基于不可區(qū)分關(guān)系的計算機輔助決策系統(tǒng)知識選擇方法
【專利摘要】本發(fā)明公開了一種基于不可區(qū)分關(guān)系的計算機輔助決策系統(tǒng)知識選擇方法，其特征在于：計算機包含有中央處理器和存儲器，且將計算機與數(shù)據(jù)采集設(shè)備相連接，數(shù)據(jù)采集設(shè)備采集到的數(shù)據(jù)是監(jiān)測目標的一組屬性值和目標類別，其中屬性值為連續(xù)型或離散型；所述的存儲器中保存目標數(shù)據(jù)庫、知識集合庫、基礎(chǔ)知識庫、會話模塊和問題處理模塊；所述的中央處理器對所述的存儲器進行控制并執(zhí)行以下步驟：步驟1、構(gòu)建目標數(shù)據(jù)庫；步驟2、確認決策問題；步驟3、構(gòu)建知識集合庫；步驟4、知識選擇；步驟5、更新基礎(chǔ)知識庫。
【專利說明】基于不可區(qū)分關(guān)系的計算機輔助決策系統(tǒng)知識選擇方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種計算機輔助決策的信息處理、分析和管理領(lǐng)域，特別是一種針對計算機智能輔助決策系統(tǒng)進行知識匹配判別和篩選的評估方法。
【背景技術(shù)】
[0002]在計算機智能輔助決策領(lǐng)域，目前學術(shù)界已經(jīng)提出了多種知識粒度計算模型。其中最主要的是模糊集、粗糙集和商空間理論。模糊集模型是Zadeh根據(jù)模糊集理論提出的，用模糊數(shù)學的方法對有關(guān)粒度計算的方法和理論進行研究。粗糙集模型是由Pawlak在20世紀80年代初提出的。商空間理論是由我國的張拔、張鈴提出的。在商空間模型理論下，概念用子集來表示，不同粒度的概念表現(xiàn)為不同粒度的子集，一簇概念構(gòu)成了空間的一個劃分，稱為商空間。然而，上述理論方法尚不足以描述不同知識粒度對輔助決策的支撐力度和程度，因此影響了計算機智能輔助決策系統(tǒng)中知識在輔助決策任務(wù)中靈活和高效的應(yīng)用。

【發(fā)明內(nèi)容】

[0003]發(fā)明目的:本發(fā)明所要解決的技術(shù)問題是針對現(xiàn)有技術(shù)的不足，提供一種基于不可區(qū)分關(guān)系的計算機輔助決策系統(tǒng)知識選擇方法。
[0004]為了解決上述技術(shù)問題，本發(fā)明公開了一種基于不可區(qū)分關(guān)系的計算機輔助決策系統(tǒng)知識選擇方法:首先，分別針對輔助決策任務(wù)中的決策屬性和計算機智能輔助決策系統(tǒng)知識集合構(gòu)建相應(yīng)的不可區(qū)分關(guān)系集合；接著，在知識和決策屬性的匹配判斷過程中逐步生成決策屬性支撐矢量，定量化地描述知識和決策屬性的匹配程度；然后，根據(jù)決策屬性支撐矢量判斷并剔除對決策屬性判斷冗余的知識；最后，輸出支撐決策屬性判定的優(yōu)化知識集合及其中各知識的 決策屬性支撐矢量，并用其構(gòu)建基礎(chǔ)知識庫。
[0005]本發(fā)明計算機包含有中央處理器和存儲器，且將計算機與數(shù)據(jù)采集設(shè)備相連接，數(shù)據(jù)采集設(shè)備采集到的數(shù)據(jù)是監(jiān)測目標的一組屬性值和目標類別，其中屬性值為連續(xù)型(參見:《統(tǒng)計學》，賈俊平，清華大學出版社，應(yīng)用統(tǒng)計學系列教材，2006)或離散型(參見:《統(tǒng)計學》，賈俊平，清華大學出版社，應(yīng)用統(tǒng)計學系列教材，2006)；
[0006]所述的存儲器中保存目標數(shù)據(jù)庫、知識集合庫、基礎(chǔ)知識庫、會話模塊和問題處理模塊；所述的中央處理器對所述的存儲器進行控制并執(zhí)行以下步驟:
[0007]步驟1、構(gòu)建目標數(shù)據(jù)庫:將數(shù)據(jù)采集設(shè)備獲取的數(shù)據(jù)進行離散化(參見:《數(shù)據(jù)挖掘基礎(chǔ)教程》，西蒙(作者)，范明(譯者)，牛常勇(譯者)，機械工業(yè)出版社，2009)后存入目標數(shù)據(jù)庫；目標數(shù)據(jù)庫表示為三元組S= (U, C，d)，其中U表示目標集合，且U不為空，I/式0，
C=Ic1, C2, , CmI表示目標屬性集，由Cp C2>......、Cm共m個屬性組成，d表示目標類別，
目標數(shù)據(jù)庫中的每一條記錄對應(yīng)一個目標X，包括目標X的m個目標屬性的取值f (X，C1)、f (X，C2)、…和 f (X，cm),以及其類別 f (X，d)；
