【技术实现步骤摘要】
一种目标类别隶属度分析方法、系统、设备和存储介质
[0001]本专利技术涉及数据挖掘分类领域，特别涉及两类有关联关系的变量集合中因子之间的从属关系，具体涉及一种基于变量关联的目标类别隶属度分析方法、系统、设备和存储介质。
技术介绍
[0002]当前在分类领域，诸如聚类分析、主成分分析、专家打分法、SVM分析等方法，均从实际数据中进行分类和分析，但目前在工程分析领域存在很多存在关联性但未能清晰界定关联关系的事件，例如事务发生类别频次与诸多因素之间的关系，或是界定某一评价指标体系中各评价指标与被评价的对象类别之间的隶属程度等。对于此种关联关系或是模糊的隶属关系之间的判定通常由专家打分法等方法来判断，主观性较强。
技术实现思路
[0003]针对上述问题，本专利技术的目的是提供一种基于变量关联的目标类别隶属度分析方法、系统、设备和存储介质，通过基于发生概率的隶属度分析，对工程中出现的模糊事物发生的隶属度关联关系进行量化分类。
[0004]为实现上述目的，本专利技术采取以下技术方案：
[0005]第一方...
【技术保护点】
【技术特征摘要】
1.一种目标类别隶属度分析方法，其特征在于，包括以下步骤：对待评价项目的不同应用场景特性以及评价指标进行分析，得到待评价项目的评价指标集合和场景特性集合，并将评价指标集合记为第一变量集合，将场景特性集合记为第二变量集合；对不同应用场景下第一变量集合中各评价指标出现的概率与第二变量集合中各场景特性的概率进行隶属度分析，得到不同场景特性下的评价指标清单；基于评价指标清单，确定待评价项目在预设场景特性下的评价指标子集，基于评价指标子集得到待评价项目在预设场景特性下的评价结果。2.如权利要求1所述的一种目标类别隶属度分析方法，其特征在于，所述对不同应用场景下第一变量集合中各评价指标出现的概率与第二变量集合中各场景特性的概率进行隶属度分析，得到不同场景特性下的评价指标清单，包括以下步骤：基于第一变量集合和第二变量集合中各变量发生的概率构建变量概率矩阵；根据第一变量集合的变量概率矩阵，基于模糊分析方法得到第一变量集合中各评价指标对理想场景特性的理想隶属关系；其中，理想隶属关系指第一变量集合中各评价指标被归集在按照预设分类规则所得出的各理想场景特性的概率；根据第二变量集合的变量概率矩阵以及第二变量集合中实际场景特性的数量，对形成的理想隶属关系进行偏差修正，得到第一变量集合中各评价指标对第二变量集合中实际场景特性的实际隶属关系，作为不同场景特性下的评价指标清单。3.如权利要求2所述的一种目标类别隶属度分析方法，其特征在于，所述根据第一变量集合的变量概率矩阵，基于模糊分析方法得到第一变量集合中各评价指标对理想场景特性的理想隶属关系，包括：确定当前聚类中心数，并按照确定的当前聚类中心数，对第一变量集合的变量概率矩阵进行模糊K均值算法的分类，并计算得到当前聚类中心数所对应的目标函数值；计算得到所有聚类中心数所对应的聚类中心矩阵、隶属度矩阵以及目标函数值；选取目标函数值最小的聚类中心数作为理想聚类中心数，其对应的聚类中心矩阵为理想聚类中心矩阵，对应的隶属度矩阵作为第一变量集合中各评价指标对各理想场景特性的理想隶属关系。4.如权利要求3所述的一种目标类别隶属度分析方法，其特征在于，所述目标函数值计算公式为：式中，J(U,W,c)为当前隶属度矩阵U、聚类中心矩阵W及聚类中心数c情况下计算得到的目标函数值。5.如权利要求3所述的一种目标类别隶属度分析方法，其特征在于，所述根据第二变量集合的变量概率矩阵以及第二变量集合中实际场景特性的数量，对形成的理想隶属关系进行偏差修正，包括：将第二变量集合的变量概率矩阵与理想聚类中心矩阵进行比较，得到距离矩阵；...
【专利技术属性】
技术研发人员：陈之怡，吴新平，马邱哲，臧秀环，耿鑫州，曾文静，司晋新，王浩，潘建宏，董爱迪，李金超，兰心怡，曹俊喜，赵博，谌骏哲，
申请(专利权)人：国网吉林省电力有限公司华北电力大学国网吉林省电力有限公司经济技术研究院，
类型：发明
国别省市：
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。