CN103838977A - 一种基于因素空间的对象分类方法 - Google Patents

一种基于因素空间的对象分类方法 Download PDF

Info

Publication number
CN103838977A
CN103838977A CN201410113282.6A CN201410113282A CN103838977A CN 103838977 A CN103838977 A CN 103838977A CN 201410113282 A CN201410113282 A CN 201410113282A CN 103838977 A CN103838977 A CN 103838977A
Authority
CN
China
Prior art keywords
attribute
circle
similarity
factor
represent
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201410113282.6A
Other languages
English (en)
Inventor
王诗
王伟
张敏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Liaoning Technical University
Original Assignee
Liaoning Technical University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Liaoning Technical University filed Critical Liaoning Technical University
Priority to CN201410113282.6A priority Critical patent/CN103838977A/zh
Publication of CN103838977A publication Critical patent/CN103838977A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种基于因素空间的对象分类方法，其特征在于，基于因素空间理论对多域值属性影响对象集合进行聚类分析，提出了以研究对象为中心的图形化域值属性表示方法属性圆，属性圆可以表示无穷多个域属性对对象的影响；其包括如下步骤：先基于属性圆概念进行对象的相似性分析，后为计算方便将图形定义转化为数值相似性定义，进而研究了对象集合的聚类分析方法；本发明可用于考虑多域值属性影响对象集合进行聚类分析。

Description

一种基于因素空间的对象分类方法
技术领域
本发明涉及系统工程，特别是涉及考虑多域值属性影响的对象集合进行聚类分析。
背景技术
在对某电器系统安全性进行调研时，对一位操作者提出系统安全性问题后的回答：系统在12℃以下多出现故障，工作七八十天后故障较多，系统严重不稳定。这个例子有一些特点，第一例子是一个多因素决策系统；第二因素的表达是一个域值，即因素是一个范围；第三基础数据来源于多个使用者的经验，不同的工作时间和工作环境使他们对系统的评价基础不同；第四基础数据是人的一种对事物的描述，具有模糊性。第五如何知晓这些描述的置信度，这些描述是否可以相互佐证。
当然，目前有一些方法可以对描述语义进行处理。钱怡等对对象定位处理中分类信息融合技术进行了研究；余晓敏等利用改进SEaTH算法研究了面向对象分类特征选择方法；窦丹丹等基于信息熵和SVM多分类对飞机液压系统故障进行了诊断；牛俊磊等基于全方位优化算法的改进了马田系统分类方法；黄恒秋等实现了混合值不完备决策信息系统的粗糙分类方法。但是就上述例子而言显得捉襟见肘。
因素是分析事物属性与因果关联的要素。因素空间是以因素命名的坐标空间，它是事物描述的普适性的数学框架。是人工智能特别是智能数据科学的基本数学理论。
因素被数学地定义为一种映射。它把一个对象（具体事物）映射成为一个属性值（用自然语言中的形容词来描述），这种映射称为质映射；同时，也映射成为一个性态（用有限维欧式空间中的实向量来表示）这种映射称为量映射。例如，身高是一个映射，它把一个对象张三映射成性态‘很高’，同时，也映射成一个量态1.8（米），如图1所示。任何事物都同时存在着质与量的两种规定性。从量变到质变，量决定质。
基于这一哲理，我们设定这两种映射共存。因素f的量映射形成一个（一维或高维）坐标轴Xf，f的质映射所得的属性值是Xf中的普通或模糊子集。有关模糊子集的形成方法由模糊集理论早已解决。
因素是分析，是抽象，回到具体，便是认识的分析综合过程。 如图所示，把诸因素轴联合起来，就得到以因素命名的坐标架，这就是因素空间。任何事物都可以被看成是因素空间中的点。数学的定义便是以因素F 为指标集的一个集合族。这里F是诸因素所形成的一个集合，由于因素与因素之间存在着布尔运算，F是一个布尔代数，故因素空间被定义成以布尔代数为指标集的集合族。
因素库是一种新的数据库，它是因素空间理论的数据实现，它对数据的处理采用一系列的基本表格形式。
 用因素空间来研究和处理因素库，除了能干净利落地从其概念分析表进行属性划分和概念格的提取外，还有很多更加深入的理论和应用，主要研究的表型还有：（1）因素分析表（定量值域生成定性值域，因素相关分析，事件因果分析）；（2）加入目标因素进行优化的多目标决策表；（3）加入安全因素进行评估的安全警示表；（4）加入控制因素进行调节的稳定调节表；（5）因素词典及因素表头库的建立。
发明内容
1 属性圆的概念及性质
如图1所示，为人的因素空间性态表述图。该图能表示因素空间的基本建立思想，即对象集中的某一个对象（一个人）与这个对象属性之间的关系，只要属性确定下来，那么一个实例化的人就确定了。但是在实际问题中，问题的研究对象往往属性较多，使用图1形式，其属性的大小方向及它们和属性之间的关系难以确定且不直观，难以进行进一步分析。所以作者提出了属性圆的概念。同时为表述方便先给出实例中对象                                                
Figure 812390DEST_PATH_IMAGE001
的属性圆，如图2所示。
 
