基于不可區(qū)分關(guān)系的計(jì)算機(jī)輔助決策系統(tǒng)知識(shí)選擇方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種基于不可區(qū)分關(guān)系的計(jì)算機(jī)輔助決策系統(tǒng)知識(shí)選擇方法，其特征在于：計(jì)算機(jī)包含有中央處理器和存儲(chǔ)器，且將計(jì)算機(jī)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(cè)目標(biāo)的一組屬性值和目標(biāo)類(lèi)別，其中屬性值為連續(xù)型或離散型；所述的存儲(chǔ)器中保存目標(biāo)數(shù)據(jù)庫(kù)、知識(shí)集合庫(kù)、基礎(chǔ)知識(shí)庫(kù)、會(huì)話模塊和問(wèn)題處理模塊；所述的中央處理器對(duì)所述的存儲(chǔ)器進(jìn)行控制并執(zhí)行以下步驟：步驟1、構(gòu)建目標(biāo)數(shù)據(jù)庫(kù)；步驟2、確認(rèn)決策問(wèn)題；步驟3、構(gòu)建知識(shí)集合庫(kù)；步驟4、知識(shí)選擇；步驟5、更新基礎(chǔ)知識(shí)庫(kù)。
【專(zhuān)利說(shuō)明】基于不可區(qū)分關(guān)系的計(jì)算機(jī)輔助決策系統(tǒng)知識(shí)選擇方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種計(jì)算機(jī)輔助決策的信息處理、分析和管理領(lǐng)域，特別是一種針對(duì)計(jì)算機(jī)智能輔助決策系統(tǒng)進(jìn)行知識(shí)匹配判別和篩選的評(píng)估方法。
【背景技術(shù)】
[0002]在計(jì)算機(jī)智能輔助決策領(lǐng)域，目前學(xué)術(shù)界已經(jīng)提出了多種知識(shí)粒度計(jì)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(xué)的方法對(duì)有關(guān)粒度計(jì)算的方法和理論進(jìn)行研究。粗糙集模型是由Pawlak在20世紀(jì)80年代初提出的。商空間理論是由我國(guó)的張拔、張鈴提出的。在商空間模型理論下，概念用子集來(lái)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(gè)劃分，稱(chēng)為商空間。然而，上述理論方法尚不足以描述不同知識(shí)粒度對(duì)輔助決策的支撐力度和程度，因此影響了計(jì)算機(jī)智能輔助決策系統(tǒng)中知識(shí)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(wèn)題是針對(duì)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(jì)算機(jī)輔助決策系統(tǒng)知識(shí)選擇方法。
[0004]為了解決上述技術(shù)問(wèn)題，本發(fā)明公開(kāi)了一種基于不可區(qū)分關(guān)系的計(jì)算機(jī)輔助決策系統(tǒng)知識(shí)選擇方法:首先，分別針對(duì)輔助決策任務(wù)中的決策屬性和計(jì)算機(jī)智能輔助決策系統(tǒng)知識(shí)集合構(gòu)建相應(yīng)的不可區(qū)分關(guān)系集合；接著，在知識(shí)和決策屬性的匹配判斷過(guò)程中逐步生成決策屬性支撐矢量，定量化地描述知識(shí)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(duì)決策屬性判斷冗余的知識(shí)；最后，輸出支撐決策屬性判定的優(yōu)化知識(shí)集合及其中各知識(shí)的 決策屬性支撐矢量，并用其構(gòu)建基礎(chǔ)知識(shí)庫(kù)。
[0005]本發(fā)明計(jì)算機(jī)包含有中央處理器和存儲(chǔ)器，且將計(jì)算機(jī)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(cè)目標(biāo)的一組屬性值和目標(biāo)類(lèi)別，其中屬性值為連續(xù)型(參見(jiàn):《統(tǒng)計(jì)學(xué)》，賈俊平，清華大學(xué)出版社，應(yīng)用統(tǒng)計(jì)學(xué)系列教材，2006)或離散型(參見(jiàn):《統(tǒng)計(jì)學(xué)》，賈俊平，清華大學(xué)出版社，應(yīng)用統(tǒng)計(jì)學(xué)系列教材，2006)；
[0006]所述的存儲(chǔ)器中保存目標(biāo)數(shù)據(jù)庫(kù)、知識(shí)集合庫(kù)、基礎(chǔ)知識(shí)庫(kù)、會(huì)話模塊和問(wèn)題處理模塊；所述的中央處理器對(duì)所述的存儲(chǔ)器進(jìn)行控制并執(zhí)行以下步驟:
[0007]步驟1、構(gòu)建目標(biāo)數(shù)據(jù)庫(kù):將數(shù)據(jù)采集設(shè)備獲取的數(shù)據(jù)進(jìn)行離散化(參見(jiàn):《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(jī)械工業(yè)出版社，2009)后存入目標(biāo)數(shù)據(jù)庫(kù)；目標(biāo)數(shù)據(jù)庫(kù)表示為三元組S= (U, C，d)，其中U表示目標(biāo)集合，且U不為空，I/式0，
C=Ic1, C2, , CmI表示目標(biāo)屬性集，由Cp C2>......、Cm共m個(gè)屬性組成，d表示目標(biāo)類(lèi)別，
