[发明专利]对象和属性同时增加的矩阵动态属性约简方法

说明书

本发明公开了对象和属性同时增加的矩阵动态属性约简方法，涉及数据挖掘中粗糙集及粒计算理论技术领域，首先计算变化前决策表的最小属性约简RED_U；当对象和属性同时增加到决策表后，计算决策表最小属性约简的相对知识粒度和变化后决策表的相对知识粒度是否相等，如果是则RED_U是变化后的最小属性约简，否则利用矩阵方法和增量机制计算变化后决策表除RED_U之外所有属性的外部重要性，选取最大的属性添加到最小属性约简中，计算相对知识粒度直到与变化后决策表的相对知识粒度相等为止，删除冗余属性，获得变化后决策表的最小属性约简。本发明有效解决了决策表中对象和属性同时增加时能够快速计算最小属性约简的问题，有助于提高动态数据知识挖掘的效率。

技术领域

本发明涉及数据挖掘中粗糙集及粒计算理论技术领域，特别是涉及对象和属性同时增加的矩阵动态属性约简方法。

背景技术

目前随着计算机网络、存储及通信技术的快速发展，各行各业都积累了各种海量应用数据，而且这些应用数据在现实中不断地动态变化，用传统属性约简算法去计算这些动态数据，需要重复计算，导致运行时间消耗巨大，这使得传统数据挖掘方法不能及时、有效地解决动态数据中知识发现的问题。增量学习技术能够模拟人的认知机理，可以充分利用原有的运行结果对新增加进来的知识进行动态更新和修正，从而使更新后的知识更具有实时性，极大地降低动态数据分析处理对时间和空间的需求，提高了数据挖掘的效率。这在一定程度上更能满足社会实际的需求。

由于传统属性约简算法主要是利用数学中集合的交与并运算操作来实现，计算及表示形式都比较抽象和复杂。矩阵是非常实用的数学计算工具，它因表示形式直观、计算操作简单等优势，已经被广泛应用到工程计算和科学研究等领域，用矩阵的方法处理动态数据集属性约简的问题具有非常重要理论价值和实践价值。

发明内容

本发明实施例提供了对象和属性同时增加的矩阵动态属性约简方法，可以解决现有技术中存在的问题。

本发明提供了对象和属性同时增加的矩阵动态属性约简方法，该方法包括以下步骤：

步骤1，输入变化前的决策表、增量对象集、增量属性集、变化前决策表的相对知识粒度、条件属性等价关系矩阵、变化前决策表的最小属性约简及最小属性约简的相对知识粒度；

步骤2，当增量对象集添加到决策表后，计算增加增量对象后决策表的等价关系增量矩阵以及增量对象等价关系矩阵；

步骤3，当增量属性集添加到决策表后，计算增量属性等价关系矩阵以及增加增量属性后决策表的等价关系增量矩阵；

步骤4，当增量对象集添加到决策表后，根据步骤2得到的增加增量对象后决策表的等价关系增量矩阵和增量对象等价关系矩阵计算变化后决策表的等价关系矩阵；

步骤5，当增量对象集和增量属性集添加到决策表后，利用步骤2和步骤3 得到的增加增量对象后决策表的等价关系增量矩阵、增加增量属性后决策表的等价关系增量矩阵和增量对象等价关系矩阵计算变化后决策表的等价关系矩阵；

步骤6，根据变化前决策表的相对知识粒度计算增量对象集的相对知识粒度，在变化前决策表的相对知识粒度和增量对象集的相对知识粒度的基础上，通过基于矩阵方法的增量机制计算变化后决策表的相对知识粒度，在最小属性约简的相对知识粒度和最小属性约简增量对象集的相对知识粒度的基础上计算最小属性约简在变化后决策表的相对知识粒度，如果变化后决策表的相对知识粒度与最小属性约简在变化后决策表的相对知识粒度相等，则跳转执行步骤9，否则跳转执行步骤7；

步骤7，计算决策表增加增量对象集和增量属性集后每个属性a相对于变化前决策表最小属性约简的外部重要性，循环选取最大的外部重要性a0并将其添加到决策表最小属性约简中，计算增加属性a0后最小属性约简的相对知识粒度，直到其与变化后决策表的相对知识粒度相等为止；