數(shù)據(jù)化處理 屬性約簡 決策方案 及權(quán)重計算

1、1、數(shù)據(jù)規(guī)格化處理、數(shù)據(jù)規(guī)格化處理在數(shù)據(jù)分析之前，我們通常需要先將數(shù)據(jù)標準化（nmalization），利用標準化后的數(shù)據(jù)進行數(shù)據(jù)分析。數(shù)據(jù)標準化也就是統(tǒng)計數(shù)據(jù)的指數(shù)化。數(shù)據(jù)標準化處理主要包括數(shù)據(jù)同趨化處理和無量綱化處理兩個方面。數(shù)據(jù)同趨化處理主要解決不同性質(zhì)數(shù)據(jù)問題，對不同性質(zhì)指標直接加總不能正確反映不同作用力的綜合結(jié)果，須先考慮改變逆指標數(shù)據(jù)性質(zhì)，使所有指標對測評方案的作用力同趨化，再加總才能得出正確結(jié)果。數(shù)據(jù)無量綱化處理主要解決數(shù)

2、據(jù)的可比性。數(shù)據(jù)標準化的方法有很多種，常用的有“最小—最大標準化”、“Zsce標準化”和“按小數(shù)定標標準化”等。minmax標準化方法是對原始數(shù)據(jù)進行線性變換。設(shè)minA和maxA分別為屬性A的最小值和最大值，將A的一個原始值x通過minmax標準化映射成在區(qū)間[01]中的值x，其公式為：新數(shù)據(jù)=（原數(shù)據(jù)極小值）（極大值極小值）二、zsce標準化這種方法基于原始數(shù)據(jù)的均值（mean）和標準差（starddeviation）進行數(shù)據(jù)的標準

3、化。將A的原始值x使用zsce標準化到x。zsce標準化方法適用于屬性A的最大值和最小值未知的情況，或有超出取值范圍的離群數(shù)據(jù)的情況。新數(shù)據(jù)=（原數(shù)據(jù)均值）標準差2、屬性約簡、屬性約簡屬性約簡是粗糙集知識發(fā)現(xiàn)的核心內(nèi)容之一，它描述了信息系統(tǒng)屬性集中的每個屬性是否都是必要的以及如何刪除不必要的知識，從而減少數(shù)據(jù)挖掘要處理的信息量，提高數(shù)據(jù)挖掘的效率。目前，求解約簡的算法主要有兩種：一種是基于差別矩陣的算法，另一種是基于屬性重要性的算法。采

4、用分辨矩陣和邏輯運算相結(jié)合的方法求解屬性約簡集和核，需要浪費大量的存儲空間。算法是從屬性集中逐漸刪除重要度較小的屬性而得式中yih0表示空氣質(zhì)量評價標準中各項指標的各級標準值xij0表示評價本集的各項空氣污染指標監(jiān)測值。i=12…mj=12…nh=12…c。空氣質(zhì)量評價是分析空氣污染程度的過程而“污染”屬于模糊概念可用模糊集合論中的隸屬度來描述。由于分級數(shù)越大時表明空氣質(zhì)量越差則第i項空氣污染指標的第h級標準值yih對于模糊子集“污染”

5、的指標隸屬度sih可按線性內(nèi)插公式來確定sih=yihyilyicyil顯然有0≤sih≤1。由上式可將評價標準值矩陣Y變換為空氣質(zhì)量標準值模糊矩陣由于4項污染指標均是實測值越大表明空氣污染越嚴重可根據(jù)下式rij=xijyilyicyil將各污染指標實測值xij規(guī)格化為指標隸屬度rij從而將空氣質(zhì)量實測值矩陣X變換為空氣質(zhì)量實測值模糊矩陣評價時常要考慮污染指標的重要性權(quán)重。從毒理學角度分析4項空氣污染指標的危害性差別并不很大而且在空氣質(zhì)