目標(biāo)數(shù)據(jù)庫(kù)中的每一條記錄對(duì)應(yīng)一個(gè)目標(biāo)X，包括目標(biāo)X的m個(gè)目標(biāo)屬性的取值f (X，C1)、f (X，C2)、…和 f (X，cm),以及其類(lèi)別 f (X，d)；
[0008]步 驟2、確認(rèn)決策問(wèn)題:通過(guò)會(huì)話模塊由用戶確認(rèn)決策問(wèn)題是否目標(biāo)數(shù)據(jù)庫(kù)中的目標(biāo)類(lèi)別判定問(wèn)題，確認(rèn)后會(huì)話模塊將目標(biāo)類(lèi)別判定問(wèn)題傳送給問(wèn)題處理模塊；[0009]步驟3、構(gòu)建知識(shí)集合庫(kù):根據(jù)目標(biāo)數(shù)據(jù)庫(kù)中的目標(biāo)屬性集C，由問(wèn)題處理模塊枚舉出滿足長(zhǎng)度限制δ的η條知識(shí)，K1, K2,…，Kn,構(gòu)成知識(shí)集合Ω，即Ω = IK1, K2, , Kj，
Ω I =η，其中每條知識(shí)Ki, 1 < i Sn，是目標(biāo)屬性集C的子集，即C =盡，且每條知識(shí)Ki的長(zhǎng)度不大于S，g卩IKiI ( δ ;將知識(shí)集合Ω存入知識(shí)集合庫(kù)，并根據(jù)屬性映射建立目標(biāo)數(shù)據(jù)庫(kù)與知識(shí)集合庫(kù)的對(duì)應(yīng)關(guān)系；
[0010]步驟4、知識(shí)選擇:設(shè)定閾值門(mén)限為α，α取值范圍為0〈 α≤1 ;問(wèn)題處理模炔基于不可區(qū)分關(guān)系從知識(shí)集合Ω選擇出支撐目標(biāo)類(lèi)別d判定的由P條知識(shí)，KpK2,...，Κρ，共同組成的優(yōu)化知識(shí)集合KS，即KS= IK1, K2, , KpI，優(yōu)化知識(shí)集合KS是知識(shí)集合Ω的子集，n\iKS^n,同時(shí)計(jì)算出優(yōu)化知識(shí)集合KS中各知識(shí)Ku的類(lèi)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(biāo)類(lèi)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(biāo)類(lèi)別d構(gòu)建目標(biāo)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(gè)基于目標(biāo)類(lèi)別d的等價(jià)類(lèi)Xd，且每個(gè)等價(jià)類(lèi)Xd是目標(biāo)集合U的一個(gè)子集，即U/IND (d) = {Xd (1)，Xd (2)，...} = {Xd} KXll^U,每個(gè)等價(jià)類(lèi)Xd中任意兩個(gè)目標(biāo)的類(lèi)別均相同，即 vU, f (xr, d) =f (xs, d)；
[0013]步驟4.2，構(gòu)建知識(shí)集合的不可區(qū)分關(guān)系集合:針對(duì)知識(shí)集合Q = IK1, K2, , KJ中各條知識(shí)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(gè)基于知識(shí)Ki的等價(jià)類(lèi)XKi，即U/IND (Ki) = {XKi (l),XKi (2),...} = {XKi}，每個(gè)等價(jià)
類(lèi)XKi均是目標(biāo)集合U的一個(gè)子集，即XKl c U，使得等價(jià)類(lèi)XKi中任意兩個(gè)目標(biāo)Xa和Xb在知識(shí)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(jì)數(shù)變量:將決策計(jì)數(shù)變量Countd初始化為1 ;
[0015]步驟4.4，判斷決策計(jì)數(shù)變量:判斷決策計(jì)數(shù)變量Countd是否小于等于目標(biāo)類(lèi)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(shí)計(jì)數(shù)變量:將知識(shí)計(jì)數(shù)變量countK初始化為I ;
[0017]步驟4.6，判斷知識(shí)計(jì)數(shù)變量:判斷知識(shí)計(jì)數(shù)變量countK是否小于等于知識(shí)數(shù)目n，如果是并且對(duì)應(yīng)知識(shí)Kv(V=countK)的決策屬性支撐矢量不存在，則初始化知識(shí)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(biāo)志和等價(jià)計(jì)數(shù)變量:初始化匹配比例標(biāo)志Per為零,初始化等價(jià)計(jì)數(shù)變量Count1為I ;
[0019]步驟4.8，判斷等價(jià)計(jì)數(shù)變量:判斷等價(jià)計(jì)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(jià)類(lèi)匹配判別:獲取知識(shí)集合Ω中第countK個(gè)知識(shí)Kv (v=countK)的第Count1個(gè)等價(jià)類(lèi)Xliv(Count1),將等價(jià)類(lèi)Xliv(Count1)與目標(biāo)類(lèi)別d的不可區(qū)分關(guān)系集合U/IND(d)中第Countd個(gè)等價(jià)類(lèi)Xd(Countd)進(jìn)行比較,根據(jù)匹配閾值門(mén)限α計(jì)算兩個(gè)等價(jià)類(lèi)的匹配目標(biāo)集合mapset和非匹配目標(biāo)集合unmapset,匹配目標(biāo)集合mapset為等價(jià)類(lèi)Xliv(Count1)與等價(jià)類(lèi)Xd(Countd)的共有目標(biāo)集合,非匹配目標(biāo)集合unmapset為等價(jià)類(lèi)XKv(Count1)除去匹配目標(biāo)集合后剩余目標(biāo)的集合，計(jì)算過(guò)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(biāo)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(biāo)志Per，增加值為匹配目標(biāo)集合目標(biāo)數(shù)目與等價(jià)類(lèi)Xd(Countd)目標(biāo)數(shù)目的比值，其中Ixd(Countd) I表示等價(jià)類(lèi)Xd(Countd)中目標(biāo)數(shù)目:
