一种粗糙近似表示系统中de近似表示的加速模块计算方法
【专利摘要】本发明公开了一种粗糙近似表示系统中DE近似表示加速模块计算方法，包括构建粗糙近似表示系统，形成数据映射，输入数据，数据判断及数据输出，等五个步骤。本发明较传统的智能信息识别计算方式有效的简化了数据计算的过程，提高了数据运算效率。特别是在大数据处理环境下，本模块可以有效地降低识别过程对计算系统硬件的要求，为提高各分系统活性，降低各分系统之间通讯开销提供了有效的解决方案。
【专利说明】
-种粗繼近似表示系统中DE近似表示的加速模块计算方法
技术领域
[0001] 本发明属于智能数据辨识处理技术领域，具体设及一种粗糖近似表示系统中DE近 似表示的加速模块计算方法。
【背景技术】
[0002] 在捜索引擎、邮件分类等数据分类过程中，人们会使用多种判别方法将其所得数 据进行分类整理。运种分类的形成就是数据挖掘出来知识，使用运种知识，人们可W探索， 如Google使用其捜索引擎探索量子计算机构建的可能性等。
[0003] 使用拟单层覆盖粗糖集理论构建的知识表示系统可用于存储整理分类知识，并其 分类知识应用于识别未知信息。随着数据的快速增加存储及识别过程速度也会降低，那么 在源数据数量日益增加的今天，快速地将未知数据集在已有数据集的基础上进行表示、识 别是我们面临的挑战。
[0004] -个需刻画集在粗糖近似表示系统中DE近似表示主要依赖于近似表示系统中数 据集的覆盖及系统中点集与覆盖集的关系运两部分内容。正是因为依赖性，在数据量比较 大的时候，DE近似表示模块也面临着计算效能不高的情况，因此有必要发明一种新模块，在 不改变运算结果前提下，提高运算效率。
【发明内容】
[0005] 本发明目的就在于克服上述不足，提供一种粗糖近似表示系统中DE近似表示的加 速模块。
[0006] 为实现上述目的，本发明是通过W下技术方案来实现： 一种粗糖近似表示系统中DE近似表示加速模块计算方法，包括如下步骤： 第一步，构建粗糖近似表示系统，根据处理目标数据内容及特点，构建粗糖近似值表示 系统，从该系统中选取相应的向量数据组，并将所选取的数据向量组进行分类汇总构成数 据集覆盖数据阵列； 第二步:形成数据映射，基于粗糖近似表示系统，形成与数据集覆盖数据阵列与待处理 数据的一对多映射，即整理系统中包含的所有覆盖及覆盖所对应有数据元素； 第=步:输入数据，根据待处理目标数据，输入需近似表示集X。 第四步:数据判断，任选覆盖集中一个覆盖K，判断K是否属于X。若是，贝化属于X的DE上 下近似表示，若否，则判断K是否与X相交。若是，贝化属于X的DE上近似表示，若否，贝化即不属 于X的上近似表示，也不属于X的下近似表示。 第五步:数据输出，遍历覆盖集中覆盖，重复第=步、第四步即可完整刻画X的肥上下近 似表示并输出。
[0007] 进一步的，所述的第四步中，具体数据判断过程为：若覆盖K与集合X之间满足 搂挂爱援Si,则K中所有元素包含于X的DE上下近似表示中，若覆盖K与集合X之间满足 K 抵、Xs C，贝化中所有元素包含于X的DE上近似表示中。
[0008] 本发明较传统的智能信息识别计算方式有效的简化了数据计算的过程，提高了数 据运算效率。特别是在大数据处理环境下，本模块可W有效地降低识别过程对计算系统硬 件的要求，为提高各分系统活性，降低各分系统之间通讯开销提供了有效的解决方案。
【附图说明】
[0009] 图1是本发明系统总体流程图； 图2是本发明中DE近似表示生模块示意图； 图3是本发明中DE下近似集使用算法1与算法2的计算速度； 图4是本发明中DE上近似集使用算法1与算法2的计算速度。
【具体实施方式】
[0010] 下面将结合本发明的附图及具体实施例，对本发明的技术方案进行清楚、完整地 描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发 明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施 例，都属于本发明保护的范围。
[00川实施例1 数据来源： 红酒数据集(Wine化化），该集合包含173个对象，有13个条件属性，1个决策属性。 如图1和2所述，一种粗糖近似表示系统中DE近似表示的加速模块计算方法，包括如下 步骤： 一种粗糖近似表示系统中DE近似表示加速模块计算方法，包括如下步骤： 第一步，构建粗糖近似表示系统，根据红酒数据集(Wine化化），内容及特点，构建粗糖 近似值表示系统，从该系统中选取相应的向量数据组，并将所选取的数据向量组进行分类 汇总构成数据集覆盖数据阵列； 第二步:形成数据映射，基于粗糖近似表示系统，形成与数据集覆盖数据阵列与待处理 数据的一对多映射，即整理系统中包含的所有覆盖及覆盖所对应有数据元素；