定义1 设系统
Figure 463951DEST_PATH_IMAGE002
为决策表，
Figure 978109DEST_PATH_IMAGE003
为对象集合，m为对象数量；
Figure 966793DEST_PATH_IMAGE004
为条件属性集，n为条件数量，
Figure 515586DEST_PATH_IMAGE005
属性是一个连续的区间，
Figure 931524DEST_PATH_IMAGE006
;
Figure 932978DEST_PATH_IMAGE007
；
Figure 866299DEST_PATH_IMAGE008
k为决策数量。如需区别对象之间的变量概念，在变量下方添加，如
Figure 856438DEST_PATH_IMAGE010
表示对象
Figure 345188DEST_PATH_IMAGE001
的属性
Figure 185929DEST_PATH_IMAGE011
，同下定义。
定义2 构建基础信息决策表
Figure 443735DEST_PATH_IMAGE012
表示系统T。表头集合为{U,C,D},其中，C中的属性
Figure 608000DEST_PATH_IMAGE013
必须归一化。设的真实范围[A,B]，对于因素的研究范围[LL,UL],
Figure 564958DEST_PATH_IMAGE015
,
Figure 759179DEST_PATH_IMAGE016
,。
通过上面的定义可知，
Figure 35756DEST_PATH_IMAGE012
中的数据是经过归一化的，即
Figure 127209DEST_PATH_IMAGE018
，
Figure 633277DEST_PATH_IMAGE019
，
Figure 52757DEST_PATH_IMAGE020
，这为属性圆的建立提供了基础。
定义3 属性圆是一个单位圆，即半径为1，每一个属性圆代表一个对象集中的对象。属性圆周上某一点
Figure 295782DEST_PATH_IMAGE013
与圆心
Figure 117107DEST_PATH_IMAGE021
的连线为属性域线(下文简称“域线”)代表了该对象的一个属性范围，域线长为1。
Figure 794076DEST_PATH_IMAGE022
在域线上，
Figure 91065DEST_PATH_IMAGE023
表示属性域值的起点，
Figure 980524DEST_PATH_IMAGE024
表示属性域值的终点。在属性圆中的线段用
Figure 187514DEST_PATH_IMAGE025
表示，
Figure 160018DEST_PATH_IMAGE026
表示属性圆中任意的两个点，如
Figure 554091DEST_PATH_IMAGE013
域线表示为
Figure 512819DEST_PATH_IMAGE027
。属性角
Figure 433371DEST_PATH_IMAGE028
为域线
Figure 186563DEST_PATH_IMAGE027
与
Figure 333511DEST_PATH_IMAGE029
之间的夹角。属性圆中的面积使用表示，
Figure 369523DEST_PATH_IMAGE031
表示属性圆中任意的多个点，这些点按照出现顺序能组成凸多边形。属性圆定义的规则可总结规则如式（1）所示。
Figure 293617DEST_PATH_IMAGE032
（1）
式中参数见定义1及定义2。
    定义 4 
Figure 52495DEST_PATH_IMAGE033
或表示对象
Figure 123536DEST_PATH_IMAGE009
在属性
Figure 343165DEST_PATH_IMAGE013
上作用的特征范围，
Figure 199125DEST_PATH_IMAGE034
越大属性
Figure 303347DEST_PATH_IMAGE013
对对象
Figure 787418DEST_PATH_IMAGE009
的影响越小；
Figure 318894DEST_PATH_IMAGE034
越小属性
Figure 662150DEST_PATH_IMAGE013
对对象
Figure 930583DEST_PATH_IMAGE009
的影响越大。
2 基于属性圆的分类方法
为进行分类方法的说明，先给出
Figure 675685DEST_PATH_IMAGE001
与
Figure 378062DEST_PATH_IMAGE035
的相似性定义图，如图3所示。首先从几何图示的角度给出对象相似的概念。如图2中，
Figure 67669DEST_PATH_IMAGE036
表示了一个凸多边形，其意义为同时表示了对象
Figure 513694DEST_PATH_IMAGE001
在属性
Figure 972357DEST_PATH_IMAGE037
上其特征的大小。图3表示
Figure 845635DEST_PATH_IMAGE001
与
Figure 163484DEST_PATH_IMAGE035
的属性圆图的重叠图（请注意，
Figure 6675DEST_PATH_IMAGE001
与
Figure 726370DEST_PATH_IMAGE035
中面积的底纹不同），那么
Figure 770549DEST_PATH_IMAGE036
与
Figure 575694DEST_PATH_IMAGE038
的重叠部分可以较大程度的反应
Figure 721111DEST_PATH_IMAGE001
与
Figure 295312DEST_PATH_IMAGE035
关于属性
Figure 510393DEST_PATH_IMAGE037
的相似程度。
但是明显地使用上述方法确定
Figure 396309DEST_PATH_IMAGE001
与的相似程度存在困难。上述方法
Figure 416535DEST_PATH_IMAGE036
与
Figure 661571DEST_PATH_IMAGE038
的重叠部分同时反映了与
Figure 429993DEST_PATH_IMAGE035
关于两个属性
Figure 713207DEST_PATH_IMAGE039
的相似程度，不能就单一属性确定。另一方面
Figure 270090DEST_PATH_IMAGE036
与的重叠部分需要通过复杂的解析手段才能确定。对于工程应用要求简便快捷的特点显然是不满足的。因此将相似的属性圆思想转化为数值计算方法进行定义和使用。
从图3可以看出在
Figure 565384DEST_PATH_IMAGE040
属性上和
Figure 555523DEST_PATH_IMAGE042
有一部分是重叠的，这部分说明
Figure 44273DEST_PATH_IMAGE040
属性有一个区域(
Figure 632566DEST_PATH_IMAGE043
Figure 796831DEST_PATH_IMAGE042
)对
Figure 366353DEST_PATH_IMAGE001
和
Figure 641477DEST_PATH_IMAGE035
有着相同的影响，也就是说在这个区域中
Figure 19368DEST_PATH_IMAGE001
