[发明专利]基于不可区分关系的计算机辅助决策系统知识选择方法

说明书

技术领域

本发明涉及一种计算机辅助决策的信息处理、分析和管理领域，特别是一种针对计算机智能辅助决策系统进行知识匹配判别和筛选的评估方法。

背景技术

在计算机智能辅助决策领域，目前学术界已经提出了多种知识粒度计算模型。其中最主要的是模糊集、粗糙集和商空间理论。模糊集模型是Zadeh根据模糊集理论提出的，用模糊数学的方法对有关粒度计算的方法和理论进行研究。粗糙集模型是由Pawlak在20世纪80年代初提出的。商空间理论是由我国的张拔、张铃提出的。在商空间模型理论下，概念用子集来表示，不同粒度的概念表现为不同粒度的子集，一簇概念构成了空间的一个划分，称为商空间。然而，上述理论方法尚不足以描述不同知识粒度对辅助决策的支撑力度和程度，因此影响了计算机智能辅助决策系统中知识在辅助决策任务中灵活和高效的应用。

发明内容

发明目的：本发明所要解决的技术问题是针对现有技术的不足，提供一种基于不可区分关系的计算机辅助决策系统知识选择方法。

为了解决上述技术问题，本发明公开了一种基于不可区分关系的计算机辅助决策系统知识选择方法：首先，分别针对辅助决策任务中的决策属性和计算机智能辅助决策系统知识集合构建相应的不可区分关系集合；接着，在知识和决策属性的匹配判断过程中逐步生成决策属性支撑矢量，定量化地描述知识和决策属性的匹配程度；然后，根据决策属性支撑矢量判断并剔除对决策属性判断冗余的知识；最后，输出支撑决策属性判定的优化知识集合及其中各知识的决策属性支撑矢量，并用其构建基础知识库。

本发明计算机包含有中央处理器和存储器，且将计算机与数据采集设备相连接，数据采集设备采集到的数据是监测目标的一组属性值和目标类别，其中属性值为连续型（参见：《统计学》，贾俊平，清华大学出版社，应用统计学系列教材，2006）或离散型（参见：《统计学》，贾俊平，清华大学出版社，应用统计学系列教材，2006）；

所述的存储器中保存目标数据库、知识集合库、基础知识库、会话模块和问题处理模块；所述的中央处理器对所述的存储器进行控制并执行以下步骤：

步骤1、构建目标数据库：将数据采集设备获取的数据进行离散化（参见：《数据挖掘基础教程》，西蒙（作者），范明（译者），牛常勇（译者），机械工业出版社，2009）后存入目标数据库；目标数据库表示为三元组S=(U,C,d)，其中U表示目标集合，且U不为空，C={c₁,c₂,...,c_m}表示目标属性集，由c₁、c₂、……、c_m共m个属性组成，d表示目标类别，目标数据库中的每一条记录对应一个目标x，包括目标x的m个目标属性的取值f(x,c₁)、f(x,c₂)、…和f(x,c_m)，以及其类别f(x,d)；

步骤2、确认决策问题：通过会话模块由用户确认决策问题是否目标数据库中的目标类别判定问题，确认后会话模块将目标类别判定问题传送给问题处理模块；

步骤3、构建知识集合库：根据目标数据库中的目标属性集C，由问题处理模块枚举出满足长度限制δ的n条知识，K₁，K₂，…，K_n，构成知识集合Ω，即Ω={K₁,K₂,...,K_n}，|Ω|=n，其中每条知识K_i，1≤i≤n，是目标属性集C的子集，即且每条知识K_i的长度不大于δ，即|K_i|≤δ；将知识集合Ω存入知识集合库，并根据属性映射建立目标数据库与知识集合库的对应关系；

步骤4、知识选择：设定阈值门限为α，α取值范围为0<α≤1；问题处理模块基于不可区分关系从知识集合Ω选择出支撑目标类别d判定的由p条知识，K₁,K₂,...,K_p，共同组成的优化知识集合KS，即KS={K₁,K₂,...,K_p}，优化知识集合KS是知识集合Ω的子集，即同时计算出优化知识集合KS中各知识K_u的类别判定支撑矢量S_u，1≤u≤p；

步骤4包括以下步骤：