[0008]步 驟2、確認決策問題:通過會話模塊由用戶確認決策問題是否目標數(shù)據(jù)庫中的目標類別判定問題，確認后會話模塊將目標類別判定問題傳送給問題處理模塊；[0009]步驟3、構(gòu)建知識集合庫:根據(jù)目標數(shù)據(jù)庫中的目標屬性集C，由問題處理模塊枚舉出滿足長度限制δ的η條知識，K1, K2,…，Kn,構(gòu)成知識集合Ω，即Ω = IK1, K2, , Kj，
Ω I =η，其中每條知識Ki, 1 < i Sn，是目標屬性集C的子集，即C =盡，且每條知識Ki的長度不大于S，g卩IKiI ( δ ;將知識集合Ω存入知識集合庫，并根據(jù)屬性映射建立目標數(shù)據(jù)庫與知識集合庫的對應(yīng)關(guān)系；
[0010]步驟4、知識選擇:設(shè)定閾值門限為α，α取值范圍為0〈 α≤1 ;問題處理模炔基于不可區(qū)分關(guān)系從知識集合Ω選擇出支撐目標類別d判定的由P條知識，KpK2,...，Κρ，共同組成的優(yōu)化知識集合KS，即KS= IK1, K2, , KpI，優(yōu)化知識集合KS是知識集合Ω的子集，n\iKS^n,同時計算出優(yōu)化知識集合KS中各知識Ku的類別判定支撐矢量su，1≤U≤P ;
[0011]步驟4包括以下步驟:
[0012]步驟4.1，構(gòu)建目標類別不可區(qū)分關(guān)系集合:根據(jù)輔助決策任務(wù)中的目標類別d構(gòu)建目標集合U上的不可區(qū)分關(guān)系集合U/IND(d)，不可區(qū)分關(guān)系集合U/IND(d)中各元素是一個基于目標類別d的等價類Xd，且每個等價類Xd是目標集合U的一個子集，即U/IND (d) = {Xd (1)，Xd (2)，...} = {Xd} KXll^U,每個等價類Xd中任意兩個目標的類別均相同，即 vU, f (xr, d) =f (xs, d)；
[0013]步驟4.2，構(gòu)建知識集合的不可區(qū)分關(guān)系集合:針對知識集合Q = IK1, K2, , KJ中各條知識Ki, 1≤i≤n，分別構(gòu)建其不可區(qū)分關(guān)系集合U/IND(ig，集合υ/INDOg中的各元素是一個基于知識Ki的等價類XKi，即U/IND (Ki) = {XKi (l),XKi (2),...} = {XKi}，每個等價
類XKi均是目標集合U的一個子集，即XKl c U，使得等價類XKi中任意兩個目標Xa和Xb在知識Ki中任意屬性c的取值均相同，即Wxa,xb e XKi，^fceKi , f (xa, c) =f (xb, c)；
[0014]步驟4.3,初始化決策計數(shù)變量:將決策計數(shù)變量Countd初始化為1 ;
[0015]步驟4.4，判斷決策計數(shù)變量:判斷決策計數(shù)變量Countd是否小于等于目標類別不可區(qū)分關(guān)系集合的大小|U/IND(d) I，如果是繼續(xù)步驟4.5，否則跳至步驟4.14 ；
[0016]步驟4.5,初始化知識計數(shù)變量:將知識計數(shù)變量countK初始化為I ;
[0017]步驟4.6，判斷知識計數(shù)變量:判斷知識計數(shù)變量countK是否小于等于知識數(shù)目n，如果是并且對應(yīng)知識Kv(V=countK)的決策屬性支撐矢量不存在，則初始化知識1的決策屬性支撐矢量，維度等于不可區(qū)分關(guān)系集合U/IND(d)大小，表示為零向量Sv= {O, 0,...,0} |U/IND(d),;如果是繼續(xù)步驟4.7，否則跳至步驟4.13 ；
[0018]步驟4.7,初始化匹配比例標志和等價計數(shù)變量:初始化匹配比例標志Per為零,初始化等價計數(shù)變量Count1為I ;
[0019]步驟4.8，判斷等價計數(shù)變量:判斷等價計數(shù)變量Count1是否小于等于不可區(qū)分關(guān)系集合U/IND(KV)的大小|U/IND(KV) |，如果是繼續(xù)步驟4.9，否則跳至步驟4.11 ；
[0020]步驟4.9,等價類匹配判別:獲取知識集合Ω中第countK個知識Kv (v=countK)的第Count1個等價類Xliv(Count1),將等價類Xliv(Count1)與目標類別d的不可區(qū)分關(guān)系集合U/IND(d)中第Countd個等價類Xd(Countd)進行比較,根據(jù)匹配閾值門限α計算兩個等價類的匹配目標集合mapset和非匹配目標集合unmapset,匹配目標集合mapset為等價類Xliv(Count1)與等價類Xd(Countd)的共有目標集合,非匹配目標集合unmapset為等價類XKv(Count1)除去匹配目標集合后剩余目標的集合，計算過程如公式(I)和(2)分別所示:[0021]mapset=XKv (countj) Π Xd(countd) (I)
