第4期 郑存芳，等：数据偏序结构关系中的知识发现可视化方法 477. 定义5共有条件属性。在决策模式信息表 输入决策一致模式信息表(M,C,',D,J', (M,C,',D,J',De)所对应的形式背景(M,C,I De); 中，如果属性co,c1,…,c4∈C满足g(c:)二g(co), 输出属性偏序决策图(N,E,R); 其中i=1,2,…,k,k≥2，则称在形式背景(M,C, 1)提取决策模式一致信息表(M,C,',D, ')中，条件属性co是条件属性集合{c1,c2,…,c} J',De)中的(M,C,)构成形式背景： 的共有条件属性。 2)生成属性偏序结构图2☒)： 3)根据属性偏序结构图每一分支对应的模式 2属性偏序决策图 标注其决策属性，形成决策层： 2.1属性偏序决策图生成原理 4)从根节点由上至下检索各支路，当检索至某 由认知心理学可知：在一定情景和经验的背景 节点覆盖之下各支路模式完全一致时，停止检索此 下，人类是通过客观事物具有的属性特征来认知事 节点之下的支路和节点，并将此节点下各支路上的 物的。基本的认知原理可以描述为：特征相同靠近 节点标记为隐藏节点： 相同，特征不同远离相同，在相同特征中找出不同， 5)直至检索完所有支路，得结果即为属性偏 在不同特征中找出相同。这样的描述蕴含着：相似 序决策图。 性原理（相同靠近相同），相异性原理（不同远离相 表2所示决策模式信息表对应的属性偏序决策 同)，自上而下感知原理（相同之中找不同），自下而 图如图2所示。由图可见，属性偏序决策图在结构 上感知原理（不同之处找相同）。图1给出了一般 上分为决策规则表示层和决策规则输出层两个层 化认知机理模型示意图山。 次。图中虚线表示的节点为隐藏节点，不参与知识 发现和规则提取过程。决策表示层是一个典型的树 结构，其中每一个节点表示一个条件属性，图中最顶 情景 人类事物认识机理模型 经验 层为最大共有条件属性。树中根据条件属性的偏序 事物属性（特征） 关系由上而下形成若干个节点和边构成的支路，其 中每一条支路即为一种决策模式。根据属性偏序决 特征相同 特征不同 特征相同 策图中支路聚类形成的群结构、子群结构及每条支 靠近相同 远离相同 靠近相同 路对应的决策属性即可完成决策规则的输出。 相同中找不同 不同中找相同 A 1 表 A- 层 © © A C-- 输 图1一般化认知机理模型示意图 d d d ④ 层 R, R R R Fig.1 Schematic diagram of general cognitive mecha- nism model 图2表2所示决策模式信息表对应属性偏序决策图 属性是各类事物特征的表达，属性间的关系表 Fig.2 DDAPOS of table2 达了研究问题的概念之间的关系。共有属性表达的 一定是事物普遍存在的现象，是共性的表达，具有较 2.3基于属性偏序决策图的规则提取方法 大的外延和较浅的内涵。从人类认识模式知识的角 基于属性偏序决策图自顶向下的构图原则，条件 度来看，可以构造出以属性特征和对象相似性为指 属性中普遍性强在上层，可以从集群结构、集子群结 标的层次结构图。 构、支路和节点等不同角度对原始数据进行知识发 2.2属性偏序决策图生成算法 现。支路条件属性集合表达的一条决策模式，即一个 根据属性偏序决策图的生成原理，构建属性偏 决策模式具有什么属性。图中同一子群结构表达的 序决策图的算法描述如下所示。 为模式间相似性；不同子群结构表达决策模式之间的 构建属性偏序决策图 差异性。综合属性偏序决策图条件属性偏序关系及 决策属性，即可得出最终的规则提取。