[0024]Per=Per+1 mapset I / I Xd(Countd) I (3)；
[0025]步驟4.10,更新等價(jià)計(jì)數(shù)變量:將等價(jià)計(jì)數(shù)變量Count1增加I,即Count1=Count1+!,返回步驟 4.8 ；
[0026]步驟4.11，知識(shí)匹配判別:如果匹配比例標(biāo)志Per≤α，判斷知識(shí)Kv(V=countK)與類(lèi)別d的第Countd個(gè)等價(jià)類(lèi)Xd (Countd)相匹配,并更新知識(shí)Kv(v=countK)的決策屬性支撐矢量Sv的第Countd位為匹配比例標(biāo)志Per,否則,判斷知識(shí)Kv與類(lèi)別d的第Countd個(gè)等價(jià)類(lèi)Xd(Countd)不匹配；
[0027]步驟4.12，更新知識(shí)計(jì)數(shù)變量:將知識(shí)計(jì)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(jì)數(shù)變量:將決策計(jì)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(shí):針對(duì)知識(shí)集合Ω中各知識(shí)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(shí)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(shí)Ki冗余，將知識(shí)Ki從知識(shí)集合Ω中剔除，SP Ω = Ω -Ki ；
[0030]步驟4.15，輸出優(yōu)化知識(shí)集合:輸出從知識(shí)集合Ω中選擇出的P條知識(shí)及其對(duì)應(yīng)決策屬性支撐矢量構(gòu)建優(yōu)化知識(shí)集合KS= {(Ku，su)}^u^p ；
[0031]步驟5、更新基礎(chǔ)知識(shí)庫(kù):如果選擇出的優(yōu)化知識(shí)集合KS不為空，將優(yōu)化知識(shí)集合KS作為類(lèi)別d判定的知識(shí)存入所述基礎(chǔ)知識(shí)庫(kù)。
[0032]本發(fā)明步驟4.1、4.2中，目標(biāo)類(lèi)別的不可區(qū)分關(guān)系集合以及知識(shí)集合的不可區(qū)分關(guān)系集合中的元素均是目標(biāo)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(shí)粒度對(duì)目標(biāo)類(lèi)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(jì)數(shù)變量Countd用于標(biāo)識(shí)當(dāng)前比較的目標(biāo)類(lèi)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(shí)計(jì)數(shù)變量countK用于標(biāo)識(shí)當(dāng)前比較的知識(shí)集合Ω中的知識(shí)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(biāo)志Per用于標(biāo)識(shí)知識(shí)集合Ω中的當(dāng)前知識(shí)Kv(v=countK)與目標(biāo)類(lèi)別d的不可區(qū)分關(guān)系集合中的當(dāng)前元素(即等價(jià)類(lèi)Xd(Countd))之間的匹配程度。等價(jià)計(jì)數(shù)變量Count1用于標(biāo)識(shí)當(dāng)前知識(shí)Kv(v=countK)正在進(jìn)行比較的元素，即等價(jià)類(lèi)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(gè)知識(shí)Kv (v=countK)的第Count1個(gè)等價(jià)類(lèi)XKv (Count1)與目標(biāo)類(lèi)別不可區(qū)分關(guān)系集合U/IND (d)中第countd個(gè)等價(jià)類(lèi)Xd (countd)進(jìn)行匹配，匹配結(jié)果保存在匹配比例標(biāo)志Per中。匹配閾值門(mén)限α越高，對(duì)匹配的要求越嚴(yán)格，門(mén)限α越低，對(duì)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(mén)限α和最終計(jì)算得出的匹配比例標(biāo)志Per，更新當(dāng)前知識(shí)Kv(v=countK)對(duì)應(yīng)的決策屬性支撐矢量Sv的第Countd個(gè)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(duì)計(jì)算機(jī)智能輔助決策系統(tǒng)知識(shí)集合Ω中各知識(shí)的冗余性進(jìn)行判斷，冗余的知識(shí)將不被用于決策屬性的判斷，這有利于提高知識(shí)集合的簡(jiǎn)潔性和針對(duì)輔助決策任務(wù)的自動(dòng)選擇能力。
