[发明专利]一种基于包含度的模糊粗糙单调数据挖掘方法

摘要

本发明参照模糊粗糙集的理论，提出基于包含度的模糊粗糙单调数据挖掘方法，通过对决策属性和条件属性按值重新排列后，然后对重新排列后的集合进行区间划分，然后根据各个区间的隶属函数和各个区间的包含度，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；通过关系模型挖掘决策属性和条件属性之间的初步关系，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，现有的属性约简算法一般针对有限的数据值集，本发明可以针对海量的不规则数据，而且数据量越大，越能体现算法的优越性。

主权项

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Ci的数据值的集合重新排序，形成有序集合Ci′；(2)对象集合U根据D′，得到对象重新排列的有序集合UD，对象集合U根据Ci′，得到对象重新排列的有序集合Ui；(3)根据UD和Ui中对象的决策属性值与条件属性值之间的关系，以及UD和Ui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UD和Ui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UD和Ui进行区间划分，若大于0.5，则求出UD和Ui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Ci是模糊包含单调依赖关系；(4)根据决策属性D和条件属性Ci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。