[發明專利]模糊規則生成方法及裝置

在審

• 申請號: 201710975815.5
• 申請日: 2017-10-18
• 公開（公告）號: CN107657319A
• 公開（公告）日: 2018-02-02
• 發明（設計）人: 馮林;陳蘋
• 申請（專利權）人: 四川師范大學;四川師大科技園發展有限公司
• 主分類號: G06N7/02
• 分類號: G06N7/02
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙)11371
• 代理人: 郭新娟

1.一種模糊規則生成方法，其特征在于，所述方法包括：

獲取模糊決策表，所述模糊決策表包括非空有限對象集合、非空有限條件屬性集和非空有限決策屬性；

基于所述模糊決策表，建立FDTRS模型，基于所述FDTRS模型及預設的風險損失值，獲得所述模糊決策表中的正域、負域與邊界域，再獲得所述非空有限條件屬性集中每個條件屬性相對于決策屬性的近似分類精度；

基于所述每個條件屬性相對于決策屬性的近似分類精度，獲得所述模糊決策表中的屬性約簡集；

基于所述屬性約簡集、所述非空有限對象集合、所述非空有限決策屬性及預設的計算規則，計算所述屬性約簡集中每個條件屬性的模糊語言變量相對于決策屬性的分類值；

若所述分類值不小于預設閾值，生成模糊規則。

2.根據權利要求1所述的方法，其特征在于，基于所述模糊決策表，建立FDTRS模型，基于FDTRS模型及預設的風險損失值，獲得所述模糊決策表中的正域、負域與邊界域，再獲得所述非空有限條件屬性集中每個條件屬性相對于決策屬性的近似分類精度，包括：

基于獲得所述非空有限條件屬性集中條件屬性b相對于決策屬性d的近似分類精度，FDT＝(U,C∪djfa9d9)為所述模糊決策表，U為所述非空有限對象集合，C為所述非空有限條件屬性集，b∈C，b為所述非空有限條件屬性集中的一個條件屬性，dnnhgl4為所述決策屬性，為條件屬性b對決策屬性d的α正域中對象個數，α由所述FDTRS模型中風險損失值計算而得，X為決策屬性d對U劃分形成的等價類。

3.根據權利要求2所述的方法，其特征在于，基于所述每個條件屬性對決策屬性的近似分類精度，獲得所述模糊決策表中的屬性約簡集，包括：

按照所述每個條件屬性的近似分類精度的大小，將所有條件屬性的近似分類精度從大到小排列，獲得排序后的待處理條件屬性集P；

當時，重復如下循環體：

令p為P中第一個屬性，使REDU＝REDU∪{p}，計算P＝P-{p}；

檢測REDU中的條件屬性b，若b滿足則REDU＝REDU-{b}，重復本步驟，獲得所述模糊決策表中的屬性約簡集REDU；

其中，REDU表示屬性約簡集，REDU的初始值置為空集，為REDU相對于決策屬性d中的α正域近似分類精度，為所述非空有限條件屬性集C對所述非空有限決策屬性d的α正域近似分類精度。

4.根據權利要求3所述的方法，其特征在于，所述預設的計算規則為基于所述屬性約簡集、所述非空有限對象集合、所述非空有限決策屬性及預設的計算規則，計算所述屬性約簡集中每個條件屬性的模糊語言變量相對于決策屬性的分類值，包括：

基于計算所述屬性約簡集中每個屬性約簡的決策值，x_i為所述非空有限對象集合中的第i個對象，x_i∈U，D_k∈U/lnwwqpq＝{D₁,D₂,...,D_m},k＝1,2…m，每個屬性約簡對應有每個對每個F_ν∈F，獲得每個屬性約簡的隸屬度值，為所述每個屬性約簡的隸屬度值，proposition[k]為每個屬性約簡的決策值。

5.根據權利要求4所述的方法，其特征在于，獲得每個屬性約簡的隸屬度值，包括：

基于獲得每個屬性約簡的隸屬度值。

6.一種模糊規則生成裝置，其特征在于，所述裝置包括：

獲取單元，用于獲取模糊決策表，所述模糊決策表包括非空有限對象集合、非空有限條件屬性集和非空有限決策屬性；

分類精度獲得單元，用于基于所述模糊決策表，建立FDTRS模型，基于所述FDTRS模型及預設的風險損失值，獲得所述模糊決策表中的正域、負域與邊界域，再獲得所述非空有限條件屬性集中每個條件屬性相對于決策屬性的近似分類精度；

屬性約簡集獲得單元，用于基于所述每個條件屬性相對于決策屬性的近似分類精度，獲得所述模糊決策表中的屬性約簡集；

計算單元，用于基于所述屬性約簡集、所述非空有限對象集合、所述非空有限決策屬性及預設的計算規則，計算所述屬性約簡集中每個條件屬性的模糊語言變量相對于決策屬性的分類值；

生成單元，用于若所述分類值不小于預設閾值，生成模糊規則。