[0039]本申請(qǐng)與授權(quán)專(zhuān)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(shí)發(fā)現(xiàn)方法。但是，不同數(shù)據(jù)適用的知識(shí)發(fā)現(xiàn)方法是有較大差異的，并且不同知識(shí)發(fā)現(xiàn)方法挖掘出的知識(shí)也是各不相同的，知識(shí)的結(jié)構(gòu)、形式也有巨大差異。而上述授權(quán)專(zhuān)利并未指明其方法適用的數(shù)據(jù)特點(diǎn)，也未明確其具體采用的知識(shí)發(fā)現(xiàn)算法，其指出的三類(lèi)知識(shí)發(fā)現(xiàn)機(jī)制，Web挖掘、KDD挖掘和領(lǐng)域?qū)＜抑R(shí)產(chǎn)生的知識(shí)是異構(gòu)的、難以相互融合、甚至難以用數(shù)據(jù)庫(kù)存儲(chǔ)的。本發(fā)明的知識(shí)發(fā)現(xiàn)方法，數(shù)據(jù)定義明確、方法清晰、知識(shí)結(jié)構(gòu)統(tǒng)一，便于存儲(chǔ)和管理。
[0040]有益效果:本發(fā)明的顯著優(yōu)點(diǎn)為(I)根據(jù)決策屬性支撐矢量直觀和量化的評(píng)估了計(jì)算機(jī)智能輔助決策系統(tǒng)中知識(shí)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(shí)，提高了知識(shí)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(jì)算機(jī)智能輔助決策系統(tǒng)知識(shí)集合中不同知識(shí)在支撐輔助決策任務(wù)時(shí)的差別和強(qiáng)弱，能夠更好地給決策者提供有效建議；(3)實(shí)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(shí)現(xiàn)的，不需要探索龐大的知識(shí)空間，計(jì)算成本較低，具有較低的時(shí)空復(fù)雜度，具有良好的工程應(yīng)用前景，較易工程實(shí)現(xiàn)。
【專(zhuān)利附圖】

【附圖說(shuō)明】
[0041]下面結(jié)合附圖和【具體實(shí)施方式】對(duì)本發(fā)明做更進(jìn)一步的具體說(shuō)明，本發(fā)明的上述和/或其他方面的優(yōu)點(diǎn)將會(huì)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(shí)施方式】
[0044]本發(fā)明針對(duì)計(jì)算機(jī)輔助決策任務(wù)中普遍存在的計(jì)算機(jī)系統(tǒng)存儲(chǔ)信息爆炸，而計(jì)算機(jī)智能輔助決策系統(tǒng)難以自動(dòng)篩選出合適的知識(shí)以支撐信息決策的問(wèn)題，提出了一種基于不可區(qū)分關(guān)系的計(jì)算機(jī)輔助決策系統(tǒng)知識(shí)選擇方法:分別針對(duì)輔助決策任務(wù)中的決策屬性和計(jì)算機(jī)智能輔助決策系統(tǒng)知識(shí)集合構(gòu)建相應(yīng)的不可區(qū)分關(guān)系集合；接著，在知識(shí)和決策屬性的匹配判斷過(guò)程中逐步生成決策屬性支撐矢量，定量化地描述知識(shí)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(duì)決策屬性判斷冗余的知識(shí)；最后，輸出支撐決策屬性判定的優(yōu)化知識(shí)集合及其中各知識(shí)的決策屬性支撐矢量，并用其構(gòu)建基礎(chǔ)知識(shí)庫(kù)。本發(fā)明的主要貢獻(xiàn)如下:首先有助于對(duì)計(jì)算機(jī)智能輔助決策系統(tǒng)知識(shí)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(biāo)和模型；另夕卜，本發(fā)明有助于實(shí)現(xiàn)知識(shí)的標(biāo)準(zhǔn)化管理。本發(fā)明可以應(yīng)用于支撐任何領(lǐng)域的計(jì)算機(jī)輔助決策任務(wù)，如識(shí)別多種輻射源目標(biāo)類(lèi)型、判別傳感器網(wǎng)絡(luò)監(jiān)控目標(biāo)的類(lèi)型、預(yù)測(cè)火山活動(dòng)的類(lèi)型、預(yù)測(cè)藥物對(duì)病人的醫(yī)療效果等。
[0045]具體而言，本發(fā)明公開(kāi)了一種基于不可區(qū)分關(guān)系的計(jì)算機(jī)輔助決策系統(tǒng)知識(shí)選擇方法:分別針對(duì)輔助決策任務(wù)中的決策屬性和計(jì)算機(jī)智能輔助決策系統(tǒng)知識(shí)集合構(gòu)建相應(yīng)的不可區(qū)分關(guān)系集合；接著，在知識(shí)和決策屬性的匹配判斷過(guò)程中逐步生成決策屬性支撐矢量，定量化地描述知識(shí)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(duì)決策屬性判斷冗余的知識(shí)；最后，輸出支撐決策屬性判定的優(yōu)化知識(shí)集合及其中各知識(shí)的決策屬性支撐矢量，并用其構(gòu)建基礎(chǔ)知識(shí)庫(kù)。
[0046]如圖1所示，本發(fā)明包括以下步驟:開(kāi)始、構(gòu)建目標(biāo)數(shù)據(jù)庫(kù)、確認(rèn)決策問(wèn)題、構(gòu)建知識(shí)集合庫(kù)、知識(shí)選擇、更新基礎(chǔ)知識(shí)庫(kù)，最后結(jié)束。[0047]1、一種基于不可區(qū)分關(guān)系的計(jì)算機(jī)輔助決策系統(tǒng)知識(shí)選擇方法，其特征在于:計(jì)算機(jī)包含有中央處理器和存儲(chǔ)器，且將計(jì)算機(jī)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(cè)目標(biāo)的一組屬性值和目標(biāo)類(lèi)別，其中屬性值為連續(xù)型或離散型；
