[发明专利]一种基于包含度的模糊粗糙单调数据挖掘方法

权利要求书

1.一种基于包含度的模糊粗糙单调数据挖掘方法，其特征在于，包括：

(1)决策属性D的数据值的集合重新排序，形成有序集合D′；条件属性C_i的数据值的集合重新排序，形成有序集合C_i′；

(2)对象集合U根据D′，得到对象重新排列的有序集合U_D，对象集合U根据C_i′，得到对象重新排列的有序集合U_i；

(3)根据U_D和U_i中对象的决策属性值与条件属性值之间的关系，以及U_D和U_i之间按划分所得的包含度，设定判定规则，对决策属性和条件属性之间的关系进行判断，从而建立模糊包含单调依赖关系模型；

所述判断规则如下：

对U_D和U_i进行区间划分，并对根据划分出来的对应区间的隶属函数值进行判断，若小于0.5则重新对U_D和U_i进行区间划分，若大于0.5，则求出U_D和U_i划分的区间中最后一个区间的元素个数与这次划分设定的元素个数k的比值l；

当隶属函数值大于0.5时，若l值小于0.5，或者当l值大于0.5时，最后一个区间隶属函数值不为零，则判定决策属性D和条件属性C_i是模糊包含单调依赖关系；

(4)根据决策属性D和条件属性C_i是模糊包含单调依赖关系，建立决策属性和条件属性的模糊包含单调依赖关系模型，挖掘出与决策属性D有模糊包含单调依赖关系的条件属性形成数据挖掘的初步集合；

(5)设定决策过虑规则，求出条件属性约简的数据集和最优数据。

2.根据权利要求1所述的基于包含度的模糊粗糙单调数据挖掘方法，其特征在于，所述决策属性D的数据值和条件属性C_i的数据值均按从小到大的顺序重新排序，形成有序集合D′和C_i′。

3.根据权利要求1所述的基于包含度的模糊粗糙单调数据挖掘方法，其特征在于，所述决策属性D的升序和条件属性C_i的降序进行重新排序，形成有序集合D′和C_i′。

4.根据权利要求2或3所述的基于包含度的模糊粗糙单调数据挖掘方法，其特征在于，对象集合U根据D′，得到对象重新排列的有序集合U_D具体为：

根据对象集合和决策属性、条件属性之间的映射关系，通过该映射关系的逆映射根据重新排列的有序集合D′和C_i′获得有序集合U_D和U_i。

5.根据权利要求2或3所述的基于包含度的模糊粗糙单调数据挖掘方法，其特征在于，所述步骤(3)中，根据元素个数从1至循环依序划分U_D和U_i的区间，每次循环U_D和U_i分别被划分为个区间，其中n为U中的对象个数；根据U_D和U_i均划分为的个区间中，前面p-1个区间的条件属性和决策属性之间隶属函数的值是否都大于0.5进行判断，如果是就求出第p个区间元素个数与元素个数k的比值l，并求出第P个区间隶属函数的值和记录k的值，否则对记录k值的变量清零，并进入下一次循环；

求出当隶属函数的值大于0.5时最小的k值记为R_k，R_k不为零，l值小于0.5，或者当l值大于0.5时，第P个区间隶属函数的值不为零，则判定决策属性D和条件属性C_i是模糊包含单调依赖关系。