和
Figure 446545DEST_PATH_IMAGE035
是相似的。基于该思想定义相似性。
定义5 在系统T中，
Figure 644308DEST_PATH_IMAGE044
，则定义
Figure 457544DEST_PATH_IMAGE045
为
Figure 814576DEST_PATH_IMAGE009
与关于属性
Figure 599178DEST_PATH_IMAGE013
的相似度，
Figure 216104DEST_PATH_IMAGE045
确定方法如下：
当i=j时，
Figure 303009DEST_PATH_IMAGE047
，表示两个对象相同。
当
Figure 839032DEST_PATH_IMAGE048
时，比较
Figure 11388DEST_PATH_IMAGE049
与
Figure 166425DEST_PATH_IMAGE050
的相对覆盖区域情况。
当
Figure 373416DEST_PATH_IMAGE051
与
Figure 316226DEST_PATH_IMAGE052
在上无重叠时，
Figure 934607DEST_PATH_IMAGE054
，表明两个对象的对于
Figure 120737DEST_PATH_IMAGE013
因素根本不相关。
当
Figure 873930DEST_PATH_IMAGE051
与
Figure 20877DEST_PATH_IMAGE052
在
Figure 642351DEST_PATH_IMAGE053
上有重叠时，根据重叠情况得
Figure 292776DEST_PATH_IMAGE055
如式（2）所示。
（2）
式中： 
Figure 241326DEST_PATH_IMAGE057
。
定义 6 
Figure 541857DEST_PATH_IMAGE058
的总相似度为
Figure 46788DEST_PATH_IMAGE059
，对于，。
上述定义的具体体现可见图3表征。
定义 7 的总相似度
Figure 893028DEST_PATH_IMAGE059
的分类规则。设
Figure 283558DEST_PATH_IMAGE061
为
Figure 626815DEST_PATH_IMAGE058
对于单一属性
Figure 534728DEST_PATH_IMAGE013
的相似性判断阀值，一般地。
Figure 841262DEST_PATH_IMAGE063
意为相似，
Figure 976894DEST_PATH_IMAGE064
意为不相似，之间意为模糊相似。所以对于
Figure 576502DEST_PATH_IMAGE065
，
Figure 449780DEST_PATH_IMAGE066
意为相似，
Figure 393728DEST_PATH_IMAGE067
意为不相似，之间意为模糊相似。
附图说明
图1人的因素空间性态表述。
图2对象
Figure 377864DEST_PATH_IMAGE001
的属性圆表示。
图3 
Figure 97559DEST_PATH_IMAGE001
与的相似性定义图。
图 4 
Figure 805938DEST_PATH_IMAGE068
的属性圆。
图 5 
Figure 593765DEST_PATH_IMAGE069
的属性圆。
图 6 
Figure 167966DEST_PATH_IMAGE070
的属性圆。
图7 
Figure 242101DEST_PATH_IMAGE071
的属性圆。
图 8 
Figure 268963DEST_PATH_IMAGE035
的属性圆。
图 9 
Figure 860481DEST_PATH_IMAGE072
的属性圆。
具体实施方式
任何理论的价值在于其可以处理实际的问题。上述理论的形成也是从实际问题中提炼出来的。
在对一个电器系统进行可靠性分析时，调研了7位使用过该系统的人员，他们给出了对系统可靠性的评价语言论述。由于他们工作调度等方面的原因使他们操作系统的环境不同。实际上，就系统中元件发生故障概率而言，其影响因素是多样的。比如电器系统中的二极管，它的故障概率就与工作时间的长短、工作温度的大小、通过电流及电压等有直接关系。如果对这个系统进行分析，各个元件的工作时间和工作适应的温度等可能都不一样，随着系统整体的工作时间和环境温度的改变，系统的安全性也是不同的[10]。所以他们给出的系统可靠性评价的基础环境是不同的。
使用论文提出的方法试图将这些操作人员的描述进行分类，如果得到的对象集（语义描述集合）分类与决策集分类相同，那么说明这些操作人员对系统可靠性评价是客观的，可以相互佐证；如果对象集分类与决策集分类不对应，那么要增加其他操作者的评价才能进一步确定表述的准确性。
根据现场调研情况，如某位操作者的回答为：系统在12℃以下多出现故障，工作七八十天后故障较多，系统严重不稳定(由于篇幅所限，7个表述不都给出)。该系统一般100天大修一次，设定使用时间的域范围为[0,100]d；使用温度考虑到系统位于北方户外且有一定的保护，设定其域范围为[0,40]℃；湿度是根据工作期间的季节气候大体确定的。
定义系统
Figure 413822DEST_PATH_IMAGE002
，7位被调查者的描述为对象集合
Figure 799804DEST_PATH_IMAGE073
，
Figure 313962DEST_PATH_IMAGE009
为第i位被调查者的意见，
Figure 66761DEST_PATH_IMAGE074
。系统的使用时间，使用温度和湿度为系统的条件属性集合，
Figure 172438DEST_PATH_IMAGE011
为使用温度，
Figure 173892DEST_PATH_IMAGE076
为使用时间，
Figure 700688DEST_PATH_IMAGE040
为湿度。，
Figure 97351DEST_PATH_IMAGE076
和
Figure 445156DEST_PATH_IMAGE040
是连续的范围值，根据被调查者提供的意见将
Figure 182168DEST_PATH_IMAGE011
，
Figure 174395DEST_PATH_IMAGE076
和
Figure 197714DEST_PATH_IMAGE040
归一化，如可将该位操作者的回答作为，定量为使用温度[0,12]℃，使用时间[70,95]d和使用湿度的安全情况描述，归一化
Figure 448884DEST_PATH_IMAGE078
，
Figure 921716DEST_PATH_IMAGE079
，
Figure 256882DEST_PATH_IMAGE080
，同理
Figure 454645DEST_PATH_IMAGE081
，
Figure 533460DEST_PATH_IMAGE082
。决策等级
Figure 890492DEST_PATH_IMAGE083
分别表示安全等级为一到三级，为“不可靠”、“一般可靠”、“很可靠”。得到基础信息决策表，如表1所示。撇开决策集D研究对象集与属性集的属性圆表示，的属性圆已给出，
Figure 557600DEST_PATH_IMAGE084
的属性圆如图组4所示。根据表1，定义5和6，得到对象相似表，如表2所示。
 