[0048]所述的存儲(chǔ)器中保存目標(biāo)數(shù)據(jù)庫(kù)、知識(shí)集合庫(kù)、基礎(chǔ)知識(shí)庫(kù)、會(huì)話模塊和問(wèn)題處理模塊；所述的中央處理器對(duì)所述的存儲(chǔ)器進(jìn)行控制并執(zhí)行以下步驟::
[0049]步驟1、構(gòu)建目標(biāo)數(shù)據(jù)庫(kù):將數(shù)據(jù)采集設(shè)備獲取的數(shù)據(jù)進(jìn)行離散化后存入目標(biāo)數(shù)據(jù)庫(kù)；目標(biāo)數(shù)據(jù)庫(kù)表示為三元組S= (U, C，d)，其中U表示目標(biāo)集合，且U不為空，L/其0,
C=Ic1, C2, , CmI表示目標(biāo)屬性集，由Cp C2>......、Cm共m個(gè)屬性組成，d表示目標(biāo)類(lèi)別，
目標(biāo)數(shù)據(jù)庫(kù)中的每一條記錄對(duì)應(yīng)一個(gè)目標(biāo)X，包括目標(biāo)X的m個(gè)目標(biāo)屬性的取值f (X，C1)、f (X，C2)、…和 f (X，cm),以及其類(lèi)別 f (X，d)；
[0050]步驟2、確認(rèn)決策問(wèn)題:通過(guò)會(huì)話模塊由用戶確認(rèn)決策問(wèn)題是否目標(biāo)數(shù)據(jù)庫(kù)中的目標(biāo)類(lèi)別判定問(wèn)題，確認(rèn)后會(huì)話模塊將目標(biāo)類(lèi)別判定問(wèn)題傳送給問(wèn)題處理模塊；
[0051]步驟3、構(gòu)建知識(shí)集合庫(kù):根據(jù)目標(biāo)數(shù)據(jù)庫(kù)中的目標(biāo)屬性集C，由問(wèn)題處理模塊枚舉出滿足長(zhǎng)度限制δ的η條知識(shí)，K1, K2,…，Kn,構(gòu)成知識(shí)集合Ω，即Ω = IK1, K2, , Kj，
Ω I =η,其中每條知識(shí)Ki, I ^ i < η,是目標(biāo)屬性集C的子集，即C 2 Ki，且每條知識(shí)Ki的長(zhǎng)度不大于S，g卩IKiI ( δ ;將知識(shí)集合Ω存入知識(shí)集合庫(kù)，并根據(jù)屬性映射建立目標(biāo)數(shù)據(jù)庫(kù)與知識(shí)集合庫(kù)的對(duì)應(yīng)關(guān)系；
[0052]步驟4、知識(shí)選擇:設(shè)定閾值門(mén)限為α，α取值范圍為0〈 α≥I ;問(wèn)題處理模炔基于不可區(qū)分關(guān)系從知識(shí)集合Ω選擇出支撐目標(biāo)類(lèi)別d判定的由P條知識(shí)，KpK2,...，Κρ，共同組成的優(yōu)化知識(shí)集合KS，即KS= IK1, K2, , KpI，優(yōu)化知識(shí)集合KS是知識(shí)集合Ω的子集，即KS c Ω ,同時(shí)計(jì)算出優(yōu)化知識(shí)集合KS中各知識(shí)Ku的類(lèi)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(biāo)類(lèi)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(biāo)類(lèi)別d構(gòu)建目標(biāo)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(gè)基于目標(biāo)類(lèi)別d的等價(jià)類(lèi)Xd，且每個(gè)等價(jià)類(lèi)Xd是目標(biāo)集合U的一個(gè)子集，即U/IND (d) = {Xd (I)，Xd (2)，...} = {Xd} KXd^U,每個(gè)等價(jià)類(lèi)Xd中任意兩個(gè)目標(biāo)的類(lèi)別均相同，即 vW ^xJ ' f (Xr, d) =f (xs, d)；
[0055]步驟4.2，構(gòu)建知識(shí)集合的不可區(qū)分關(guān)系集合:針對(duì)知識(shí)集合Ω = IK1, K2, , Kj中各條知識(shí)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(gè)基于知識(shí)Ki的等價(jià)類(lèi)XKi，即U/IND (Ki) = {XKi (l),XKi (2),...} = {XKi}，每個(gè)等價(jià)類(lèi)Xm均是目標(biāo)集合U的一個(gè)子集，即Xkld使得等價(jià)類(lèi)XKi中任意兩個(gè)目標(biāo)Xa和Xb在知識(shí)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(jì)數(shù)變量:將決策計(jì)數(shù)變量Countd初始化為I ;
[0057]步驟4.4，判斷決策計(jì)數(shù)變量:判斷決策計(jì)數(shù)變量Countd是否小于等于目標(biāo)類(lèi)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(shí)計(jì)數(shù)變量:將知識(shí)計(jì)數(shù)變量countK初始化為I ;
