[发明专利]一种基于决策表的模糊粗糙单调依赖数据挖掘方法

说明书

技术领域

本发明所涉及数据挖掘的技术领域，特别是涉及一种基于决策表的模糊粗糙单调依赖数据挖掘方法。

背景技术

粗糙集理论是用来处理不确定和不完整数据信息的数学工具，而模糊集也可以描述信息和知识的不确定性，由于两者有很强的互补性，因此可以把它们结合起来对信息进行不确定性处理。在决策表中，粗糙集挖掘，条件属性和决策属性之间的依赖关系，约简属性，找出哪些条件属性对决策属性比较重要，主要的理论基础是等价关系，由于等价关系的局限性，许多人提出了不同的约简关系，T.Y.Lin等人提出了领域和相容关系，S. Greco等人提出了优势关系，D. Dubois等人提出了模糊等价关系等。事实上条件属性和决策属性之间往往还存在量的单调依赖关系。例如在生化反应中，条件成分和成品之间在一定范围内有单调递增或者递减依赖关系，一般情况下越多的成品需要越多的条件成分，而是否凡是包含成品成分的条件成分都与成品之间有这样的单调递增关系。显然不是，有些条件成分虽然包含成品中的成分，但它们并不参与生成成品，当然在某些情况下可以通过确定的生化反应方程较精确的计算出来，但大多数情况下，生化反应处于一个复杂的环境中，受到很多物理、化学和生物等不确定因素的影响，可以采用模糊粗糙的方法，先计算出条件成分与成品之间的单调递增或者递减关系，从而精简掉冗余的条件成分，然后再进行相应的分析，也就是挖掘出哪些条件属性的增加或减少会影响到决策属性的量的变化，并且挖掘出哪些量影响程度大，得出主要控制哪些条件属性的量会影响决策属性量增加或者减少，从而达到控制目的。

1997年和1998年C.J.Wu,Te-Shun Chou分别介绍和讨论了模糊单调函数及在逻辑控制中的应用，某些文献讨论了Mamdani-Assilians模型和T-S推断方法中与模糊单调相关的理论，近年来许多人讨论了决策表属性约简的不少算法等，在决策表中，假设决策属性量的增加与减少依赖于某些条件属性量的增加与减少，那么需要挖掘出对决策属性量的变化产生重要影响的条件属性，称这样的决策属性和条件属性之间有重要的单调依赖关系，而这种单调依赖关系在决策表中并非一定严格单调，也就是说在相邻两点的条件属性值单调性并不一定能一一映射到决策属性相应两点的单调性，因为实际数据中存在各种干扰因素和误差，但是现有技术中还没有能有效的挖掘出对决策属性变化产生重要影响的条件属性，并可以通过控制这些条件属性去影响决策属性。

发明内容

本发明的目的在于克服现有技术的不足，提出了一种基于决策表的模糊粗糙单调依赖数据挖掘方法。

为了实现上述发明目的，采用的技术方案如下：

一种基于决策表的模糊粗糙单调依赖数据挖掘方法，包括：

决策表根据决策属性值按行进行排序，则第一决策属性集合D重新排序后获得第二决策属性集合                                                ，则第一条件属性集合重新排序后获得第二条件属性集合；

将第二决策属性集合划分为2≤p<n个区间，并计算出相邻区间的距离和各个区间的中心点，得到区间集合Ω={Ω₁、Ω₂、…Ω_p}，并根据映射关系对第二条件属性集合划分区间，得到区间集合Γ={Γ₁、Γ₂、…Γ_p}，其中p为区间数，n为决策表的对象数；

从p到2循环计算出第二条件属性集合的每个P值下隶属函数的值；

根据所述每个P值下隶属函数的值判断决策属性与条件属性是否是模糊单调依赖关系，若隶属函数的值为0，则不是模糊单调依赖关系，不记录P值，若不为0则是模糊单调依赖关系，并根据所记录的P值求出所有对应的隶属函数值中的最大值并记录其对应的P值。

根据所述隶属函数的最大值计算出干扰因素的稳定作用范围；

求出所述决策属性和条件属性的约简属性，对决策表数据进行挖掘求出最优数据。

决策表根据决策属性值的递增顺序按行进行排序，判断决策属性与条件属性是否存在模糊单调递增依赖关系。

在所述决策属性值前加上负号，然后决策表根据添加负号后的决策属性值的递增顺序按行进行排序，判断决策属性与条件属性是否存在模糊单调递减依赖关系。