[0022]unmapset=XKv (Count1)-mapset (2)
[0023]如果匹配目標集合大小I mapset | >0且滿足| unmapset | / | mapset | < 1- α，按公式(3)遞增匹配比例標志Per，增加值為匹配目標集合目標數(shù)目與等價類Xd(Countd)目標數(shù)目的比值，其中Ixd(Countd) I表示等價類Xd(Countd)中目標數(shù)目:
[0024]Per=Per+1 mapset I / I Xd(Countd) I (3)；
[0025]步驟4.10,更新等價計數(shù)變量:將等價計數(shù)變量Count1增加I,即Count1=Count1+!,返回步驟 4.8 ；
[0026]步驟4.11，知識匹配判別:如果匹配比例標志Per≤α，判斷知識Kv(V=countK)與類別d的第Countd個等價類Xd (Countd)相匹配,并更新知識Kv(v=countK)的決策屬性支撐矢量Sv的第Countd位為匹配比例標志Per,否則,判斷知識Kv與類別d的第Countd個等價類Xd(Countd)不匹配；
[0027]步驟4.12，更新知識計數(shù)變量:將知識計數(shù)變量countK增加1，即countK=countK+l,返回步驟 4.6 ；
[0028]步驟4.13,更新決策計數(shù)變量:將決策計數(shù)變量Countd更新為countd=countd+l,返回步驟4.4 ；
[0029]步驟4.14，剔除冗余知識:針對知識集合Ω中各知識Ki (I≤i≤η)及其決策屬性支撐矢量Si，判斷 是否存在另一條知識KjQ < j 且j古i)的決策屬性支撐矢量S在所有位置q (I≤q≤|U/IND(d)|)上的取值均大于等于決策屬性支撐矢量Si,即SSjq]，其中|U/IND(d)|表示不可區(qū)分關(guān)系集合U/IND (d)的大小，如果是判斷知識Ki冗余，將知識Ki從知識集合Ω中剔除，SP Ω = Ω -Ki ；
[0030]步驟4.15，輸出優(yōu)化知識集合:輸出從知識集合Ω中選擇出的P條知識及其對應(yīng)決策屬性支撐矢量構(gòu)建優(yōu)化知識集合KS= {(Ku，su)}^u^p ；
[0031]步驟5、更新基礎(chǔ)知識庫:如果選擇出的優(yōu)化知識集合KS不為空，將優(yōu)化知識集合KS作為類別d判定的知識存入所述基礎(chǔ)知識庫。
[0032]本發(fā)明步驟4.1、4.2中，目標類別的不可區(qū)分關(guān)系集合以及知識集合的不可區(qū)分關(guān)系集合中的元素均是目標集合U的子集。轉(zhuǎn)化為不可區(qū)分關(guān)系集合的目的是為了便于比較各知識粒度對目標類別，即決策屬性，支撐的程度。
[0033]本發(fā)明步驟4.3,4.4中，決策計數(shù)變量Countd用于標識當前比較的目標類別的不可區(qū)分關(guān)系集合中的元素，取值范圍在I和|U/IND(d) I之間。
[0034]本發(fā)明步驟4.5、4.6中，知識計數(shù)變量countK用于標識當前比較的知識集合Ω中的知識Kv (V=CountK),取值范圍在I和η之間。
[0035]本發(fā)明步驟4.7中，匹配比例標志Per用于標識知識集合Ω中的當前知識Kv(v=countK)與目標類別d的不可區(qū)分關(guān)系集合中的當前元素(即等價類Xd(Countd))之間的匹配程度。等價計數(shù)變量Count1用于標識當前知識Kv(v=countK)正在進行比較的元素，即等價類Xkv(Count1),取值范圍在I和U/IND(KV) |之間。
[0036]本發(fā)明步驟4.9中，將第countK個知識Kv (v=countK)的第Count1個等價類XKv (Count1)與目標類別不可區(qū)分關(guān)系集合U/IND (d)中第countd個等價類Xd (countd)進行匹配，匹配結(jié)果保存在匹配比例標志Per中。匹配閾值門限α越高，對匹配的要求越嚴格，門限α越低，對匹配的要求越寬松，一般設(shè)置為0.8。
[0037]本發(fā)明步驟4.11中，根據(jù)匹配閾值門限α和最終計算得出的匹配比例標志Per，更新當前知識Kv(v=countK)對應(yīng)的決策屬性支撐矢量Sv的第Countd個元素的取值。在完全匹配的情況下，決策屬性支撐矢量Sv的第Countd位元素值為I。
