值來計算最終的各個數(shù)據(jù)空間的相對重要性程度。具體包括W下 步驟：
[0125] (201)分別獲取m個專家評定的η個數(shù)據(jù)空間兩兩之間的相對重要性程度矩陣mS
[0126]
[0127] 矩陣Mk中的各元素記作/Μη,?，為第k個專家評定的第i個數(shù)據(jù)空間和第j 個數(shù)據(jù)空間的相對重要性程度，其中i = 1，2……η，j = 1，2……η，k= 1，2……m;
[0128] (202)根據(jù)相對重要性程度矩陣Mk分別獲取每個專家評定的第η個數(shù)據(jù)空間的相 對權(quán)重《:
[0129]
[0130] 其中i二1,2......n，k二1，2......m;
[013。 （203)對于k=l，2……m，將η個數(shù)據(jù)空間按《分別從小到大進行排序，分別得到第 k個專家的排序序列，假設(shè)第i個數(shù)據(jù)空間在排序前為第i位，排序后為第fk(i)位，則第k個 專家評定第i個數(shù)據(jù)空間排在第j位的程度為Pk(i，j):
[0132]
，
[0133] 其中 i = i,2......η, j = 1,2......η；
[0134] (204)根據(jù)Pk(ij)計算出m個專家綜合評定的第i個數(shù)據(jù)空間排在第j位的程度為
[0135]
[0136] 其中 i = i,2......η, j = 1,2......η；
[0137] (205)根據(jù)P(i，j)分別計算第i個數(shù)據(jù)空間在第η個數(shù)據(jù)空間的重要程度W(i):
[013 引
[0139] 其中 i = l，2……η;
[0140] (206)對任意i = l ,2......n，分別計算λ。' ；
[0141]
[0142] 其中j = i ,2......n，對于第i個數(shù)據(jù)空間分別組成向量:λ?' = [λ??'，λ?2'…λ?η' ];
[0143] (207)分別對向量λι'進行歸一化處理，得到重要性權(quán)重向量λι:
[0144]
[0145] 其中 i = l，2……η;
[0146] (208)獲取重要性權(quán)重矩陣
[0147]
[0148] 所述的步驟(201)中第k個專家評定的第i個數(shù)據(jù)空間和第j個數(shù)據(jù)空間的相對重 要性程度/具體為：
[0149]
【主權(quán)項】
1. 一種基于關(guān)系傳播網(wǎng)絡(luò)的多維數(shù)據(jù)空間相似度匹配方法，其特征在于，該方法包括 如下步驟： (1) 建立η個不同數(shù)據(jù)空間的關(guān)系傳播網(wǎng)絡(luò)，并建立其關(guān)系傳播矩陣RTN:矩陣RTN各兀素記作R〇ij，穴Τ丄一1，^......U，J - 1，^......據(jù)空間Si和數(shù)據(jù)空 間Sj的相似關(guān)系矩陣，RSij均為Ci X Cj維矩陣，其中Ci為數(shù)據(jù)空間Si中的數(shù)據(jù)對象個數(shù)，Cj為 數(shù)據(jù)空間Sj中的數(shù)據(jù)對象個數(shù)； (2) 分別確定數(shù)據(jù)空間Si和數(shù)據(jù)空間&相似關(guān)系重要性權(quán)重矩陣λ^，對于任意i = l， 2……n，滿足 (3) 根據(jù)關(guān)系傳播矩陣RTN和重要性權(quán)重矩陣k建立常矩陣R，具體為：其弓其維數(shù)與關(guān)系傳播矩陣RTN維數(shù)相同； (4) 賦值Κ = 0，獲取初始相似度傳播矩陣RTS*3 = Ε，其中RTS*3與關(guān)系傳播矩陣RTN維數(shù)相 同，Ε為單位矩陣； (5) 計;S(6) 判斷ABS(SUM(RTSK+1-RTSK)) 2F是否成立，其中SUM(RTSK+1-RTSK)表示對矩陣（RTSK +1-RTS K)中各元素求和，ABS (SUM (RTSK+1-RTSK))表示矩陣(RTSK+1-RTSK)中各元素求和后的絕 對值，F(xiàn)為相似度閾值，若ABS(SUM(RTS K+1-RTSK)) 2F成立，則賦值RTS = RTSK+1，保存得到相 似度傳播矩陣RTS并執(zhí)行步驟(7)，否則賦值K=K+1，返回步驟(5); (7) 獲取相似度傳播矩陣RTS中的元素，進行多維數(shù)據(jù)空間中的數(shù)據(jù)對象之間的匹配。