图2所示的属定义 ５ 共有条件属性。 在决策模式信息表 （Ｍ， Ｃ， Ｉ′， Ｄ， Ｊ′， Ｄｅ）所对应的形式背景（Ｍ， Ｃ， Ｉ 中，如果属性 ｃ０ ，ｃ１ ，…，ｃｋ ∈ Ｃ 满足 ｇ（ｃｉ） ⊆ｇ（ｃ０ ） ， 其中 ｉ ＝ １，２，…，ｋ， ｋ ≥ ２，则称在形式背景（Ｍ， Ｃ， Ｉ′）中，条件属性 ｃ０ 是条件属性集合 ｛ｃ１ ，ｃ２ ，…，ｃｋ｝ 的共有条件属性。 ２ 属性偏序决策图 ２．１ 属性偏序决策图生成原理 由认知心理学可知：在一定情景和经验的背景 下，人类是通过客观事物具有的属性特征来认知事 物的。 基本的认知原理可以描述为：特征相同靠近 相同，特征不同远离相同，在相同特征中找出不同， 在不同特征中找出相同。 这样的描述蕴含着：相似 性原理（相同靠近相同），相异性原理（不同远离相 同），自上而下感知原理（相同之中找不同），自下而 上感知原理（不同之处找相同）。 图 １ 给出了一般 化认知机理模型示意图［１１］ 。 图 １ 一般化认知机理模型示意图 Ｆｉｇ．１ Ｓｃｈｅｍａｔｉｃ ｄｉａｇｒａｍ ｏｆ ｇｅｎｅｒａｌ ｃｏｇｎｉｔｉｖｅ ｍｅｃｈａ⁃ ｎｉｓｍ ｍｏｄｅｌ 属性是各类事物特征的表达，属性间的关系表 达了研究问题的概念之间的关系。 共有属性表达的 一定是事物普遍存在的现象，是共性的表达，具有较 大的外延和较浅的内涵。 从人类认识模式知识的角 度来看，可以构造出以属性特征和对象相似性为指 标的层次结构图。 ２．２ 属性偏序决策图生成算法 根据属性偏序决策图的生成原理，构建属性偏 序决策图的算法描述如下所示。 构建属性偏序决策图 输入 决策一致模式信息表（Ｍ， Ｃ， Ｉ′， Ｄ， Ｊ′， Ｄｅ）； 输出 属性偏序决策图（Ｎ， Ｅ， Ｒ）； １） 提取决策模式一致信息表（ Ｍ， Ｃ， Ｉ′， Ｄ， Ｊ′， Ｄｅ）中的（Ｍ， Ｃ， Ｉ′）构成形式背景； ２） 生成属性偏序结构图［１２］ ； ３） 根据属性偏序结构图每一分支对应的模式 标注其决策属性，形成决策层； ４）从根节点由上至下检索各支路，当检索至某 节点覆盖之下各支路模式完全一致时，停止检索此 节点之下的支路和节点，并将此节点下各支路上的 节点标记为隐藏节点； ５） 直至检索完所有支路，所得结果即为属性偏 序决策图。 表 ２ 所示决策模式信息表对应的属性偏序决策 图如图 ２ 所示。 由图可见，属性偏序决策图在结构 上分为决策规则表示层和决策规则输出层两个层 次。 图中虚线表示的节点为隐藏节点，不参与知识 发现和规则提取过程。 决策表示层是一个典型的树 结构，其中每一个节点表示一个条件属性，图中最顶 层为最大共有条件属性。 树中根据条件属性的偏序 关系由上而下形成若干个节点和边构成的支路，其 中每一条支路即为一种决策模式。 根据属性偏序决 策图中支路聚类形成的群结构、子群结构及每条支 路对应的决策属性即可完成决策规则的输出。 图 ２ 表 ２ 所示决策模式信息表对应属性偏序决策图 Ｆｉｇ．２ ＤＤＡＰＯＳ ｏｆ ｔａｂｌｅ２ ２．３ 基于属性偏序决策图的规则提取方法 基于属性偏序决策图自顶向下的构图原则，条件 属性中普遍性强在上层，可以从集群结构、集子群结 构、支路和节点等不同角度对原始数据进行知识发 现。 支路条件属性集合表达的一条决策模式，即一个 决策模式具有什么属性。 图中同一子群结构表达的 为模式间相似性；不同子群结构表达决策模式之间的 差异性。 综合属性偏序决策图条件属性偏序关系及 决策属性，即可得出最终的规则提取。 图 ２ 所示的属 第 ４ 期 郑存芳，等：数据偏序结构关系中的知识发现可视化方法 ·４７７·