[0038]本發(fā)明步驟4.14中，根據(jù)決策屬性支撐矢量對計算機智能輔助決策系統(tǒng)知識集合Ω中各知識的冗余性進行判斷，冗余的知識將不被用于決策屬性的判斷，這有利于提高知識集合的簡潔性和針對輔助決策任務(wù)的自動選擇能力。
[0039]本申請與授權(quán)專利“一種基于信息挖掘的智能決策支持構(gòu)造方法” 一樣均屬于智能輔助決策系統(tǒng)的知識發(fā)現(xiàn)方法。但是，不同數(shù)據(jù)適用的知識發(fā)現(xiàn)方法是有較大差異的，并且不同知識發(fā)現(xiàn)方法挖掘出的知識也是各不相同的，知識的結(jié)構(gòu)、形式也有巨大差異。而上述授權(quán)專利并未指明其方法適用的數(shù)據(jù)特點，也未明確其具體采用的知識發(fā)現(xiàn)算法，其指出的三類知識發(fā)現(xiàn)機制，Web挖掘、KDD挖掘和領(lǐng)域?qū)＜抑R產(chǎn)生的知識是異構(gòu)的、難以相互融合、甚至難以用數(shù)據(jù)庫存儲的。本發(fā)明的知識發(fā)現(xiàn)方法，數(shù)據(jù)定義明確、方法清晰、知識結(jié)構(gòu)統(tǒng)一，便于存儲和管理。
[0040]有益效果:本發(fā)明的顯著優(yōu)點為(I)根據(jù)決策屬性支撐矢量直觀和量化的評估了計算機智能輔助決策系統(tǒng)中知識和決策屬性的支撐和匹配程度，并篩選了系統(tǒng)中冗余的知識，提高了知識利用的有效程度；(2)根據(jù)決策屬性支撐矢量能夠直接比較計算機智能輔助決策系統(tǒng)知識集合中不同知識在支撐輔助決策任務(wù)時的差別和強弱，能夠更好地給決策者提供有效建議；(3)實現(xiàn)方法工程化——即本發(fā)明的輸出結(jié)果在相同參數(shù)設(shè)置條件下是固定的、可重復(fù)實現(xiàn)的，不需要探索龐大的知識空間，計算成本較低，具有較低的時空復(fù)雜度，具有良好的工程應(yīng)用前景，較易工程實現(xiàn)。
【專利附圖】

【附圖說明】
[0041]下面結(jié)合附圖和【具體實施方式】對本發(fā)明做更進一步的具體說明，本發(fā)明的上述和/或其他方面的優(yōu)點將會變得更加清楚。
[0042]圖1為本發(fā)明工作流程圖。
[0043]圖2為本發(fā)明步驟4工作流程圖。
【具體實施方式】
[0044]本發(fā)明針對計算機輔助決策任務(wù)中普遍存在的計算機系統(tǒng)存儲信息爆炸，而計算機智能輔助決策系統(tǒng)難以自動篩選出合適的知識以支撐信息決策的問題，提出了一種基于不可區(qū)分關(guān)系的計算機輔助決策系統(tǒng)知識選擇方法:分別針對輔助決策任務(wù)中的決策屬性和計算機智能輔助決策系統(tǒng)知識集合構(gòu)建相應(yīng)的不可區(qū)分關(guān)系集合；接著，在知識和決策屬性的匹配判斷過程中逐步生成決策屬性支撐矢量，定量化地描述知識和決策屬性的匹配程度；然后，根據(jù)決策屬性支撐矢量判斷并剔除對決策屬性判斷冗余的知識；最后，輸出支撐決策屬性判定的優(yōu)化知識集合及其中各知識的決策屬性支撐矢量，并用其構(gòu)建基礎(chǔ)知識庫。本發(fā)明的主要貢獻如下:首先有助于對計算機智能輔助決策系統(tǒng)知識的選擇；其次，本發(fā)明提出了一種新型的基于決策屬性支撐矢量的決策屬性匹配判斷量化指標和模型；另夕卜，本發(fā)明有助于實現(xiàn)知識的標準化管理。本發(fā)明可以應(yīng)用于支撐任何領(lǐng)域的計算機輔助決策任務(wù)，如識別多種輻射源目標類型、判別傳感器網(wǎng)絡(luò)監(jiān)控目標的類型、預(yù)測火山活動的類型、預(yù)測藥物對病人的醫(yī)療效果等。
[0045]具體而言，本發(fā)明公開了一種基于不可區(qū)分關(guān)系的計算機輔助決策系統(tǒng)知識選擇方法:分別針對輔助決策任務(wù)中的決策屬性和計算機智能輔助決策系統(tǒng)知識集合構(gòu)建相應(yīng)的不可區(qū)分關(guān)系集合；接著，在知識和決策屬性的匹配判斷過程中逐步生成決策屬性支撐矢量，定量化地描述知識和決策屬性的匹配程度；然后，根據(jù)決策屬性支撐矢量判斷并剔除對決策屬性判斷冗余的知識；最后，輸出支撐決策屬性判定的優(yōu)化知識集合及其中各知識的決策屬性支撐矢量，并用其構(gòu)建基礎(chǔ)知識庫。
[0046]如圖1所示，本發(fā)明包括以下步驟:開始、構(gòu)建目標數(shù)據(jù)庫、確認決策問題、構(gòu)建知識集合庫、知識選擇、更新基礎(chǔ)知識庫，最后結(jié)束。[0047]1、一種基于不可區(qū)分關(guān)系的計算機輔助決策系統(tǒng)知識選擇方法，其特征在于:計算機包含有中央處理器和存儲器，且將計算機與數(shù)據(jù)采集設(shè)備相連接，數(shù)據(jù)采集設(shè)備采集到的數(shù)據(jù)是監(jiān)測目標的一組屬性值和目標類別，其中屬性值為連續(xù)型或離散型；
