5.2.1.1 属性值粗化时基于正域的动态属性约简原理
假设有一个动态决策表,当属性值随着时间而发生变化时,重新计算属性等价关系需要花费大量的时间,为了克服这个缺陷,增量式学习方法在粗化前的等价关系矩阵基础上,通过快速更新原来的等价关系矩阵而得到粗化后的等价关系矩阵.当决策表属性值发生粗化时,定理5.7 和5.8 给出了等价关系矩阵更新机制,然后得到属性值粗化后决策表的正域.
定义5.1 信息系统S=(U,A=C∪D,V,f),B ⊆C 且B≠Ø,al∊B,设 f(xi,al)≠f(xk,al),
令 f(xi,al)=f(xk,al),,则称属性值 f(xi,al)粗化为 f(xk,al) .
设X=,X 是元素 xi 的等价类,Y 是元素 xk 的等价类.IX={i|xi∊X,X ⊆U},IY={i|xi∊Y,Y ⊆U},则 IX是集合X 中的元素下标组成的集合,IY是集合Y 中的元素下标组成的集合.
定理5.7 信息系统S=(U,A=C∪D,V,f),{al}⊆ B,属性al 的等价关系矩阵为,属性集B-{al}的等价关系矩阵为,当属性 al 的值粗化后,其对应的等价关系矩阵中元素表示为:
定理5.8 设决策信息系统S=(U,A=C∪D,V,f),条件属性 al∊C,RC 是论域U 上的等价关系,则其等价关系矩阵为,从属性集C 中删除属性 al 后,是论域U 上的等价关系,则其对应的等价关系矩阵的元素表示为:
注释:当从属性集C 中删除属性 al 时,如果mij=1时,更新后的mij是不变的[12].
5.2.1.2 属性值粗化时基于正域的动态属性约简算法
根据等价关系矩阵增量式更新机制,当决策表中属性值发生变化(粗化)时,我们依据定理5.7 和5.8 设计了属性值粗化时基于正域的动态属性约简算法5.3,所提出的动态属性约简算法是在原有约简基础上,通过快速更新等价关系矩阵,能在较短的时间内找到决策信息系统变化后的约简.
算法5.3 属性值粗化时基于正域的动态属性约简算法:
输入:粗化前等价关系,约简的等价关系矩阵和属性的一个约简RED,属性b 的值发生粗化.(www.xing528.com)
输出:输出粗化后的属性约简RED↓.
Setp1:计算删除属性b 的等价关系矩阵
Setp2:计算等价关系矩阵和;
Step3:RED↓=RED;
Step4:计算属性值粗化后的POSC(D)↓和POSRED(D)↓,如 果POSC(D)↓=POSRED(D)↓,转到Setp6,否则执行Setp5;
Setp5:For i=1 to|C-RED|
5.1 按照属性依赖度的大小增加属性 Ci;
5.2 计算增加属性后的等价关系矩阵
5.3 计算增加属性更新后的对角矩阵:
5.4 计算增加属性后D 关于RED∪{Ci}的正域
Setp6:输出粗化后的最小属性约简RED↓.
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。