向量集并按照形式向量树生成算法计算下一层条件形式向量节点，重复S110-S140步骤；若已覆盖，则结束算法，得到与原信息系统等价的最简规则集，实现信息系统的知识约简。2.根据权利要求1所述的一种基于形式向量的决策信息系统知识获取方法，其特征在于：所述步骤S110中，在将决策信息系统转化为决策形式背景，根据决策形式背景求取所有单属性非零条件形式向量和决策形式向量它们分别构成条件形式向量树和决策形式向量树的第一层节点的步骤中，包括如下步骤：根据决策信息系统IS＝(U,A,V,f)，得到决策形式背景T＝(U,C',I,D',J)；根据决策形式背景T＝(U,C',I,D',J)，求取所有初始条件形式向量和决策形式向量，在将决策信息系统转化为决策形式背景，根据初始形式向量分别构建条件形式向量树和决策形式向量树，在形式向量的树形拓扑图中，根节点为论域U，定义单属性形式向量所在的层深度为1，则条件形式向量树的第一层节点为决策形式向量树的第一层节点为形式向量的计算式如下：形式背景T＝(U,A',I)，其中U＝{x1,x2,…,xm}，|U|＝m，取任意形式向量由一组长度为m的二进制向量构成，表示为B'(P)，其中：P＝(p1,…,pi,…,pm)(1)；对于决策形式背景T＝(U,C',I,D',J)，条件属性生成的全体形式向量用表示，决策属性生成的全体决策向量用表示。3.根据权利要求2所述的一种基于形式向量的决策信息系统知识获取方法，其特征在于：所述步骤S120中，在深度l下，对于任意条件形式向量与决策形式向量，若其满足规则获取条件，则计算条件形式向量的K...

【专利技术属性】
技术研发人员：陈泽华，赵哲峰，延安，刘晓峰，李伟，刘帆，柴晶，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：山西,14