表1 基础信息决策表
Figure 644504DEST_PATH_IMAGE012
Figure 55894DEST_PATH_IMAGE086
表2 对象相似表
Figure 87304DEST_PATH_IMAGE088
为确定对象集合的划分，首先定义
Figure 507921DEST_PATH_IMAGE089
，
Figure 449332DEST_PATH_IMAGE090
的相似性划分{相似，模糊相似，不相似}={[1,0.125],(0.125,0),0}。结合表2得到的相似对象归类如下：
相似：
Figure 297202DEST_PATH_IMAGE091
、
Figure 314444DEST_PATH_IMAGE092
、
Figure 273172DEST_PATH_IMAGE093
、
Figure 334669DEST_PATH_IMAGE094
、；
模糊相似：
Figure 93864DEST_PATH_IMAGE096
、
Figure 856283DEST_PATH_IMAGE097
、
Figure 896921DEST_PATH_IMAGE098
、
Figure 86594DEST_PATH_IMAGE099
、
Figure 720837DEST_PATH_IMAGE100
、
Figure 880423DEST_PATH_IMAGE101
、
Figure 650933DEST_PATH_IMAGE102
、
Figure 11507DEST_PATH_IMAGE103
、
Figure 867468DEST_PATH_IMAGE104
；
不相似：
Figure 597789DEST_PATH_IMAGE105
、
Figure 488384DEST_PATH_IMAGE106
、
Figure 754280DEST_PATH_IMAGE107
、
Figure 222171DEST_PATH_IMAGE108
、、、
Figure 171038DEST_PATH_IMAGE111
。
对象聚类原则为：严格遵照相似与不相似划分，参考模糊相似划分。如
Figure 1591DEST_PATH_IMAGE091
说明对象
Figure 447616DEST_PATH_IMAGE112
要划分为一组；
Figure 312804DEST_PATH_IMAGE113
说明对象
Figure 310716DEST_PATH_IMAGE114
不能划分为一组。所以最终对象集U={{
Figure 97406DEST_PATH_IMAGE112
},{
Figure 347122DEST_PATH_IMAGE115
},{
Figure 689985DEST_PATH_IMAGE116
}}。在考虑表1中决策集D与对象集U的对应关系，发现UD={{
Figure 8151DEST_PATH_IMAGE112
}
Figure 494813DEST_PATH_IMAGE118
,{
Figure 709894DEST_PATH_IMAGE115
}
Figure 861389DEST_PATH_IMAGE117
,{
Figure 881615DEST_PATH_IMAGE116
}
Figure 640809DEST_PATH_IMAGE120
}，这说明对对象的划分就其决策属性而言是非奇异的，准确的。转化为语义即为7位操作人员尽管在不同环境下对系统进行了可靠性评价，但是这些评价语义是相对客观的，所在环境属性域值与决策等级对应较好，评价的语义可以相互佐证。

