[发明专利]一种基于知识粒度的矩阵增量约简方法

摘要

本发明公开了一种基于知识粒度的矩阵增量约简方法，包括如下步骤：首先利用等价关系矩阵计算已有决策表(称为旧决策表)的最小属性约简(RED_U)；接着当一些新对象添加到旧决策表后(称为新决策表)，通过矩阵增量方法计算旧决策表中最小属性约简的知识粒度和新决策表的知识粒度，并判断他们是否相等，如不相等，在新决策表中利用矩阵增量方法计算除RED_U之外所有属性的外部重要性，并依次循环选取其中外部重要性最大的属性添加到RED_U中，再计算RED_U的知识粒度，直到其与新决策表的知识粒度相等为止；最后循环删除RED_U中的冗余属性，得到新决策表的最小属性约简。本发明有效地解决了决策表中对象动态增加时快速求解最小属性约简的问题，从而有助于提高知识发现的效率。

主权项

一种基于知识粒度的矩阵增量约简方法，利用旧决策表计算约简的过程中已经得到的结果—包括旧决策表的知识粒度、属性外部重要性及最小属性约简来计算新决策表的知识粒度、外部重要性及最小属性约简，避免重复计算，具体包括如下步骤：步骤1：输入旧决策表及其最小属性约简RED_U、C‑RED_U中每个属性a相对于RED_U的外部重要性知识粒度GP_U(D|C)、RED_U的知识粒度GP_U(D|RED_U)和增量数据集U_X＝{x_n+1,x_n+2,…,x_n+t}；步骤2：计算增加对象后新决策表的等价关系矩阵步骤3：在旧决策表知识粒度GP_U(D|C)和最小属性约简GP_U(D|RED_U)基础上，利用增量方法计算新决策表知识粒度和RED_U的知识粒度如果则跳转到步骤5，否则跳转到步骤4；步骤4：当在旧决策表属性子集C‑RED_U中每个属性a相对于RED_U的外部重要性基础上，通过增量方法计算新决策表属性子集C‑RED_U中每个属性a相对于RED_U的外部重要性依次循环选取最大的属性重要性添加到RED_U中，即RED_U←RED_U∪{a₀}，计算增加a₀后RED_U的知识粒度直到其与新决策表的知识粒度相等为止；步骤5：在新决策表中，从后向前遍历RED_U中的每一个属性a，利用矩阵方法计算RED_U删除属性a后的知识粒度如果则删除属性a，即RED_U←RED_U‑{a}。最后得到的RED_U为新决策表的最小属性约简；步骤6：输出新决策表的最小属性约简其中GP_U(D|C)为旧决策表的知识粒度，GP_U(D|RED_U)为旧决策表中RED_U的知识粒度，为旧决策表属性子集C‑RED_U中属性a相对于RED_U的外部重要性，RED_U为旧决策表的最小属性约简，为新决策表的等价关系矩阵，其中为新决策表的知识粒度，为新决策表中RED_U的知识粒度，为 新决策表属性子集C‑RED_U中属性a相对于RED_U的外部重要性，为新决策表中RED_U除去属性a的知识粒度，为新决策表的最小属性约简。