15-云模型专题.pptVIP

中南大学地学院 云 模 型 方 法 洪金益 中南大学地学院 zxlhong@163.com 主要参考文献 王树良：基于数据场与云模型的空间数据挖掘和知识发现，博士论文； 邸凯昌 空间数据发掘和知识发现的理论与方法，博士论文； 李德仁、王树良、李德毅：空间数据挖掘理论与方法，科学出版社，2006. 主要内容 应用实例 Matlab部分云模型程序 经过Matlab处理 得到的部分结果 1 云的定义和特性 云的基本定义 云的数字特征 云的3En规则 云的可视化 云的数学外延 2 云模型的类型 正态云模型 衍生云模型 3 云发生器 正向云发生器 逆向云发生器 x条件云发生器和y条件云发生器 云的不确定性推理器 4 虚拟云 浮动云和综合云 分解云和几何云 5 云变换 峰值法云变换 原子云模型集的归整 6 基于云模型的不确定推理 单规则推理 多条件单规则推理 再观察应用实例的原程序 作业 峰值法云变换认为空间数据分布的局部峰值处是数据的汇聚中心，根据启发性原理[2]，把它作为概念的中心即云模型的数学期望是合理的。峰值越高，数据汇聚越多，应当优先考虑其反映的定性概念。具体算法如下： 其中，函数CLOUD_EXP(Ex,En)通过计算云模型的期望曲线来拟合h(x)。误差阈值ε用于控制熵的构造和迭代拟合次数，通常由用户指定或根据经验给定。ε越小，拟合云模型越多，拟合精度越高。算法得到的原子云模型集CLOUDS除了云模型的三个数字特征外，还包含了云模型的种类typei(0：全云，-1：左半云，1：右半云)以及原子云模型的权重wi(h(Exi))，即T{T1(Exl，En1，Hel，type1，w1)，T2(Ex2，En2，He2，type2，w2)，…，Tn(Exn，Enn，Hen，typen，wn)} 下图分别显示了误差阈值ε=0.100和ε=0.001时峰值法云变换法对基本的方波函数(区间均匀分布)的测试结果，其中，原函数为算法中的数据分布概率密度函数f(x)。拟合函数是云变换的最终拟合结果，残差指算法中的h’(x)，即定义中的ε。从图中可以看出，当误差阈值ε=0.100时，拟合的云模型个数为4，当ε=0.001，云模型个数激增到242个，最大误差也由0.032降至9.471e－4。这表明峰值法云变换算法能够对各种概率密度分布函数进行云变换生成原子概念集，随着误差阈值ε的减小，拟合精度提高，但拟合云模型的个数和耗费的时间也成倍增长。 在实际应用中，并不是ε越小越好，根据具体情况选择合适的误差阈值即可。由于方波函数是其它函数的基础，任意函数都可近似分解成为多个方波函数，因此峰值法云变换算法具有广泛的适用性。 云变换(ε=0.100) 云变换(ε=0.001) 尽管通过云变换能够较好地拟合原始数据分布，但由于没有考虑云模型之间的关系，得到的云模型集较为粗糙。通常会出现下列两种特殊情况： [1] 云模型之间的交叠关系过于复杂，有些云模型之间的距离过近，所表达的定性概念非常近似； [2] 云模型之间过于稀疏，甚至出现概念“真空地带”。 所以，对原子云模型集进一步做归整处理是不可缺少的。归整操作包含两部分内容，分别解决上述两个问题：其一是通过加权软或合并距离过近的原子云模型；其二是生成加权浮动云弥补概念“真空地带”。由此，可以得到基于云模型的泛概念树叶结点集的自动生成算法。 值得注意的是，通过归整后得到的原子云模型集已不能完全精确地表示原始数据分布。然而，云变换要求原子概念集能够反映数据的分布，而不可能绝对地表示其分布。而且，重要的不是论域上某一点对某一原子概念的隶属程度，而是它对集合中各原子概念的隶属程度之间的关系，是根据数据分布得到的整个原子概念集对整个论域空间的软划分。因此，归整后的原子云模型集合乎人的思维情理，可以被接受和应用。对连续数据，首先求得各数据点的频数，然后对其分布进行云变换使之成为多个大小不同的云的叠加，就可以把数据转换为概念。 基于云模型的不确定推理是根据一定的已知条件，利用云的不确定性推理器，在一定的环境中推导得到目标规则的过程。规则一般由规则前件(条件)和规则后件(规则知识)两部分组成，根据规则前件或规则后件的数量的不同，基于云模型的不确定推理可以分为单规则推理和多规则推理两类。在空间数据挖掘和知识发现中，就是顾及空间实体的不确定性，在空间数据库或空间数据仓库中利用云的不确定性推理器挖掘事先未知的感兴趣空间规则知识。 单规则推理使用的是云的单条件单规则(图F1.8)和多条件单规则(图F1.10)的不确定性推理器。单规则可形式化地表示为：“IF A，THEN B”或“IF Al，A2，…，An ，THEN B