Claims (9)

1.一种基于因素空间的对象分类方法，其特征在于，基于因素空间理论对多域值属性影响对象集合进行聚类分析，提出了以研究对象为中心的图形化域值属性表示方法属性圆，属性圆可以表示无穷多个域属性对对象的影响；其包括如下步骤：先基于属性圆概念进行对象的相似性分析，后为计算方便将图形定义转化为数值相似性定义，进而研究了对象集合的聚类分析方法；本发明可用于考虑多域值属性影响对象集合进行聚类分析。
2.一种基于因素空间的对象分类方法，其特征在于，分类系统的构造，设系统                                                ，
Figure 539969DEST_PATH_IMAGE002
为对象集合，m为对象数量；
Figure 2014101132826100001DEST_PATH_IMAGE003
为条件属性集，n为条件数量，
Figure 208978DEST_PATH_IMAGE004
属性是一个连续的区间，
Figure 2014101132826100001DEST_PATH_IMAGE005
;
Figure 375518DEST_PATH_IMAGE006
；
Figure 2014101132826100001DEST_PATH_IMAGE007
k为决策数量。
3.一种基于因素空间的对象分类方法，其特征在于，构建基础信息决策表表示系统T，表头集合为{U,C,D},其中，C中的属性
Figure 2014101132826100001DEST_PATH_IMAGE009
必须归一化；设
Figure 935604DEST_PATH_IMAGE010
的真实范围[A,B]，对于因素
Figure 810020DEST_PATH_IMAGE010
的研究范围[LL,UL],
Figure 2014101132826100001DEST_PATH_IMAGE011
,
Figure 530982DEST_PATH_IMAGE012
,
 