[0048]所述的存儲器中保存目標數(shù)據(jù)庫、知識集合庫、基礎(chǔ)知識庫、會話模塊和問題處理模塊；所述的中央處理器對所述的存儲器進行控制并執(zhí)行以下步驟::
[0049]步驟1、構(gòu)建目標數(shù)據(jù)庫:將數(shù)據(jù)采集設(shè)備獲取的數(shù)據(jù)進行離散化后存入目標數(shù)據(jù)庫；目標數(shù)據(jù)庫表示為三元組S= (U, C，d)，其中U表示目標集合，且U不為空，L/其0,
C=Ic1, C2, , CmI表示目標屬性集，由Cp C2>......、Cm共m個屬性組成，d表示目標類別，
目標數(shù)據(jù)庫中的每一條記錄對應(yīng)一個目標X，包括目標X的m個目標屬性的取值f (X，C1)、f (X，C2)、…和 f (X，cm),以及其類別 f (X，d)；
[0050]步驟2、確認決策問題:通過會話模塊由用戶確認決策問題是否目標數(shù)據(jù)庫中的目標類別判定問題，確認后會話模塊將目標類別判定問題傳送給問題處理模塊；
[0051]步驟3、構(gòu)建知識集合庫:根據(jù)目標數(shù)據(jù)庫中的目標屬性集C，由問題處理模塊枚舉出滿足長度限制δ的η條知識，K1, K2,…，Kn,構(gòu)成知識集合Ω，即Ω = IK1, K2, , Kj，
Ω I =η,其中每條知識Ki, I ^ i < η,是目標屬性集C的子集，即C 2 Ki，且每條知識Ki的長度不大于S，g卩IKiI ( δ ;將知識集合Ω存入知識集合庫，并根據(jù)屬性映射建立目標數(shù)據(jù)庫與知識集合庫的對應(yīng)關(guān)系；
[0052]步驟4、知識選擇:設(shè)定閾值門限為α，α取值范圍為0〈 α≥I ;問題處理模炔基于不可區(qū)分關(guān)系從知識集合Ω選擇出支撐目標類別d判定的由P條知識，KpK2,...，Κρ，共同組成的優(yōu)化知識集合KS，即KS= IK1, K2, , KpI，優(yōu)化知識集合KS是知識集合Ω的子集，即KS c Ω ,同時計算出優(yōu)化知識集合KS中各知識Ku的類別判定支撐矢量Su，I≥u≥P ;
[0053]步驟4包括以下步驟:
[0054]步驟4.1，構(gòu)建目標類別不可區(qū)分關(guān)系集合:根據(jù)輔助決策任務(wù)中的目標類別d構(gòu)建目標集合U上的不可區(qū)分關(guān)系集合U/IND(d)，不可區(qū)分關(guān)系集合U/IND(d)中各元素是一個基于目標類別d的等價類Xd，且每個等價類Xd是目標集合U的一個子集，即U/IND (d) = {Xd (I)，Xd (2)，...} = {Xd} KXd^U,每個等價類Xd中任意兩個目標的類別均相同，即 vW ^xJ ' f (Xr, d) =f (xs, d)；
[0055]步驟4.2，構(gòu)建知識集合的不可區(qū)分關(guān)系集合:針對知識集合Ω = IK1, K2, , Kj中各條知識Ki, 1≤i≤n，分別構(gòu)建其不可區(qū)分關(guān)系集合U/IND(ig，集合υ/INDOg中的各元素是一個基于知識Ki的等價類XKi，即U/IND (Ki) = {XKi (l),XKi (2),...} = {XKi}，每個等價類Xm均是目標集合U的一個子集，即Xkld使得等價類XKi中任意兩個目標Xa和Xb在知識Ki中任意屬性c的取值均相同，即Vxu,e XK,，Vc e Ki , f (xa, c) =f (xb, c)；
[0056]步驟4.3,初始化決策計數(shù)變量:將決策計數(shù)變量Countd初始化為I ;
[0057]步驟4.4，判斷決策計數(shù)變量:判斷決策計數(shù)變量Countd是否小于等于目標類別不可區(qū)分關(guān)系集合的大小|U/IND(d) I，如果是繼續(xù)步驟4.5，否則跳至步驟4.14 ；
[0058]步驟4.5,初始化知識計數(shù)變量:將知識計數(shù)變量countK初始化為I ;
[0059]步驟4.6，判斷知識計數(shù)變量:判斷知識計數(shù)變量countK是否小于等于知識數(shù)目n，如果是并且對應(yīng)知識Kv(V=countK)的決策屬性支撐矢量不存在，則初始化知識1的決策屬性支撐矢量維度等于不可區(qū)分關(guān)系集合U/IND(d)的大小，表示為零向量Sv= {O, 0,...,0} |U/IND(d),;如果是繼續(xù)步驟4.7，否則跳至步驟4.13 ；
