[發明專利]一種基于形式向量的決策信息系統知識獲取方法

有效

• 申請號: 201811322187.1
• 申請日: 2018-11-07
• 公開（公告）號: CN109542949B
• 公開（公告）日: 2022-04-12
• 發明（設計）人: 陳澤華;趙哲峰;延安;劉曉峰;李偉;劉帆;柴晶
• 申請（專利權）人: 太原理工大學
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06N5/02
• 代理公司: 太原高欣科創專利代理事務所(普通合伙) 14109
• 代理人: 崔浩;冷錦超

本發明公開了一種基于形式向量的決策信息系統最簡知識獲取方法，該方法以決策形式背景為研究對象，定義了描述信息系統潛在知識的形式向量；引入粒度的思想，由粗到細求取不同粒度空間下的形式向量，并基于父子向量關系構建形式向量樹，實現了規則獲取過程的可視化；在獲取最簡規則的過程中，通過條件形式向量和決策形式向量的關系提取最簡規則，簡化了規則的判定過程；設定規則是否覆蓋整個論域為終止條件，使得獲取的每條規則之間不存在冗余，保證了規則個數最小且加快了算法的收斂速度；由于采用較少的規則，以及規則長度的最小化，使得本算法同時兼具了較高的識別率。

技術領域

本發明涉及人工智能中的知識獲取與知識約簡領域，尤其涉及一種基于形式向量的決策信息系.知識獲取方法。

背景技術

隨著大數據時代的來臨以及網絡的進一步發展，信息在計算機與信息系統的相關研究中呈現越來越重要的作用。信息系統是機器學習的主要研究對象，決策信息系統是信息系統的一種重要的表現形式。

知識表示，既不是一種數據格式，也不是一種編程語言，它不同于數據結構，是一種易于讓計算機處理的方式來表示人腦的知識，相對于人工智能而言，知識與數據的區別在于，知識是可以推理的。知識獲取是人工智能中的關鍵問題，而規則獲取是其中一項重要的研究內容。

粗糙集理論(rough set theory,RST)是由波蘭學者Z.Pawlak提出的，它是一種有效的處理模糊和不確定性知識的數學工具，主要是對于不確定信息的近似逼近，采用近似算子進行刻畫，可以對數據進行分析、推理，進而挖掘數據中隱含的知識，揭示內在的規律。利用粗糙集對決策信息系統進行規則提取吸引了眾多學者的研究。代建華等人從屬性的角度出發，提出了基于分類一致性的決策規則獲取算法，雖然該算法的泛化能力較強，但獲取的規則中仍然存在冗余屬性；王石平等人將粗糙集理論中的等價類表示為圖和矩陣，使規則提取過程變得直觀、易懂；劉鑫等人基于多粒度粗糙集，提出了規則獲取問題的一般性理論框架，其中主要包含粒度和知識粒的選擇，并且指出了該理論框架的應用前景；陳澤華等人通過定義粒關系矩陣，在不同粒度條件下依據啟發式信息對信息粒進行約簡并獲取規則，該算法的正確識別率較高且規則泛化能力強，但算法復雜度較高；康向平等人等人通過將概念格理論引入粗糙集的研究中，提出一種基于相容關系的變精度粗糙集模型，為粗糙集的擴展提供了新的思路；閻紅燦等人提出了一種基于粒計算的粗決策規則約簡算法，通過定義分辨算子，按貢獻度對屬性進行排序，大大提高了屬性約簡的搜索效率。

1982年Wille提出了概念格(concept lattice)理論，運用概念格進行數據分析，可以發現數據中隱含的知識、揭示潛在的規律。概念格的研究對象是形式背景，概念格理論也被稱作形式概念分析(formal concept analysis,FCA)。近年來，很多學者利用FCA對決策表的規則提取進行了廣泛的研究：針對完備決策表，李金海等人提出了一種無冗余規則獲取算法，該算法避免了算子的計算，在一定程度上降低了算法復雜度，但在某些情況下，獲取的規則中仍然存在冗余屬性；苗奪謙等人將形式背景中的屬性和對象都進行了粒化，降低了形式背景的規模、減少了算法復雜度，但是粒化使得算法在一定程度上損失了知識約簡的準確性；邵明文等人等基于形式概念分析研究了If-then規則，提出了非冗余規則獲取算法，并且該方法同樣適用于不一致決策形式背景。

發明內容

本發明為了克服現有技術中存在的不足，所要解決的技術問題為：針對當前基于粗糙集、概念格的規則獲取技術方案存在著規則屬性冗余、規則準確性不足、不適配不一致場景的問題，提出一種基于形式向量的決策信息系統知識獲取方法的改進；為了解決上述技術問題，本發明采用的技術方案為：一種基于形式向量的決策信息系統知識獲取方法，包括如下步驟：

步驟S110：將決策信息系統轉化為決策形式背景，根據決策形式背景求取所有單屬性非零條件形式向量和決策形式向量它們分別構成條件形式向量樹和決策形式向量樹的第一層節點，上述U表示對象的非空有限集合，C′為條件屬性集，D′為決策屬性集且C′∩D′＝φ，I和J表示對象集和條件屬性集、決策屬性集間的一種二元關系；