Figure 2014101132826100001DEST_PATH_IMAGE013
。
4.根据权利要求1所述的属性圆，其特征在于，属性圆是一个单位圆，即半径为1，每一个属性圆代表一个对象集中的对象；属性圆周上某一点与圆心
Figure 571936DEST_PATH_IMAGE014
的连线为属性域线(下文简称“域线”)代表了该对象的一个属性范围，域线长为1；
Figure 2014101132826100001DEST_PATH_IMAGE015
在域线上，
Figure 215538DEST_PATH_IMAGE016
表示属性域值的起点，
Figure 2014101132826100001DEST_PATH_IMAGE017
表示属性域值的终点；在属性圆中的线段用
Figure 723880DEST_PATH_IMAGE018
表示，
Figure 2014101132826100001DEST_PATH_IMAGE019
表示属性圆中任意的两个点，如
Figure 651385DEST_PATH_IMAGE009
域线表示为
Figure 806554DEST_PATH_IMAGE020
；属性角为域线
Figure 186719DEST_PATH_IMAGE020
与
Figure 233173DEST_PATH_IMAGE022
之间的夹角；属性圆中的面积使用
Figure 2014101132826100001DEST_PATH_IMAGE023
表示，
Figure 497408DEST_PATH_IMAGE024
表示属性圆中任意的多个点，这些点按照出现顺序能组成凸多边形；属性圆定义的规则可总结规则如式：
Figure 2014101132826100001DEST_PATH_IMAGE025
。
5.根据权利要求4所述的
Figure 603904DEST_PATH_IMAGE026
，其特征在于，
Figure 2014101132826100001DEST_PATH_IMAGE027
或
Figure 471366DEST_PATH_IMAGE028
表示对象
Figure 2014101132826100001DEST_PATH_IMAGE029
在属性
Figure 72242DEST_PATH_IMAGE009
上作用的特征范围，越大属性
Figure 454999DEST_PATH_IMAGE009
对对象
Figure 278599DEST_PATH_IMAGE029
的影响越小；
Figure 152008DEST_PATH_IMAGE028
越小属性
Figure 111874DEST_PATH_IMAGE009
对对象的影响越大。
6.根据权利要求1所述的相似性，其特征在于，在系统T中，
Figure 605489DEST_PATH_IMAGE030
，定义
Figure 2014101132826100001DEST_PATH_IMAGE031
为
Figure 797436DEST_PATH_IMAGE029
与关于属性
Figure 981741DEST_PATH_IMAGE009
的相似度，
Figure 779933DEST_PATH_IMAGE031
确定方法如下：
当i=j时，，表示两个对象相同；
当
Figure 775570DEST_PATH_IMAGE034
时，比较
Figure 2014101132826100001DEST_PATH_IMAGE035
与的相对覆盖区域情况；
当
Figure 2014101132826100001DEST_PATH_IMAGE037
与
Figure 44670DEST_PATH_IMAGE038
在
Figure 2014101132826100001DEST_PATH_IMAGE039
上无重叠时，，表明两个对象的对于因素根本不相关；当
Figure 403604DEST_PATH_IMAGE037
与在
Figure 871812DEST_PATH_IMAGE039
上有重叠时，根据重叠情况得
Figure 2014101132826100001DEST_PATH_IMAGE041
如式：
Figure 959985DEST_PATH_IMAGE042
，
式中： 。
7.一种基于因素空间的对象分类方法，其特征在于，
Figure 665773DEST_PATH_IMAGE044
的总相似度
Figure 2014101132826100001DEST_PATH_IMAGE045
的分类规则，设
Figure 548409DEST_PATH_IMAGE046
为
Figure 808489DEST_PATH_IMAGE044
对于单一属性
Figure 418462DEST_PATH_IMAGE009
的相似性判断阀值，一般地
Figure 2014101132826100001DEST_PATH_IMAGE047
；
Figure 460980DEST_PATH_IMAGE048
Figure 763785DEST_PATH_IMAGE046
意为相似，
Figure 2014101132826100001DEST_PATH_IMAGE049
意为不相似，之间意为模糊相似，所以对于，
Figure DEST_PATH_IMAGE051
意为相似，
Figure 941137DEST_PATH_IMAGE052
意为不相似，之间意为模糊相似。
8.根据权利要求7所述的，其特征在于，
Figure 887096DEST_PATH_IMAGE044
的总相似度为
Figure 377114DEST_PATH_IMAGE045
，对于，
Figure 297983DEST_PATH_IMAGE054
。
9.一种基于因素空间的对象分类方法，其特征在于，实施的聚类原则为：严格遵照相似与不相似划分，参考模糊相似划分。
CN201410113282.6A 2014-03-25 2014-03-25 一种基于因素空间的对象分类方法 Pending CN103838977A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410113282.6A CN103838977A (zh) 2014-03-25 2014-03-25 一种基于因素空间的对象分类方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410113282.6A CN103838977A (zh) 2014-03-25 2014-03-25 一种基于因素空间的对象分类方法

