[发明专利]基于模糊优先级的二阶段实例层数据集成方法

权利要求书

1.一种基于模糊优先级的二阶段实例层数据集成方法，其特征在于，包括模糊优先级模型建立和二阶段实例层数据集成，其中：所述模糊优先级模型建立包括分布式存储节点优先级指标的设置、优先级指标的模糊化表示；所述二阶段实例层数据集成包括利用投票机制的强弱冲突判断、弱冲突解决以及强冲突解决； 

实现步骤如下： 

步骤1，为分布式存储节点进行优先级指标定性判断，然后采用三角模糊数对优先级指标进行表示，同时为各个优先级指标根据应用需求赋以权值； 

步骤2，对于发生实例层冲突的记录项，按照集成准确度的需求选用三分之二投票制或半数投票制的方法区分出强弱冲突； 

若冲突为弱冲突，则转向步骤3；否则，转向步骤4； 

步骤3，对于弱冲突情况，采用多数属性值一致的记录作为集成后的输出结果，转向步骤5； 

步骤4，对于强冲突情况，根据记录所来源的分布式存储节点优先级指标进行集成，包括获取融合矩阵、规格化、构建融合决策矩阵、去模糊化、计算与正理想解和负理想解的距离、综合评估步骤，执行完毕后转向步骤5； 

步骤5，若存在记录未集成，则重复步骤2；否则，集成完毕。 

2.根据权利要求1所述的基于模糊优先级的二阶段实例层数据集成方法，其特征在于，所述步骤4的具体实施步骤如下： 

步骤4-1，将n条来自不同分布式存储节点的待集成记录，按照它们所属节点的优先级指标建立融合矩阵； 

步骤4-2，根据步骤4-1所得到的融合矩阵中三角模糊数的值情况，进行成本型指标或收益型指标的规格化； 

步骤4-3，通过步骤1所获得的优先级指标权值与步骤4-2获得的规格化融合矩阵构建融合决策矩阵； 

步骤4-4，对步骤4-3获得的融合决策矩阵去模糊化处理； 

步骤4-5，对步骤4-4获得的去模糊化后的融合决策矩阵，计算每条记录与正理想解和负理想解的距离； 

步骤4-6，按照步骤4-5的处理结果，计算每条记录与正理想解的隶属度， 并按照隶属度排序，隶属度最大的记录所存储的属性即为集成后的结果，结束步骤4。 

3.根据权利要求2所述的基于模糊优先级的二阶段实例层数据集成方法，其特征在于，所述分布式存储节点优先级包括置信度、可用性、出错性三个指标；置信度指标描述了分布式存储节点所提供数据的准确度及权威性；可用性指标描述了分布式存储节点上的数据在某一时段的可用程度；出错性指标描述了分布式存储节点运行的稳定性及发生故障的可能性； 

所述优先级指标从其影响关系上可以分为两类：成本型指标和收益型指标；成本型指标值越大，表明其成本越低，优先级越高；反之，收益型的指标值越大，表明其收益越高，优先级越高； 

所述优先级指标在优先级模型中存在权重关系，描述了各个指标在优先级中的作用程度，用权重向量w=(w₁,w₂,w₃)表示；其中w_j表示分布式存储节点的第j个优先级指标权值，且

4.根据权利要求3所述的基于模糊优先级的二阶段实例层数据集成方法，其特征在于，所述优先级指标的模糊化指的是对分布式存储节点的优先级指标采用三角模糊数进行描述；三角模糊数用M=(m_l,m,m_r)来表示，其中m_l表示M所支撑的上界，m_r表示M所支撑的下界，m表示M的中值；去模糊化的计算公式如下： 

   公式1 

v_M表示三角模糊数M去模糊化后的数值。