[0060]步驟4.7,初始化匹配比例標志和等價計數(shù)變量:初始化匹配比例標志Per為零,初始化等價計數(shù)變量Count1為I ;
[0061]步驟4.8，判斷等價計數(shù)變量:判斷等價計數(shù)變量Count1是否小于等于不可區(qū)分關(guān)系集合U/IND(KV)的大小|U/IND(KV) |，如果是繼續(xù)步驟4.9，否則跳至步驟4.11 ；
[0062]步驟4.9,等價類匹配判別:獲取知識集合Ω中第countK個知識Kv (v=countK)的第Count1個等價類Xliv(Count1),將等價類Xliv(Count1)與目標類別d的不可區(qū)分關(guān)系集合U/IND(d)中第Countd個等價類Xd(Countd)進行比較,根據(jù)匹配閾值門限α計算兩個等價類的匹配目標集合mapset和非匹配目標集合unmapset,匹配目標集合mapset為等價類Xliv(Count1)與等價類Xd(Countd)的共有目標集合,非匹配目標集合unmapset為等價類XKv(Count1)除去匹配目標集合后剩余目標的集合，計算過程如公式(I)和(2)分別所示:
[0063]mapset=XKv (countj) Π Xd(countd) (I)
[0064]unmapset=XKv (count〗)-mapset (2)
[0065]如果匹配目標集合大小I mapset | >0且滿足| unmapset | / | mapset | < 1- α，按公式
(3)遞增匹配比例標志Per，增加值為匹配目標集合目標數(shù)目與等價類Xd(Countd)目標數(shù)目的比值，其中Ixd(Countd) I表示等價類Xd(Countd)中目標數(shù)目:
[0066]Per=Per+1 mapset I / I Xd(Countd) I (3)；
[0067]步驟4.10,更新等價計數(shù)變量:將等價計數(shù)變量Count1增加I,即Count1=Count1+!,返回步驟 4.8 ；
[0068]步驟4.11，知識匹配判別:如果匹配比例標志Per≥α，判斷知識Kv(V=countK)與類別d的第Countd個等價類Xd (Countd)相匹配,并更新知識Kv(v=countK)的決策屬性支撐矢量Sv的第Countd位為匹配比例標志Per,否則,判斷知識Kv與類別d的第Countd個等價類Xd(Countd)不匹配；
[0069]步驟4.12，更新知識計數(shù)變量:將知識計數(shù)變量countK增加1，即countK=countK+l,返回步驟 4.6 ；
[0070]步驟4.13,更新決策計數(shù)變量:將決策計數(shù)變量Countd更新為countd=countd+l,返回步驟4.4 ；
[0071]步驟4.14，剔除冗余知識:針對知識集合Ω中各知識Ki(l≤i≤η)及其決策屬性支撐矢量Si，判斷是否存在另一條知識Kj, I≤j≤n且j古i，其決策屬性支撐矢量Sj在所有位置，，I≤，≤|U/IND(d) I，其取值均大于等于決策屬性支撐矢量Si,即Vl5idL////VD⑷|，滿足Sj[q] SSjq]，其中|U/IND(d)|表示不可區(qū)分關(guān)系集合U/IND (d)大小，如果是判斷知識Ki冗余，將知識Ki從知識集合Ω中剔除，即Ω = Ω -Ki ;
[0072]步驟4.15，輸出優(yōu)化知識集合:輸出從知識集合Ω中選擇出的P條知識及其對應(yīng)決策屬性支撐矢量構(gòu)建優(yōu)化知識集合KS= {(Ku，su)}^u^p ；
[0073]步驟5、更新基礎(chǔ)知識庫:如果選擇出的優(yōu)化知識集合KS不為空，將優(yōu)化知識集合KS作為類別d判定的知識存入所述基礎(chǔ)知識庫，最后結(jié)束流程。
[0074]本發(fā)明步驟4.1、4.2中，目標類別的不可區(qū)分關(guān)系集合以及知識集合的不可區(qū)分關(guān)系集合中的元素均是目標集合U的子集。轉(zhuǎn)化為不可區(qū)分關(guān)系集合的目的是為了便于比較各知識粒度對目標類別，即決策屬性，支撐的程度。
[0075]本發(fā)明步驟4.3,4.4中，決策計數(shù)變量Countd用于標識當前比較的目標類別的不可區(qū)分關(guān)系集合中的元素，取值范圍在I和|U/IND(d) I之間。
[0076]本發(fā)明步驟4.5、4.6中，知識計數(shù)變量⑶皿^用于標識當前比較的知識集合Ω中的知識Kv (V=CountK),取值范圍在I和η之間。