Publications (1)

Publication Number Publication Date
CN103838977A true CN103838977A (zh) 2014-06-04

Family

ID=50802465

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410113282.6A Pending CN103838977A (zh) 2014-03-25 2014-03-25 一种基于因素空间的对象分类方法

Country Status (1)

Country Link
CN (1) CN103838977A (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060080073A1 (en) * 2002-10-07 2006-04-13 Takayuki Kotani Three-dimensional structural activity correlation method
CN102609854A (zh) * 2011-01-25 2012-07-25 青岛理工大学 一种基于统一相似度计算的客户划分方法及装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060080073A1 (en) * 2002-10-07 2006-04-13 Takayuki Kotani Three-dimensional structural activity correlation method
CN102609854A (zh) * 2011-01-25 2012-07-25 青岛理工大学 一种基于统一相似度计算的客户划分方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
李新光 等: "基于属性图模型的图像相似性度量", 《第十五届全国图象图形学学术会议论文集》 *
汪培庄: "因素空间与因素库", 《辽宁工程技术大学学报（自然科学版）》 *
白雪: "聚类分析中的相似度度量及其应用研究", 《中国优秀博士学位论文全文数据库 信息科技辑》 *

Similar Documents

Publication Publication Date Title
Jiang et al. A modified combination rule in generalized evidence theory
Parlina et al. Naive Bayes algorithm analysis to determine the percentage level of visitors the most dominant zoo visit by age category
Verma et al. A new measure of inaccuracy with its application to multi-criteria decision making under intuitionistic fuzzy environment
CN104156403B (zh) 一种基于聚类的大数据常态模式提取方法及系统
KR20210025108A (ko) 기계 학습 모델을 사용하여 편향된 데이터 거절
CN110738388A (zh) 关联图谱评估风险传导的方法、装置、设备和存储介质
Li et al. Research on the Clustering Analysis and Similarity in Factor Space.
Rentao et al. Indoor smoking behavior detection based on yolov3-tiny
Prathik et al. Survey on spatial data mining, challenges and its applications
Rodríguez-Déniz et al. A frontier-based hierarchical clustering for airport efficiency benchmarking
Užga-Rebrovs et al. Comparative analysis of fuzzy set defuzzification methods in the context of ecological risk assessment
Bai et al. Querying fuzzy spatiotemporal data using XQuery
Sirat et al. Comparative analysis of K-means and isodata algorithms for clustering of fire point data in Sumatra region
Li et al. Probabilistic group nearest neighbor query optimization based on classification using ELM
CN102004801A (zh) 一种信息分类的方法
Geng et al. Consensus intuitionistic fuzzy group decision-making method for aircraft cockpit display and control system evaluation
CN113762703A (zh) 确定企业画像的方法和装置、计算设备和存储介质
Alonso et al. Social network analysis of co-fired fuzzy rules
CN103838977A (zh) 一种基于因素空间的对象分类方法
Zhang et al. Discover novel visual categories from dynamic hierarchies using multimodal attributes
Tang et al. Reasoning about changes of land covers with fuzzy settings
Kim et al. A multi‐criteria decision‐making approach for geometric matching of areal objects
Zhichong et al. Framework of spatial decision support system for large-scale public building evacuation
Ishibuchi et al. Designing fuzzy rule-based classifiers that can visually explain their classification results to human users
CN110097126B (zh) 基于dbscan聚类算法的核查重点人员、房屋漏登记的方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20140604