[0059]步驟4.6，判斷知識(shí)計(jì)數(shù)變量:判斷知識(shí)計(jì)數(shù)變量countK是否小于等于知識(shí)數(shù)目n，如果是并且對(duì)應(yīng)知識(shí)Kv(V=countK)的決策屬性支撐矢量不存在，則初始化知識(shí)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(biāo)志和等價(jià)計(jì)數(shù)變量:初始化匹配比例標(biāo)志Per為零,初始化等價(jià)計(jì)數(shù)變量Count1為I ;
[0061]步驟4.8，判斷等價(jià)計(jì)數(shù)變量:判斷等價(jià)計(jì)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(jià)類(lèi)匹配判別:獲取知識(shí)集合Ω中第countK個(gè)知識(shí)Kv (v=countK)的第Count1個(gè)等價(jià)類(lèi)Xliv(Count1),將等價(jià)類(lèi)Xliv(Count1)與目標(biāo)類(lèi)別d的不可區(qū)分關(guān)系集合U/IND(d)中第Countd個(gè)等價(jià)類(lèi)Xd(Countd)進(jìn)行比較,根據(jù)匹配閾值門(mén)限α計(jì)算兩個(gè)等價(jià)類(lèi)的匹配目標(biāo)集合mapset和非匹配目標(biāo)集合unmapset,匹配目標(biāo)集合mapset為等價(jià)類(lèi)Xliv(Count1)與等價(jià)類(lèi)Xd(Countd)的共有目標(biāo)集合,非匹配目標(biāo)集合unmapset為等價(jià)類(lèi)XKv(Count1)除去匹配目標(biāo)集合后剩余目標(biāo)的集合，計(jì)算過(guò)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(biāo)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(biāo)志Per，增加值為匹配目標(biāo)集合目標(biāo)數(shù)目與等價(jià)類(lèi)Xd(Countd)目標(biāo)數(shù)目的比值，其中Ixd(Countd) I表示等價(jià)類(lèi)Xd(Countd)中目標(biāo)數(shù)目:
[0066]Per=Per+1 mapset I / I Xd(Countd) I (3)；
[0067]步驟4.10,更新等價(jià)計(jì)數(shù)變量:將等價(jià)計(jì)數(shù)變量Count1增加I,即Count1=Count1+!,返回步驟 4.8 ；
[0068]步驟4.11，知識(shí)匹配判別:如果匹配比例標(biāo)志Per≥α，判斷知識(shí)Kv(V=countK)與類(lèi)別d的第Countd個(gè)等價(jià)類(lèi)Xd (Countd)相匹配,并更新知識(shí)Kv(v=countK)的決策屬性支撐矢量Sv的第Countd位為匹配比例標(biāo)志Per,否則,判斷知識(shí)Kv與類(lèi)別d的第Countd個(gè)等價(jià)類(lèi)Xd(Countd)不匹配；
[0069]步驟4.12，更新知識(shí)計(jì)數(shù)變量:將知識(shí)計(jì)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(jì)數(shù)變量:將決策計(jì)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(shí):針對(duì)知識(shí)集合Ω中各知識(shí)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(shí)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(shí)Ki冗余，將知識(shí)Ki從知識(shí)集合Ω中剔除，即Ω = Ω -Ki ;
[0072]步驟4.15，輸出優(yōu)化知識(shí)集合:輸出從知識(shí)集合Ω中選擇出的P條知識(shí)及其對(duì)應(yīng)決策屬性支撐矢量構(gòu)建優(yōu)化知識(shí)集合KS= {(Ku，su)}^u^p ；
[0073]步驟5、更新基礎(chǔ)知識(shí)庫(kù):如果選擇出的優(yōu)化知識(shí)集合KS不為空，將優(yōu)化知識(shí)集合KS作為類(lèi)別d判定的知識(shí)存入所述基礎(chǔ)知識(shí)庫(kù)，最后結(jié)束流程。
[0074]本發(fā)明步驟4.1、4.2中，目標(biāo)類(lèi)別的不可區(qū)分關(guān)系集合以及知識(shí)集合的不可區(qū)分關(guān)系集合中的元素均是目標(biāo)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(shí)粒度對(duì)目標(biāo)類(lèi)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(jì)數(shù)變量Countd用于標(biāo)識(shí)當(dāng)前比較的目標(biāo)類(lèi)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(shí)計(jì)數(shù)變量⑶皿^用于標(biāo)識(shí)當(dāng)前比較的知識(shí)集合Ω中的知識(shí)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(biāo)志Per用于標(biāo)識(shí)知識(shí)集合Ω中的當(dāng)前知識(shí)Kv(v=countK)與目標(biāo)類(lèi)別d的不可區(qū)分關(guān)系集合中的當(dāng)前元素(即等價(jià)類(lèi)Xd(Countd))之間的匹配程度。