[发明专利]一种复杂多源异构数据同化方法

说明书

本发明提供了一种复杂多源异构数据同化方法，所述复杂多源异构数据同化方法包括如下步骤：一、收集决策数据信息，并分析所述决策数据信息的数据类型特征；二、将所述数据类型特征中的描述性语言用直觉模糊集的形式表示出来，并与所述数据类型特征中的实数分别转化为区间数；三、将所述区间数进行归一化处理。本发明的有益效果是：所示复杂多源异构数据同化方法针对的是复杂多源异构数据，实现了对描述性文字的数字化表达，处理的方法考虑了描述内容的不确定性和模糊性，并且分析了实数、直觉模糊数和区间数的数据结构特征，将它们转化为同一种数据结构，并进行规范化处理，统一了度量标准。

技术领域

本发明涉及一种复杂多源异构数据同化方法。

背景技术

在进行决策时，由于决策目标的不同或者决策者对决策的表示形式不同往往会产生混合数据信息，造成决策的时候各指标间存在不可公度性和矛盾性。基于多源异构指标的决策已经广泛存在于综合评定、方案优选、效能评估和作战决策等领域中，因此对于多源异构指标需要进行同化处理，从而为决策模型提供形式和度量单位统一的指标数据。

目前，现有的针对多源异构数据的处理方案，绝大多数针对的是同一个指标是同一种数据结构的问题，不同指标间数据结构不同。表现形式如表1所示，每列的数据结构相同，每行的数据结构不同。少部分有限条件地解决异构数据的决策方法，即对于每个指标来讲数据格式是一致的，不同指标间的数据格式不同。如表2所示，每行和每列的数据结构均不同。以上两种方法所处理的文本为硬性刻画指标特征的评语集，非实际决策过程中采集得到的描述性文本。

表1 常见的多源异构指标格式1

表2 常见的多源异构指标格式2

但是在实际决策过程中，由于决策问题本身的复杂性和数据资料的不完备性，使得决策指标来源丰富、类型多样，度量单位也不一。表现如表3所示，不但各行列数据格式不同，而且文字为对指标内容的描述性文本。带来的问题如下：

1、如何有效地利用收集到的描述性文本信息，将其数字化处理，且表达出决策对象指标的不确定性；

2、如何将复杂的多源数据结构转化为单一数据结构，且统一度量单位。

表3 复杂多源异构指标格式

发明内容

本发明的目的在于针对现有技术的缺陷或问题，提供一种复杂多源异构数据同化方法，其可以把复杂多源异构数据处理成一种数据结构形式，且进行标准化处理，使得各指标统一度量单位。

本发明的技术方案如下：一种复杂多源异构数据同化方法包括如下步骤：一、收集决策数据信息，并分析所述决策数据信息的数据类型特征；二、将所述数据类型特征中的描述性语言用直觉模糊集的形式表示出来，并与所述数据类型特征中的实数分别转化为区间数；三、将所述区间数进行归一化处理。

优选地，在步骤二中，将所述数据类型特征中的描述性语言用直觉模糊集的形式表示出来的步骤具体为：定义设X是一个非空集合，称F是一个直觉模糊集：

F＝{<x，u_F(x)，v_F(x)>|x∈X}，

其中，0≤u_F(x)+v_F(x)≤1，u_F：X→[0，1]，v_F：X→[0，1]；u_F(x)和v_F(x)分别称为元素x对集合F的隶属度和非隶属度，π_F(x)＝1-u_F(x)-v_F(x)是元素x对集合F的犹豫度，即不确定性度。