一种基于粗糙集信息决策表的基本概率赋值计算方法

摘要

本发明公开了一种基于粗糙集信息决策表的基本概率赋值计算方法，包括步骤：1)将信息源中条件属性按粗糙集信息决策表中条件属性顺序进行排序；2)建立基于信息源的条件属性子集R’，并计算R’在粗糙集信息决策表中的不可分辨关系[x]

说明书

技术领域

本发明属于信息技术领域，具体涉及一种基于粗糙集信息决策表的基本概率赋值计算方法。

背景技术

证据理论广泛用于医学诊断、目标识别、军事指挥等众多领域，证据理论需要综合考虑来自多源的不确定信息，如多个传感器的信息、多位专家的意见等。而基本概率赋值是证据理论中实现信息融合决策的前提，通过计算信息源的基本概率赋值，以完成信息推理及信度决策。如何有效利用已有的信息决策表计算未知信息源的基本概率赋值，对实现信息融合决策具有重要意义。

目前，计算证据理论中信息源基本概率赋值的方法主要有专家投票加权平均法、根据目标类型和环境加权系数确定基本概率赋值法以及根据模式之间相似度获取基本概率赋值法等。其中，专家投票加权法通过将专家意见定量化并求解其对于各信息源的加权平均值来计算基本概率赋值，但此方法受专家经验影响较大，不利于信息的客观表达。对于此种影响，根据目标类型和环境加权系数确定基本概率赋值的方法和根据模式之间相似度获取基本概率赋值的方法需要经过一系列的矩阵变换和迭代求解，逻辑较复杂。纵观已有的基本概率赋值计算方法，尚存在以下问题：(1)大部分方法依赖专家经验，基本概率赋值的取值受专家经验影响较大，不利于信息的客观表达；(2)从各信息源中获取基本概率赋值的方法逻辑较为复杂，不利于信息决策的快速实现和响应。

发明内容

本发明旨在提出一种基于粗糙集信息决策表的基本概率赋值计算方法，该方法能够克服现有技术的缺点与不足，通过基于信息源的不可分辨关系的划分，使基本概率赋值计算的复杂程度相比传统方法大大减少，有利于信息信度决策的快速实现和响应。方法简单、高效，为信息的有效处理和识别提供理论支撑。

本发明采用如下技术方案来实现的：

一种基于粗糙集信息决策表的基本概率赋值计算方法，包括以下步骤：

1)将信息源中条件属性按粗糙集信息决策表中的条件属性顺序进行排序；

2)建立基于信息源的条件属性子集R’，并计算R’在粗糙集信息决策表中的不可分辨关系[x]_R’，形成不分辨关系集合IND(R’)；

3)计算不分辨关系集合IND(R’)中各元素所属粗糙集信息决策表中不同决策属性的个数d；

4)计算信息源对于粗糙集信息决策表中各决策属性的基本概率赋值P。

本发明进一步的改进在于，步骤1)中，将信息源中存在的条件属性按粗糙集信息决策表中条件属性顺序进行排序后，并将信息源中缺少的条件属性值置为0。

本发明进一步的改进在于，步骤2)中，具体包含以下步骤：

201)建立基于信息源的条件属性子集R’＝{r₁,r₂,…,r_n}：

其中，条件属性子集R’中的元素r_n表示与粗糙集信息决策表中第n个条件属性对应信息源中的值，n＝1,2,3,....N，N是粗糙集信息决策表中条件属性个数；

202)计算在粗糙集信息决策表中的不可分辨关系[x]_R’：

对比粗糙集信息决策表中每条规则元素x_i中条件属性与集合R’＝{r₁,r₂,…,r_n}中不为0的元素，将所有不为0的元素相同的对应规则元素取出，形成不分辨关系集合IND(R’)；

其中，x_i指粗糙集信息决策表中的规则元素，每条规则元素有一组条件属性和一个决策属性组成，i＝1,2,3,....I，I指粗糙集信息决策表中规则元素个数。

本发明进一步的改进在于，步骤3)中，具体实现方法如下：

301)将粗糙集信息决策表中各规则元素对应决策属性D相同的规则元素分别形成集合：[x]_D1,[x]_D2,…,[x]_Dj；

其中，j＝1,2,3,....J，J是粗糙集信息决策表中决策属性个数；

302)计算不分辨关系集合IND(R’)分别与[x]_D1,[x]_D2,…,[x]_Dj交集的元素个数d＝|[x]_R’∩[x]_D|，d＝d₁,d₂,…,d_j。