等價(jià)計(jì)數(shù)變量Count1用于標(biāo)識(shí)當(dāng)前知識(shí)Kv(v=countK)正在進(jìn)行比較的元素，即等價(jià)類(lèi)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(gè)知識(shí)Kv (v=countK)的第Count1個(gè)等價(jià)類(lèi)XKv (Count1)與目標(biāo)類(lèi)別不可區(qū)分關(guān)系集合U/IND (d)中第countd個(gè)等價(jià)類(lèi)Xd (countd)進(jìn)行匹配，匹配結(jié)果保存在匹配比例標(biāo)志Per中。匹配閾值門(mén)限α越高，對(duì)匹配的要求越嚴(yán)格，門(mén)限α越低，對(duì)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(mén)限α和最終計(jì)算得出的匹配比例標(biāo)志Per，更新當(dāng)前知識(shí)Kv(v=countK)對(duì)應(yīng)的決策屬性支撐矢量Sv的第Countd個(gè)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(duì)計(jì)算機(jī)智能輔助決策系統(tǒng)知識(shí)集合Ω中各知識(shí)的冗余性進(jìn)行判斷，冗余的知識(shí)將不被用于決策屬性的判斷，這有利于提高知識(shí)集合的簡(jiǎn)潔性和針對(duì)輔助決策任務(wù)的自動(dòng)選擇能力。
[0081]下面通過(guò)兩個(gè)實(shí)施案例來(lái)說(shuō)明本發(fā)明的基于不可區(qū)分關(guān)系的計(jì)算機(jī)輔助決策系統(tǒng)知識(shí)選擇方法。
[0082]實(shí)施例1:
[0083]假設(shè)目標(biāo)數(shù)據(jù)庫(kù)為三元組S=(U，C，d)，其中U表示目標(biāo)集合，由10個(gè)目標(biāo)X1, X2,, X10 組成，即 U=U1, X2,, X10I, C=Ic1, C2, C3, C4I 表示目標(biāo)屬性集，由 4 個(gè)屬性組成，d表示目標(biāo)類(lèi)別，目標(biāo)數(shù)據(jù)庫(kù)中的每一條記錄對(duì)應(yīng)一個(gè)目標(biāo)Xi (l^i^ 10)，包括目標(biāo)Xi的4個(gè)屬性的取值f (X，C1)、f (X，c2)、…和f (X，C4),以及其目標(biāo)類(lèi)別f (Xi, d)。同時(shí),假設(shè)知識(shí)集合庫(kù)中現(xiàn)有知識(shí)集合Ω = {Κ}中僅有I條知識(shí)K，即I Ω |=η=1，且假設(shè)知識(shí)K={ci，c2}；且假設(shè)閾值門(mén)限為α =0.9。目標(biāo)數(shù)據(jù)庫(kù)如下表所示。根據(jù)步驟4.1~4.13計(jì)算知識(shí)K的決策屬性支撐矢量。[0084]表1目標(biāo)數(shù)據(jù)庫(kù)
【權(quán)利要求】
1.一種基于不可區(qū)分關(guān)系的計(jì)算機(jī)輔助決策系統(tǒng)知識(shí)選擇方法，其特征在于:計(jì)算機(jī)包含有中央處理器和存儲(chǔ)器，且將計(jì)算機(jī)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(cè)目標(biāo)的一組屬性值和目標(biāo)類(lèi)別，其中屬性值為連續(xù)型或離散型； 所述的存儲(chǔ)器中保存目標(biāo)數(shù)據(jù)庫(kù)、知識(shí)集合庫(kù)、基礎(chǔ)知識(shí)庫(kù)、會(huì)話模塊和問(wèn)題處理模塊；所述的中央處理器對(duì)所述的存儲(chǔ)器進(jìn)行控制并執(zhí)行以下步驟: 步驟1、構(gòu)建目標(biāo)數(shù)據(jù)庫(kù):將數(shù)據(jù)采集設(shè)備獲取的數(shù)據(jù)進(jìn)行離散化后存入目標(biāo)數(shù)據(jù)庫(kù)；目標(biāo)數(shù)據(jù)庫(kù)表示為三元組S=(u，C，d)，其中U表示目標(biāo)集合，且U不為空，U Φ0,C=Ic1, C2, , CmI表示目標(biāo)屬性集，由Cp C2>......、Cm共m個(gè)屬性組成，d表示目標(biāo)類(lèi)別，目標(biāo)數(shù)據(jù)庫(kù)中的每一條記錄對(duì)應(yīng)一個(gè)目標(biāo)X，包括目標(biāo)X的m個(gè)目標(biāo)屬性的取值f (X，C1)、f (X，C2)、…和 f (X，Cm),以及其類(lèi)別 f (X，d)； 步驟2、確認(rèn)決策問(wèn)題:通過(guò)會(huì)話模塊由用戶確認(rèn)決策問(wèn)題是否目標(biāo)數(shù)據(jù)庫(kù)中的目標(biāo)類(lèi)別判定問(wèn)題，確認(rèn)后會(huì)話模塊將目標(biāo)類(lèi)別判定問(wèn)題傳送給問(wèn)題處理模塊； 步驟3、構(gòu)建知識(shí)集合庫(kù):根據(jù)目標(biāo)數(shù)據(jù)庫(kù)中的目標(biāo)屬性集C，由問(wèn)題處理模塊枚舉出滿足長(zhǎng)度限制δ的η條知識(shí)，K1;K2，…，Kn，構(gòu)成知識(shí)集合Ω，即Q = IK11K2，…，Kn}，I Ω |=n，其中每條知識(shí)Ki, l<i<n，是目標(biāo)屬性集C的子集，即CgK且每條知識(shí)&的長(zhǎng)度不大于δ，g卩|Κ」(δ ;將知識(shí)集合Ω存入知識(shí)集合庫(kù)，并根據(jù)屬I(mǎi)生映射建立目標(biāo)數(shù)據(jù)庫(kù)與知識(shí)集合庫(kù)的對(duì)應(yīng)關(guān)系； 步驟4、知識(shí)選擇:設(shè)定閾值門(mén)限為α，α取值范圍為0〈α <1;問(wèn)題處理模炔基于不可區(qū)分關(guān)系從知識(shí)集合Ω選擇出支撐目標(biāo)類(lèi)別d判定的由P條知識(shí)，K1, K2，...，Kp，共同組成的優(yōu)化知識(shí)集合KS，即KS= IK1, K2, , KpI，優(yōu)化知識(shí)集合KS是知識(shí)集合Ω的子集，即ks^a,同時(shí)計(jì)算出優(yōu)化知識(shí)集合Ks中各知識(shí)Ku的類(lèi)別判定支撐矢量su，I≤u≤P ; 步驟5、更新基礎(chǔ)知識(shí)庫(kù):如果選擇出的優(yōu)化知識(shí)集合KS不為空，將優(yōu)化知識(shí)集合KS作為類(lèi)別d判定的知識(shí)存入所述基礎(chǔ)知識(shí)庫(kù)。
