基于SLA波长业务的ASON风险规避算法

林民山

摘 要：粗糙集属性应急数据存在冗余特征，降低挖掘效率，提出基于信息熵的粗糙集属性应急数据去重挖掘算法。将粗糙集理论和信息熵相结合，离散化处理应急数据，离散化完成后，约简对于决策表的条件信息熵大小不产生任何影响的属性，设定决策属性集合和条件属性集合，选取将同约简属性集合B的属性组合数目最小的熵值实现约简，去除冗余特征，完成应急数据去重挖掘。以大型船舶应急数据为研究对象展开数据去重挖掘，结果表明：可有效去重挖掘到船舶旋回性相关应急数据，利用数据增比特征能够分析到各因素对船舶旋回性的影响，并且所研究算法的挖掘效率较高，在数据量为1400条时，耗时仅为0.33 s。

关键词：信息熵;粗糙集属性;应急数据;去重挖掘;离散化;约减

中图分类号：TP18      文献标识码：A

监控预警信息、突发事件信息、交互信息等应急数据信息海量增加的同时，也为应急数据带来的大量重复性冗余信息，为此，如何实现应急数据的快速分析、处理、挖掘是目前亟待解决的问题[1-3]。粗糙集理论是一种新型的处理模糊和不确定知识的数学工具，广泛应用于人工智能、知识与数据发现以及故障检测等方面[4]。粗糙集属性约简可以在有效保证数据分类能力不变的基础上对不相关和不重要的属性进行去除，消除冗余特征，有效缩减参与数据挖掘的数据量，提升数据挖掘效率[5]。

在利用粗糙集理论进行数据挖掘时，通常要求实际数据形成的决策表中数据属性为离散化表达，若数据为连续的，则需先进行离散化处理，然后再利用基于信息熵的粗糙集属性约简去重挖掘应急数据，获取知识结果简单易懂的应急数据[6，7]。……