数据化处理 属性约简 决策方案 及权重计算.docVIP

1、数据规格化处理 在数据分析之前，我们通常需要先将数据标准化（normalization），利用标准化后的数据进行数据分析。数据标准化也就是统计数据的指数化。数据标准化处理主要包括数据同趋化处理和无量纲化处理两个方面。数据同趋化处理主要解决不同性质数据问题，对不同性质指标直接加总不能正确反映不同作用力的综合结果，须先考虑改变逆指标数据性质，使所有指标对测评方案的作用力同趋化，再加总才能得出正确结果。数据无量纲化处理主要解决数据的可比性。数据标准化的方法有很多种，常用的有“最小—最大标准化”、“Z-score标准化”和“按小数定标标准化”等。 　 min-max标准化方法是对原始数据进行线性变换。设minA和maxA分别为属性A的最小值和最大值，将A的一个原始值x通过min-max标准化映射成在区间[0,1]中的值x，其公式为： 新数据=（原数据-极小值）/（极大值-极小值） 二、z-score 标准化 这种方法基于原始数据的均值（mean）和标准差（standard deviation）进行数据的标准化。将A的原始值x使用z-score标准化到x。z-score标准化方法适用于属性A的最大值和最小值未知的情况，或有超出取值范围的离群数据的情况。 新数据=（原数据-均值）/标准差 2、属性约简 属性约简是粗糙集知识发现的核心内容之一，它描述了信息系统属性集中的每个属性是否都是必要的以及如何删除不必要的知识，从而减少数据挖掘要处理的信息量，提高数据挖掘的效率。目前，求解约简的算法主要有两种：一种是基于差别矩阵的算法，另一种是基于属性重要性的算法。采用分辨矩阵和逻辑运算相结合的方法求解属性约简集和核，需要浪费大量的存储空间。算法是从属性集中逐渐删除重要度较小的属性而得到约简，但只能依次从最小重要度的属性删除，判断，再删除，再判断，计算复杂度高。文献设计了基于属性重要性的逐步约简算法, 利用在决策系统中已获得的正区域逐步缩小数据处理范围。本文的主要思想是：通过计算单个属性的重要性，取重要性大于零的属性作为核，然后以核为基础计算条件属性集中除核以外其他属性的重要性，取重要性最大的属性加入到核集中形成新的集合RED，再以RED 为基础依次循环下去直至剩下所有属性的重要性都为零，得出的集合REDn即为属性约简。 1 基本概念 一个信息系统S,表示为S = (U, A,V, f )，其中1 2 { , ,..., } n U = X X X 是论域；A 是属性集合； a V = ∪v ，?a∈ A， a v 表示属性的值域； f =U × A→V 是一个信息函数,它对一个对象的每一个属性赋予一个信息值，即x∈U,a∈ A有( , ) a f x a ∈v 。 3、评价、决策方案、权重计算 参照国家大气环境质量标准(GB3095-82) 和有关规定, 选取二氧化硫SO2 (mg/ m3 ) 、氮氧化物NOx( mg/ m3 ) 、总悬浮物TSP(mg/ m3) 和飘尘( 吨/ 千米2·月) 这4 项为空气污染状况评价指标(m= 4) , 空气质量分为Ⅴ级( c= 5) , 组成空气质量评价标准值矩阵 　 某市区1985～1989 年度的空气质量状况构成评价样本集( n= 5) , 5 年的4 项空气污染指标监测值的年统计平均值组成实测值矩阵 　 式中yih 0, 表示空气质量评价标准中各项指标的各级标准值; xij 0, 表示评价本集的各项空气污染指标监测值。i= 1, 2, …, m; j = 1, 2,…, n; h= 1, 2, …, c。空气质量评价是分析空气污染程度的过程,而“污染”属于模糊概念, 可用模糊集合论中的隶属度来描述。由于分级数越大时表明空气质量越差, 则第i 项空气污染指标的第h 级标准值yih对于模糊子集“污染”的指标隶属度sih可按线性内插公式来确定sih = yih - yilyic - yil　显然有0≤sih≤1。由上式可将评价标准值矩阵Y 变换为空气质量标准值模糊矩阵 　由于4 项污染指标均是实测值越大表明空气污染越严重, 可根据下式rij = xij - yilyic - yil将各污染指标实测值xij 规格化为指标隶属度rij ,从而将空气质量实测值矩阵X 变换为空气质量实测值模糊矩阵 　 评价时常要考虑污染指标的重要性权重。从毒理学角度分析, 4 项空气污染指标的危害性差别并不很大, 而且在空气质量分级标准中各污染指标对环境的危害程度已有所体现。如浓度同样是0. 15mg/ m3 , 对于T SP, 根据分级标准其属于Ⅰ级即清洁; 而对于SO2 和NOx , 则分别判其属于Ⅱ级和Ⅲ级标准。因此此例中可取各污染指标 　 　　由空气质量实测值模糊矩阵R, 第j 个样