[发明专利]一种基于形式向量的决策信息系统知识获取方法

说明书

本发明公开了一种基于形式向量的决策信息系统最简知识获取方法，该方法以决策形式背景为研究对象，定义了描述信息系统潜在知识的形式向量；引入粒度的思想，由粗到细求取不同粒度空间下的形式向量，并基于父子向量关系构建形式向量树，实现了规则获取过程的可视化；在获取最简规则的过程中，通过条件形式向量和决策形式向量的关系提取最简规则，简化了规则的判定过程；设定规则是否覆盖整个论域为终止条件，使得获取的每条规则之间不存在冗余，保证了规则个数最小且加快了算法的收敛速度；由于采用较少的规则，以及规则长度的最小化，使得本算法同时兼具了较高的识别率。

技术领域

本发明涉及人工智能中的知识获取与知识约简领域，尤其涉及一种基于形式向量的决策信息系.知识获取方法。

背景技术

随着大数据时代的来临以及网络的进一步发展，信息在计算机与信息系统的相关研究中呈现越来越重要的作用。信息系统是机器学习的主要研究对象，决策信息系统是信息系统的一种重要的表现形式。

知识表示，既不是一种数据格式，也不是一种编程语言，它不同于数据结构，是一种易于让计算机处理的方式来表示人脑的知识，相对于人工智能而言，知识与数据的区别在于，知识是可以推理的。知识获取是人工智能中的关键问题，而规则获取是其中一项重要的研究内容。

粗糙集理论(rough set theory,RST)是由波兰学者Z.Pawlak提出的，它是一种有效的处理模糊和不确定性知识的数学工具，主要是对于不确定信息的近似逼近，采用近似算子进行刻画，可以对数据进行分析、推理，进而挖掘数据中隐含的知识，揭示内在的规律。利用粗糙集对决策信息系统进行规则提取吸引了众多学者的研究。代建华等人从属性的角度出发，提出了基于分类一致性的决策规则获取算法，虽然该算法的泛化能力较强，但获取的规则中仍然存在冗余属性；王石平等人将粗糙集理论中的等价类表示为图和矩阵，使规则提取过程变得直观、易懂；刘鑫等人基于多粒度粗糙集，提出了规则获取问题的一般性理论框架，其中主要包含粒度和知识粒的选择，并且指出了该理论框架的应用前景；陈泽华等人通过定义粒关系矩阵，在不同粒度条件下依据启发式信息对信息粒进行约简并获取规则，该算法的正确识别率较高且规则泛化能力强，但算法复杂度较高；康向平等人等人通过将概念格理论引入粗糙集的研究中，提出一种基于相容关系的变精度粗糙集模型，为粗糙集的扩展提供了新的思路；阎红灿等人提出了一种基于粒计算的粗决策规则约简算法，通过定义分辨算子，按贡献度对属性进行排序，大大提高了属性约简的搜索效率。

1982年Wille提出了概念格(concept lattice)理论，运用概念格进行数据分析，可以发现数据中隐含的知识、揭示潜在的规律。概念格的研究对象是形式背景，概念格理论也被称作形式概念分析(formal concept analysis,FCA)。近年来，很多学者利用FCA对决策表的规则提取进行了广泛的研究：针对完备决策表，李金海等人提出了一种无冗余规则获取算法，该算法避免了算子的计算，在一定程度上降低了算法复杂度，但在某些情况下，获取的规则中仍然存在冗余属性；苗夺谦等人将形式背景中的属性和对象都进行了粒化，降低了形式背景的规模、减少了算法复杂度，但是粒化使得算法在一定程度上损失了知识约简的准确性；邵明文等人等基于形式概念分析研究了If-then规则，提出了非冗余规则获取算法，并且该方法同样适用于不一致决策形式背景。

发明内容

本发明为了克服现有技术中存在的不足，所要解决的技术问题为：针对当前基于粗糙集、概念格的规则获取技术方案存在着规则属性冗余、规则准确性不足、不适配不一致场景的问题，提出一种基于形式向量的决策信息系统知识获取方法的改进；为了解决上述技术问题，本发明采用的技术方案为：一种基于形式向量的决策信息系统知识获取方法，包括如下步骤：

步骤S110：将决策信息系统转化为决策形式背景，根据决策形式背景求取所有单属性非零条件形式向量和决策形式向量它们分别构成条件形式向量树和决策形式向量树的第一层节点，上述U表示对象的非空有限集合，C′为条件属性集，D′为决策属性集且C′∩D′＝φ，I和J表示对象集和条件属性集、决策属性集间的一种二元关系；