[0077]本發(fā)明步驟4.7中，匹配比例標志Per用于標識知識集合Ω中的當前知識Kv(v=countK)與目標類別d的不可區(qū)分關(guān)系集合中的當前元素(即等價類Xd(Countd))之間的匹配程度。等價計數(shù)變量Count1用于標識當前知識Kv(v=countK)正在進行比較的元素，即等價類Xkv(Count1),取值范圍在I和U/IND(KV) |之間。
[0078]本發(fā)明步驟4.9中，將第countK個知識Kv (v=countK)的第Count1個等價類XKv (Count1)與目標類別不可區(qū)分關(guān)系集合U/IND (d)中第countd個等價類Xd (countd)進行匹配，匹配結(jié)果保存在匹配比例標志Per中。匹配閾值門限α越高，對匹配的要求越嚴格，門限α越低，對匹配的要求越寬松，一般設(shè)置為0.8。
[0079]本發(fā)明步驟4.11中，根據(jù)匹配閾值門限α和最終計算得出的匹配比例標志Per，更新當前知識Kv(v=countK)對應(yīng)的決策屬性支撐矢量Sv的第Countd個元素的取值。在完全匹配的情況下，決策屬性支撐矢量Sv的第Countd位元素值為I。
[0080]本發(fā)明步驟4.14中，根據(jù)決策屬性支撐矢量對計算機智能輔助決策系統(tǒng)知識集合Ω中各知識的冗余性進行判斷，冗余的知識將不被用于決策屬性的判斷，這有利于提高知識集合的簡潔性和針對輔助決策任務(wù)的自動選擇能力。
[0081]下面通過兩個實施案例來說明本發(fā)明的基于不可區(qū)分關(guān)系的計算機輔助決策系統(tǒng)知識選擇方法。
[0082]實施例1:
[0083]假設(shè)目標數(shù)據(jù)庫為三元組S=(U，C，d)，其中U表示目標集合，由10個目標X1, X2,, X10 組成，即 U=U1, X2,, X10I, C=Ic1, C2, C3, C4I 表示目標屬性集，由 4 個屬性組成，d表示目標類別，目標數(shù)據(jù)庫中的每一條記錄對應(yīng)一個目標Xi (l^i^ 10)，包括目標Xi的4個屬性的取值f (X，C1)、f (X，c2)、…和f (X，C4),以及其目標類別f (Xi, d)。同時,假設(shè)知識集合庫中現(xiàn)有知識集合Ω = {Κ}中僅有I條知識K，即I Ω |=η=1，且假設(shè)知識K={ci，c2}；且假設(shè)閾值門限為α =0.9。目標數(shù)據(jù)庫如下表所示。根據(jù)步驟4.1~4.13計算知識K的決策屬性支撐矢量。[0084]表1目標數(shù)據(jù)庫
【權(quán)利要求】
1.一種基于不可區(qū)分關(guān)系的計算機輔助決策系統(tǒng)知識選擇方法，其特征在于:計算機包含有中央處理器和存儲器，且將計算機與數(shù)據(jù)采集設(shè)備相連接，數(shù)據(jù)采集設(shè)備采集到的數(shù)據(jù)是監(jiān)測目標的一組屬性值和目標類別，其中屬性值為連續(xù)型或離散型； 所述的存儲器中保存目標數(shù)據(jù)庫、知識集合庫、基礎(chǔ)知識庫、會話模塊和問題處理模塊；所述的中央處理器對所述的存儲器進行控制并執(zhí)行以下步驟: 步驟1、構(gòu)建目標數(shù)據(jù)庫:將數(shù)據(jù)采集設(shè)備獲取的數(shù)據(jù)進行離散化后存入目標數(shù)據(jù)庫；目標數(shù)據(jù)庫表示為三元組S=(u，C，d)，其中U表示目標集合，且U不為空，U Φ0,C=Ic1, C2, , CmI表示目標屬性集，由Cp C2>......、Cm共m個屬性組成，d表示目標類別，目標數(shù)據(jù)庫中的每一條記錄對應(yīng)一個目標X，包括目標X的m個目標屬性的取值f (X，C1)、f (X，C2)、…和 f (X，Cm),以及其類別 f (X，d)； 步驟2、確認決策問題:通過會話模塊由用戶確認決策問題是否目標數(shù)據(jù)庫中的目標類別判定問題，確認后會話模塊將目標類別判定問題傳送給問題處理模塊； 步驟3、構(gòu)建知識集合庫:根據(jù)目標數(shù)據(jù)庫中的目標屬性集C，由問題處理模塊枚舉出滿足長度限制δ的η條知識，K1;K2，…，Kn，構(gòu)成知識集合Ω，即Q = IK11K2，…，Kn}，I Ω |=n，其中每條知識Ki, l<i<n，是目標屬性集C的子集，即CgK且每條知識&的長度不大于δ，g卩|Κ」(δ ;將知識集合Ω存入知識集合庫，并根據(jù)屬I生映射建立目標數(shù)據(jù)庫與知識集合庫的對應(yīng)關(guān)系； 步驟4、知識選擇:設(shè)定閾值門限為α，α取值范圍為0〈α <1;問題處理模炔基于不可區(qū)分關(guān)系從知識集合Ω選擇出支撐目標類別d判定的由P條知識，K1, K2，...，Kp，共同組成的優(yōu)化知識集合KS，即KS= IK1, K2, , KpI，優(yōu)化知識集合KS是知識集合Ω的子集，即ks^a,同時計算出優(yōu)化知識集合Ks中各知識Ku的類別判定支撐矢量su，I≤u≤P ; 步驟5、更新基礎(chǔ)知識庫:如果選擇出的優(yōu)化知識集合KS不為空，將優(yōu)化知識集合KS作為類別d判定的知識存入所述基礎(chǔ)知識庫。
