[发明专利]一种信息分类的方法

说明书

技术领域

本发明涉及一种实现技术数据分类的方法。

背景技术

目前，信息科学领域的信息分类方法种类主要有，神经网络算法、遗传算法，决策树算法、粗集算法、覆盖正例排斥反例算法、模糊集算法等。

神经网络算法：神经网络由于本身良好的鲁棒性、自组织自适应性、并行处理、分布存储和高度容错等特性非常适合解决数据分类的问题，因此近年来越来越受到人们的关注。典型的神经网络模型主要分3大类：以感知机、BP反向传播模型、函数型网络为代表的，用于分类、预测和模式识别的前馈式神经网络模型；以Hopfield的离散模型和连续模型为代表的，分别用于联想记忆和优化计算的反馈式神经网络模型；以ART模型、Koholon模型为代表的，用于聚类的自组织映射方法。神经网络方法的缺点是"黑箱"性，人们难以理解网络的学习和决策过程。

遗传算法：遗传算法是一种基于生物自然选择与遗传机理的随机搜索算法，是一种仿生全局优化方法。遗传算法具有的隐含并行性、易于和其它模型结合等性质使得它在数据分类挖掘中被加以应用。Sunil已成功地开发了一个基于遗传算法的数据分类挖掘工具，利用该工具对两个飞机失事的真实数据库进行了数据分类挖掘实验，结果表明遗传算法是进行数据分类挖掘的有效方法之一。遗传算法的应用还体现在与神经网络、粗集等技术的结合上。如利用遗传算法优化神经网络结构，在不增加错误率的前提下，删除多余的连接和隐层单元；用遗传算法和BP算法结合训练神经网络，然后从网络提取规则等。但遗传算法的算法较复杂，收敛于局部极小的较早收敛问题尚未解决。

决策树算法：决策树是一种常用于预测模型的算法，它通过将大量数据有目的分类，从中找到一些有价值的，潜在的信息。它的主要优点是描述简单，分类速度快，特别适合大规模的数据处理。最有影响和最早的决策树方法是由Quinlan提出的著名的基于信息熵的ID3算法。它的主要问题是：ID3是非递增学习算法；ID3决策树是单变量决策树，复杂概念的表达困难；同性间的相互关系强调不够；抗噪性差。针对上述问题，出现了许多较好的改进算法，如 Schlimmer和Fisher设计了ID4递增式学习算法;钟鸣，陈文伟等提出了IBLE算法等。

粗集算法：粗集理论是一种研究不精确、不确定知识的数学工具。粗集方法有几个优点：不需要给出额外信息；简化输入信息的表达空间；算法简单，易于操作。粗集处理的对象是类似二维关系表的信息表。目前成熟的关系数据库管理系统和新发展起来的数据仓库管理系统，为粗集的数据分类挖掘奠定了坚实的基础。但粗集的数学基础是集合论，难以直接处理连续的属性。而现实信息表中连续属性是普遍存在的。因此连续属性的离散化是制约粗集理论实用化的难点。现在国际上已经研制出来了一些基于粗集的工具应用软件，如加拿大Regina大学开发的KDD-R;美国Kansas大学开发的LERS等。

覆盖正例排斥反例算法：它是利用覆盖所有正例、排斥所有反例的思想来寻找规则。首先在正例集合中任选一个种子，到反例集合中逐个比较。与字段取值构成的选择子相容则舍去，相反则保留。按此思想循环所有正例种子，将得到正例的规则(选择子的合取式)。比较典型的算法有Michalski的AQ11方法、洪家荣改进的AQ15方法以及他的AE5方法。

模糊集算法：即利用模糊集合理论对实际问题进行模糊评判、模糊决策、模糊模式识别和模糊聚类分析。系统的复杂性越高，模糊性越强，一般模糊集合理论是用隶属度来刻画模糊事物的亦此亦彼性的。李德毅等人在传统模糊理论和概率统计的基础上，提出了定性定量不确定性转换模型--云模型，并形成了云理论。

以上算法在归属的算法分支中各有所长，实际应用过程中应该是结合的使用才能使得最终的算法具有最强的适应性，应用广泛的是神经网络算法与模糊集算法相结合，在神经网络的算法中，每个层面的选择节点应该使用模糊集思想作为判断下一个支路的方法，但是现有技术中的技术数据分类方法由于结合单一，功能受到限制，难以实现将运算过程中产生的携带衍生节点信息的数据本体归入新类别。

发明内容

本发明要解决的技术问题是提供一种新的技术数据分类的方法，该新的分类方法能够解决已有技术中的算法难以将运算过程中产生的携带衍生节点信息的数据本体归入新类别的弊端。

为解决上述问题，本发明在分类技术数据时，是以神经网络为基础，结合相似判断、模糊集筛选和反馈算法分离新目录，再将新目录进行合并后产生衍生节点，将携带该衍生节点信息的数据本体归入新的类别，对与判断节点具有相关性的数据本体产生延伸查询，找出后续判断节点，并归入已有的分类。