[发明专利]基于惩罚机制的代价敏感序贯三支阴影膀胱炎分类方法

权利要求书

1.基于惩罚机制的代价敏感序贯三支阴影膀胱炎分类方法，其特征在于，包括以下步骤：

S1：读取膀胱炎数据集，对膀胱炎数据进行预处理，将膀胱炎数据转换为一个四元组决策信息系统S＝(U,C∪D,V,f)，其中U＝{x₁,x₂,x₃......x_n}表示膀胱炎数据集中样本的集合，n表示样本数量，C＝{c₁,c₂,c₃......c_m}表示膀胱炎数据集的条件属性的非空有限集合，m表示膀胱炎数据集的条件属性的个数，D＝{d₁,d₂}表示膀胱炎数据集的决策属性的非空有限集合，且V_c是膀胱炎数据集属性c下数据对象所有可能的数据取值，f:U×C∪D→V表示信息函数；

S2：计算膀胱炎数据集每个属性c的条件信息熵H(D|C-{C_i})，基于信息熵计算决策属性相对于每个条件属性的重要性I(c_i)＝H(D|C-{c_i})-H(D|C)，按属性重要性I(c_i)将条件属性降序排序，条件属性B相对于决策属性D的条件熵计算公式如下：

其中，P(B_i)＝|B_i|/|D_i|,P(D_j|B_i)＝|D_j∩B_i|/|Bi|；

S3：由膀胱炎数据的一组嵌套属性集合|C|＝m，构造m层序贯三支决策模型，其中C_i表示膀胱炎数据的条件属性集合C的子集{c₁,c₂......c_i}，1≤i≤m，m表示膀胱炎数据集的条件属性的个数，Des_i＝(U_i,C_i∪D,V_i,f_i)表示基于等价关系U/C_i的第i个粒度，Des＝(Des₁,Des₂,......,Des_m)表示分层结构；

S4：用表示膀胱炎数据的状态集，其中X和分别表示对象x在X中和不在X中，A＝{a_T,a_R,a_E}表示膀胱炎数据的动作集，其中a_T,a_R和a_E分别表示膀胱炎数据分类对象x的三个动作，即X∈Core(X)，X∈Shadow(X)和X∈Exclusion(X)，Core(X)，Shadow(X)和Exclusion(X)分别表示阴影集中的核、阴影域和负域，得到膀胱炎数据第i个粒度Des_i关于不同状态下不同动作的代价损失函数，和分别表示当对象x属于X时采取动作a_T,a_R和a_E产生的损失，和分别表示当对象x不属于X时采取动作a_T,a_R和a_E产生的损失；

S5：从膀胱炎数据的第一个粒度Des₁开始，计算膀胱炎数据第i个粒度Des_i中每个膀胱炎数据对象x的隶属度，其中1≤i≤m-1，对膀胱炎数据对象x进行阴影化处理，基于阴影集的阈值将膀胱炎数据对象x划入阴影集三个不同区域，即核Core_i(X)、阴影域Shadow_i(X)和负域Exclusion_i(X)中，其中阴影域Shadow_i(X)作为膀胱炎数据第i+1个粒度Des_i+1的论域U_i+1，分别计算膀胱炎数据第i个粒度Des_i的核分类精度和负域分类精度以及第i+1个粒度Des_i+1的核分类精度和负域分类精度，从而得到膀胱炎数据第i+1个粒度Des_i+1和第i个粒度Des_i之间两种精度差异；

S6：基于膀胱炎数据第i+1个粒度Des_i+1和第i个粒度Des_i之间两种精度差异的大小，其中1≤i≤m-1，通过惩罚函数对膀胱炎数据第i+1个粒度Des_i+1的代价参数进行修改，从而确定新的阈值对第i+1个粒度Des_i+1进行阴影化处理，如果膀胱炎数据第m个粒度Des_m的阴影域则对膀胱炎数据第m个粒度Des_m的阴影集阈值进行加权求和得到新的阈值对Shadow_m进行分类，从而完成所有膀胱炎数据对象x的诊断。