2.根據(jù)權(quán)利要求1所述的一種基于不可區(qū)分關(guān)系的計算機輔助決策系統(tǒng)知識選擇方法，其特征在于:步驟4包括以下步驟: 步驟4.1，構(gòu)建目標類別不可區(qū)分關(guān)系集合:根據(jù)輔助決策任務(wù)中的目標類別d構(gòu)建目標集合U上的不可區(qū)分關(guān)系集合U/IND(d)，不可區(qū)分關(guān)系集合U/IND(d)中各元素是一個基于目標類別d的等價類Xd，且每個等價類Xd是目標集合U的一個子集，即U/IND (d) = {Xd (I)，Xd (2)，...} = {Xd} KXd^U,每個等價類Xd中任意兩個目標的類別均相同，即 vU e A，f (xr, d) =f (xs, d)； 步驟4.2，構(gòu)建知識集合的不可區(qū)分關(guān)系集合:針對知識集合Ω = IK1, K2, , KJ中各條知識Ki, I≤i ( n，分別構(gòu)建其不可區(qū)分關(guān)系集合UAND(Ki),集合UAND(Ki)中的各元素是一個基于知識Ki的等價類XKi，即U/IND (Ki) = {XKi (I)，XKi (2)，...} = {XKi}，每個等價類XKi均是目標集合U的一個子集，即XK, c U，使得等價類XKi中任意兩個目標Xa和Xb在知識Ki中任意屬性c的取值均相同，即Vufc e XKi，VceKi , f (xa, c)=f (xb, c)； 步驟4.3,初始化決策計數(shù)變量:將決策計數(shù)變量Countd初始化為I ; 步驟4.4，判斷決策計數(shù)變量:判斷決策計數(shù)變量Countd是否小于等于目標類別不可區(qū)分關(guān)系集合的大小|U/IND(d) |，如果是繼續(xù)步驟4.5，否則跳至步驟4.14 ； 步驟4.5,初始化知識計數(shù)變量:將知識計數(shù)變量countK初始化為1 ; 步驟4.6，判斷知識計數(shù)變量:判斷知識計數(shù)變量countK是否小于等于知識數(shù)目n，如果是并且對應(yīng)知識Kv的決策屬性支撐矢量不存在，v=countK,則初始化知識Kv的決策屬性支撐矢量，維度等于不可區(qū)分關(guān)系集合U/IND(d)大小，表示為零向量Sv={0，0,...,0} |u7IND(d)| ;如果是繼續(xù)步驟4.7，否則跳至步驟4.13 ； 步驟4.7,初始化匹配比例標志和等價計數(shù)變量:初始化匹配比例標志Per為零，初始化等價計數(shù)變量CountI為1 ; 步驟4.8，判斷等價計數(shù)變量:判斷等價計數(shù)變量Count1是否小于等于不可區(qū)分關(guān)系集合U/IND(KV)的大小|U/IND(KV) |，如果是繼續(xù)步驟4.9，否則跳至步驟4.11 ； 步驟4.9,等價類匹配判別:獲取知識集合Ω中第countK個知識Kv的第Count1個等價類Xliv(Count1),將等價類Xliv(Count1)與目標類別d的不可區(qū)分關(guān)系集合U/IND(d)中第CountdA等價類Xd(Countd)進行比較，根據(jù)匹配閾值門限α計算兩個等價類的匹配目標集合mapset和非匹配目標集合unmapset,匹配目標集合mapset為等價類XKv (Count1)與等價類Xd(Countd)的共有目標集合,非匹配目標集合unmapset為等價類Xliv(Count1)除去匹配目標集合后剩余目標的集合，計算過程如公式(1)和(2)分別所示:
3.根據(jù)權(quán)利要求2所述的一種基于不可區(qū)分關(guān)系的計算機輔助決策系統(tǒng)知識選擇方法，其特征在于，針對目標類別不可區(qū)分關(guān)系集合中每一元素均設(shè)置匹配比例標志，匹配程度越高，設(shè)置匹配比例標志越`接近I ;匹配程度越低，設(shè)置匹配比例標志越接近O。
【文檔編號】G06N5/00GK103870879SQ201410141422
【公開日】2014年6月18日 申請日期:2014年4月9日 優(yōu)先權(quán)日:2014年4月9日
【發(fā)明者】徐欣, 易侃, 周方, 張金鋒 申請人:中國電子科技集團公司第二十八研究所