' 第=步:输入数据，根据待勿:理目标数据，输入需近似表示集X，随机生成一个需表示集' X={ 0, 32, 85, 172, 12, 115, 176, 13, 22, 168, 23, 40, 135, 23, 132, 147, 98}; 第四步:数据判断，任选覆盖集中一个覆盖K，判断K是否属于X。若是，贝化属于X的DE上 下近似表示，若否，则判断K是否与X相交。若是，贝化属于X的DE上近似表示，若否，贝化即不属 于X的上近似表示，也不属于X的下近似表示； X的DE下近似表示=y&!4244211224112, 1122122421421，2222411424112， 2222111412112, 2122222121441, 2142122121244, 4121144242424, 4121222221422, 2224211112111, 4121222121244, 4222111214112, 2422111414112, 4121244242242, 1112144122222, 4121444142244}, X的DE上近似表示=IJ 叫（4244211224112，1122122421421，2222411424112， 2222111412112, 2122222121441, 2142122121244, 4121144242424, 4121222221422, 2224211112111, 4121222121244, 4222111214112, 2422111414112, 4121244242242, 1112144122222, 4121122122424, 4121444142244}； 第五步:数据输出，遍历覆盖集中覆盖，重复第=步、第四步即可完整刻画X的肥上下近 似表示并输出， X的DE下近似表示={0，13，22，23，32，40，85，98，115，132，135，147，168， 172, 176}； X的DE上近似表示={ 0，11，12，13，22，23，32，40，85，98，115，132，135， 147， 168， 172， 176}。
[0012]实施例2 森林覆盖类型数据(Forest Covertype Data)的部分数据，Forest Covertype Da1:a其 中包含581012个对象，有54个条件属性，I个决策属性； 如图1和2所述的一种粗糖近似表示系统中DE近似表示加速模块计算方法，包括如下步 骤： 第一步，构建粗糖近似表示系统，根据处理目标数据内容及特点，构建粗糖近似值表示 系统，从该系统中选取相应的向量数据组，并将所选取的数据向量组进行分类汇总构成数 据集覆盖数据阵列，此处选用Forest Covedype Data中較滋满的对象，约2906个对 象，条件属性选取前6个条件属性。 第二步:形成数据映射，基于粗糖近似表示系统，形成与数据集覆盖数据阵列与待处理 数据的一对多映射，即整理系统中包含的所有覆盖及覆盖所对应有数据元素；
' 第=步：输入数据，根据待处理目标数据，输入需近似表示集X，在数据中随机选取I 25%-35%的数据对象组成一个测试用"需刻画集"，选取100个"需刻画集r (局部）；
第四步:数据判断，任选覆盖集中一个覆盖K，判断K是否属于X。若是，贝化属于X的DE上 下近似表示，若否，则判断K是否与X相交。若是，贝化属于X的DE上近似表示，若否，贝化即不属 于X的上近似表示，也不属于X的下近似表示。
[0013] 第五步:数据输出，遍历覆盖集中覆盖，重复第S步、第四步即可完整刻画X的DE上 下近似表示并输出。
[0014] 基于上述步骤进行计算，传统的粗糖近似表示空间中DE近似表示计算算法（简记 为算法1)与本发明DE表示加速算法(简记为算法2)计算100组需表示集X的DE近似表示。其 中，X中各个需要表示集的DE下近似集使用算法1与算法2的计算速度如图3所示，其中由于 计算度量方面的考虑，将算法2的时间放大200000倍进行表示。
[0015] X中各个需要表示集的DE上近似集使用算法1与算法2的计算速度如图4所示，其 中由于计算度量方面的考虑，将算法2的时间放大1000倍进行表示： W上所述，仅为本发明的【具体实施方式】，但本发明的保护范围并不局限于此，任何熟悉 本技术领域的技术人员在本发明掲露的技术范围内，可轻易想到变化或替换，都应涵盖在 本发明的保护范围之内。因此，本发明的保护范围应所述W权利要求的保护范围为准。
【主权项】
1. 一种粗糙近似表示系统中DE近似表示加速模块计算方法，其特征在于:所述的粗糙 近似表示系统中DE近似表示加速模块计算方法包括如下步骤： 第一步，构建粗糙近似表示系统，根据处理目标数据内容及特点，构建粗糙近似值表示 系统，从该系统中选取相应的向量数据组，并将所选取的数据向量组进行分类汇总构成数 据集覆盖数据阵列； 第二步:形成数据映射，基于粗糙近似表示系统，形成与数据集覆盖数据阵列与待处理 数据的一对多映射，即整理系统中包含的所有覆盖及覆盖所对应有数据元素； 第三步:输入数据，根据待处理目标数据，输入需近似表示集X; 第四步:数据判断，任选覆盖集中一个覆盖K，判断K是否属于X，若是，则K属于X的DE上 下近似表示，若否，则判断K是否与X相交，若是，则K属于X的DE上近似表示，若否，则K即不属 于X的上近似表示，也不属于X的下近似表示； 第五步:数据输出，遍历覆盖集中覆盖，重复第三步、第四步即可完整刻画X的DE上下近 似表不并输出。2. 根据权利要求1所述的一种粗糙近似表示系统中DE近似表示的加速模块计算方法， 其特征在于:所述的第四步中，具体数据判断过程为:若覆盖K与集合X之间满足 ，则K中所有元素包含于X的DE上下近似表示中，若覆盖K与集合X之间满足1??拿:?? XV0 ，则K中所有元素包含于X的DE上近似表示中。
【文档编号】G06K9/62GK106022476SQ201610238081
【公开日】2016年10月12日
【申请日】2016年4月15日
【发明人】吴正江, 毋东, 张江丽
【申请人】河南理工大学