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(jì)算機(jī)輔助決策系統(tǒng)知識(shí)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(biāo)類(lèi)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(biāo)類(lèi)別d構(gòu)建目標(biāo)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(gè)基于目標(biāo)類(lèi)別d的等價(jià)類(lèi)Xd，且每個(gè)等價(jià)類(lèi)Xd是目標(biāo)集合U的一個(gè)子集，即U/IND (d) = {Xd (I)，Xd (2)，...} = {Xd} KXd^U,每個(gè)等價(jià)類(lèi)Xd中任意兩個(gè)目標(biāo)的類(lèi)別均相同，即 vU e A，f (xr, d) =f (xs, d)； 步驟4.2，構(gòu)建知識(shí)集合的不可區(qū)分關(guān)系集合:針對(duì)知識(shí)集合Ω = IK1, K2, , KJ中各條知識(shí)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(gè)基于知識(shí)Ki的等價(jià)類(lèi)XKi，即U/IND (Ki) = {XKi (I)，XKi (2)，...} = {XKi}，每個(gè)等價(jià)類(lèi)XKi均是目標(biāo)集合U的一個(gè)子集，即XK, c U，使得等價(jià)類(lèi)XKi中任意兩個(gè)目標(biāo)Xa和Xb在知識(shí)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(jì)數(shù)變量:將決策計(jì)數(shù)變量Countd初始化為I ; 步驟4.4，判斷決策計(jì)數(shù)變量:判斷決策計(jì)數(shù)變量Countd是否小于等于目標(biāo)類(lèi)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(shí)計(jì)數(shù)變量:將知識(shí)計(jì)數(shù)變量countK初始化為1 ; 步驟4.6，判斷知識(shí)計(jì)數(shù)變量:判斷知識(shí)計(jì)數(shù)變量countK是否小于等于知識(shí)數(shù)目n，如果是并且對(duì)應(yīng)知識(shí)Kv的決策屬性支撐矢量不存在，v=countK,則初始化知識(shí)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(biāo)志和等價(jià)計(jì)數(shù)變量:初始化匹配比例標(biāo)志Per為零，初始化等價(jià)計(jì)數(shù)變量CountI為1 ; 步驟4.8，判斷等價(jià)計(jì)數(shù)變量:判斷等價(jià)計(jì)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(jià)類(lèi)匹配判別:獲取知識(shí)集合Ω中第countK個(gè)知識(shí)Kv的第Count1個(gè)等價(jià)類(lèi)Xliv(Count1),將等價(jià)類(lèi)Xliv(Count1)與目標(biāo)類(lèi)別d的不可區(qū)分關(guān)系集合U/IND(d)中第CountdA等價(jià)類(lèi)Xd(Countd)進(jìn)行比較，根據(jù)匹配閾值門(mén)限α計(jì)算兩個(gè)等價(jià)類(lèi)的匹配目標(biāo)集合mapset和非匹配目標(biāo)集合unmapset,匹配目標(biāo)集合mapset為等價(jià)類(lèi)XKv (Count1)與等價(jià)類(lèi)Xd(Countd)的共有目標(biāo)集合,非匹配目標(biāo)集合unmapset為等價(jià)類(lèi)Xliv(Count1)除去匹配目標(biāo)集合后剩余目標(biāo)的集合，計(jì)算過(guò)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(jì)算機(jī)輔助決策系統(tǒng)知識(shí)選擇方法，其特征在于，針對(duì)目標(biāo)類(lèi)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(biāo)志，匹配程度越高，設(shè)置匹配比例標(biāo)志越`接近I ;匹配程度越低，設(shè)置匹配比例標(biāo)志越接近O。
【文檔編號(hào)】G06N5/00GK103870879SQ201410141422
【公開(kāi)日】2014年6月18日 申請(qǐng)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(qǐng)人:中國(guó)電子科技集團(tuán)公司第二十八研究所