[发明专利]一种复杂数据环境知识获取方法

说明书

本发明公开了一种复杂数据环境知识获取方法，设计出基于粗糙集的高效求核算法、属性约简算法和知识获取算法，特别是对不完备的复杂数据。对于更新频繁的复杂数据的知识获取，研究其核属性、属性约简、知识获取的更新机制，并设计出对应的高效算法。利用区分矩阵的性质设计一种新的压缩重复元素的数据结构，在此基础上，求解复杂数据的所有属性约简，建立有效的知识评价方法。

技术领域

本发明涉及数据处理技术领域，具体涉及一种复杂数据环境知识获取方法。

背景技术

粗糙集理论是波兰数学家Pawlak^[1]在20世纪80年代提出的，是一种新的处理模糊和不确定知识的数学工具，同时也是数据挖掘与知识发现的一个重要分支。其目的主要用于分析和处理不完备复杂数据，从中发现知识，揭示潜在规律。它的主要思想是在保持分类能力不变的前提下，通过知识约简，导出问题的决策或分类规则。它最主要的优点是无需提供所需处理数据集合之外的任何先验信息，因此对问题不确定性的描述和处理比较客观。鉴于粗糙集理论在处理模糊和不确定信息上的优越性，它已广泛地用于知识发现、模式识别、数据挖掘、决策支持与分析和故障诊断、过程控制、冲突分析等领域。粗糙集理论是以决策表为主要工具，可以提取信息系统的主要属性，消除其中冗余的属性，通过属性约简从决策表中提取有用的知识，以供使用人员对数据集的更详细地理解、或供决策人员提供决策的依据等。虽然基于粗糙集理论的知识发现技术有很多的优越性，但是也有些不足。

发明内容

针对现有技术的不足，本发明旨在提供一种复杂数据环境知识获取方法，对于更新频繁复杂数据的知识获取，利用动态变化的部分数据去更新原数据所获取的知识，研究其核属性、属性约简、知识获取的更新机制并设计出对应的高效更新方法。

一种复杂数据环境知识获取方法，包括如下步骤：

S1输入简化信息系统S′＝(U′,C,D,V,f)，简化信息系统的简化区分矩阵M′，原信息系统S＝(U,C,D,V,f)的核Core(C)和新增对象x₀；

S2如果M′和Core(C)保持不变；

如果M′和Core(C)保持不变；

如果则在M′中删除对象y与U′_neg中的所有对象所对应的元素，并对删除的每一组元素做如下判断：如果该组元素只有属性c_t∧c_t∈Core(C)，则从Core(C)中删除属性c_t；否则在M′增加对象y与所有x′∈U′_pos-{y}且满足 f(x′,D)＝f(y,D)对象所对应的元素，并对新增的每一组元素做如下判断：如果该组元素只有属性则在Core(C)增加属性c_t，在U′_pos中删除对象y，在U′_neg中增加对象y；

如果在M′中增加对象x₀以 U′中的对象所对应的元素，并对新增的每一组元素做如下判断：如果该组元素只有属性则在Core(C)增加属性c_t，在U′_pos中增加对象x₀；

S3输出经过步骤S2得到的更新后的核Core(C)；

S4输入简化信息系统S′＝(U′,C,D,V,f)，原属性约简Red(C)，新对象x₀，c_i在区分矩阵中出现的频率flag；

S5如果则Red(C)保持不变；

如果则 Red(C)保持不变；