本发明进一步的改进在于，步骤4)中，具体实现方法如下：

401)计算不分辨关系集合IND(R’)中元素总个数X；

402)计算得到信息源对于粗糙集信息决策表中各决策属性D的基本概率赋值P_m＝d_m/X,m＝{1,2,…,J}。

本发明具有如下有益的技术效果：

本发明可以广泛用于信息处理技术中信息源基本概率赋值的计算，通过基于信息源的不可分辨关系的划分，使基本概率赋值计算的复杂程度相比传统方法大大减少，有利于信息信度决策的快速实现和响应，为信息的有效处理和识别提供理论支撑。

进一步，将信息源中条件属性按粗糙集信息决策表中条件属性顺序进行排序，将信息源缺少的条件属性置为0，有利于计算信息源在粗糙集信息决策表不可分辨关系。

进一步，通过建立基于信息源的条件属性子集，可以快速形成信息源在粗糙集信息决策表中的不可分辨关系，方法高效、清晰明确。

进一步，计算信息源在粗糙集信息决策表中的不可分辨关系中各元素所属粗糙集信息决策表中不同决策属性的个数，有利于提取信息源所有可能对应的决策属性，便于实现基本概率赋值的计算。

进一步，本发明通过分析信息源与粗糙集信息决策表中规则的相似性，将不可分辨关系作为计算基本概率赋值的基础，建立基本概率赋值的计算方法，有利于从粗糙集信息决策表中提取知识，获取信息源的基本概率赋值。

综上所述，相比于传统方法，本发明不需要依赖人工经验进行基本概率赋值的计算，并且当存在多个信息源时从粗糙集信息决策表中计算信息源的基本概率赋值方法具有更快的响应能力，有利于现场应用。

附图说明

图1为本发明实施方法的总体流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，下面结合实施例及附图对本发明作进一步详细说明，但本发明的实施方式不限于此。

表1为某个粗糙集信息决策表，其中X列表示粗糙集信息决策表中的决策元素，每个决策元素对应一组条件属性集{r₁,r₂,r₃,r₄}和一个决策属性D。粗糙集信息决策表中条件属性个数N＝4，决策属性个数J＝3。当信息源的条件属性为r₂＝1,r₃＝1时，计算信息源基于粗糙集信息决策表的基本概率赋值。

表1：

具体来说，如图1所示，本发明提出的一种基于粗糙集信息决策表的基本概率赋值计算方法，包括以下步骤：

1)将信息源中条件属性按粗糙集信息决策表中的条件属性顺序进行排序：

信息源的条件属性为r₁＝0,r₂＝1,r₃＝1,r₄＝0；

2)建立基于信息源的条件属性子集R’，并计算R’在粗糙集信息决策表中的不可分辨关系[x]_R’，形成不分辨关系集合IND(R’)，包含以下步骤：

201)建立基于信息源的条件属性子集R’＝{r₁,r₂,r₃,r₄}：

R’＝{0,1,1,0}；

202)计算在粗糙集信息决策表中的不可分辨关系[x]_R’：

对比粗糙集信息决策表中每条规则元素x_i中条件属性与集合R’＝{0,1,1,0}中不为0的元素，将所有不为0的元素相同的对应规则元素取出，形成不分辨关系集合IND(R’)＝{x₇,x₁₂,x₁₃}；

3)计算不分辨关系集合IND(R’)中各元素所属粗糙集信息决策表中不同决策属性的个数d＝|[x]_R’∩[x]_D|包含以下步骤：

301)将粗糙集信息决策表中各规则元素对应决策属性D相同的规则元素分别形成集合：

[x]_D1＝{x₁x₄x₇x₁₀x₁₃x₁₆}；

[x]_D2＝{x₂x₅x₈x₁₁x₁₄}；

[x]_D3＝{x₃x₆x₉x₁₂x₁₅}；

302)计算不分辨关系集合IND(R’)分别与[x]_D1,[x]_D2,…,[x]_Dj交集的元素个数：d₁＝2,d₂＝0,d₃＝1；

3)计算信息源对于粗糙集信息决策表中各决策属性的基本概率赋值P包含以下步骤：

401)计算不分辨关系集合IND(R’)中元素总个数X＝3；

402)计算信息源对于粗糙集信息决策表中各决策属性D的基本概率赋值：P₁＝d₁/X＝2/3、P₂＝d₂/X＝0、P₃＝d₃/X＝1/3。

以上所述仅为本发明的优选实施示例，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。