基于特征值的标称数据相关分析*

杨向荣　王希武　王涌鑫

(军械工程学院信息工程系　石家庄　050003)



基于特征值的标称数据相关分析*

杨向荣王希武王涌鑫

(军械工程学院信息工程系石家庄050003)

摘要标称数据中经常出现属性描述不一致的问题,针对这种问题,通常使用数据集成中的相关分析方法。但是在实际应用中发现,这种方法在处理标称数据时效率比较低,在数据量比较大的情况下显然不适用。因此,在现有研究的基础上,提出了一种基于特征值的标称数据相关分析方法。

关键词数据集成; 标称数据; 相关分析; 特征值

Class NumberTP333

1引言

相关分析是当前处理数据不一致问题的主要方法,该方法主要包括两方面内容:对于标称数据,使用卡方检验技术;对于数值属性,使用相关系数和协方差。在处理标称数据中出现的属性描述不一致的问题时,通常使用卡方检验技术。然而,卡法检验技术在分析数据属性的相关性需要经过比较繁琐的计算,效率不高。

因此,根据标称数据各属性值域间互斥的特征,在原有方法的基础上得到了一种改进的相关分析的方法,即基于属性值域特征值的相关分析方法。

2相关概念

2.1卡方检验

1) 卡方检验

由于装备维修数据主要以标称数据为主,因此在对其进行相关分析是选用卡方检验的方法。假设A,B为两个属性,其取值如表1所示。

表1　属性示例

其相依表如表2:表中空白处的值为(A=ai,B=bj)的联合事件的观测频度即实际计数oij,括号内为期望频度eij。

表2　相依表

由上表……