2. 根據(jù)權(quán)利要求1所述的一種基于關(guān)系傳播網(wǎng)絡(luò)的多維數(shù)據(jù)空間相似度匹配方法，其 特征在于，步驟(1)中所述的RS^具體為：矩陣RSij中各元素記作RSijdf)，其中1 < k < Ci，1 < chRSijlf)為數(shù)據(jù)空間Si中 第k個數(shù)據(jù)對象和數(shù)據(jù)空間Sj中的第f個數(shù)據(jù)對象之間的相似關(guān)系。3. 根據(jù)權(quán)利要求2所述的一種基于關(guān)系傳播網(wǎng)絡(luò)的多維數(shù)據(jù)空間相似度匹配方法，其 特征在于，所述RSij(k，f)滿足：4. 根據(jù)權(quán)利要求1所述的一種基于關(guān)系傳播網(wǎng)絡(luò)的多維數(shù)據(jù)空間相似度匹配方法，其 特征在于，步驟(2)中采用專家評定法確定數(shù)據(jù)空間Si和數(shù)據(jù)空間&相似關(guān)系重要性權(quán)重矩 陣入小5. 根據(jù)權(quán)利要求4所述的一種基于關(guān)系傳播網(wǎng)絡(luò)的多維數(shù)據(jù)空間相似度匹配方法，其 特征在于，所述的專家評定法具體包括以下步驟： (201) 分別獲取m個專家評定的η個數(shù)據(jù)空間兩兩之間的相對重要性程度矩陣Mk:矩陣Mk中的各元素記作/Mf，/胃為第k個專家評定的第i個數(shù)據(jù)空間和第j個數(shù)據(jù)空 間的相對重要性程度，其中i = l，2......n，j = l，2......n，k=l，2......m; (202) 根據(jù)相對重要性程度矩陣Mk分別獲取每個專家評定的第η個數(shù)據(jù)空間的相對權(quán)重 代·' 其中 i = l，2......n，k=l，2......m；(203) 對于k=l，2……m，將η個數(shù)據(jù)空間按if分別從小到大進行排序，分別得到第k個 專家的排序序列，假設(shè)第i個數(shù)據(jù)空間在排序前為第i位，排序后為第fk(i)位，則第k個專家 評定第i個數(shù)據(jù)空間排在第j位的程度為Pk(i，j): 其中i = l，2......n, j = 1,2......η；(204) 根據(jù)Pk(i，j)計算出m個專家綜合評定的第i個數(shù)據(jù)空間排在第j位的程度為P(i， j)： 其中i = l，2......η, j = 1,2......η；(205) 根據(jù)P(i，j)分別計算第i個數(shù)據(jù)空間在第n個數(shù)據(jù)空間的重要程度W(i): 其中i = l，2......η;(206) 對任意i = l，2......n，分別計算λ。' ：其中j = l，2……n，對于第i個數(shù)據(jù)空間分別組成向量：(207) 分別對向量λ' i進行歸一化處理，得到重要性權(quán)重向量λ?:其中i = l，2......η; (208) 獲取重要性權(quán)重矩陣λ":6.根據(jù)權(quán)利要求5所述的一種基于關(guān)系傳播網(wǎng)絡(luò)的多維數(shù)據(jù)空間相似度匹配方法，其 特征在于，步驟(201)中第k個專家評定的第i個數(shù)據(jù)空間和第j個數(shù)據(jù)空間的相對重要性程 度具體為：
【專利摘要】本發(fā)明涉及一種基于關(guān)系傳播網(wǎng)絡(luò)的多維數(shù)據(jù)空間相似度匹配方法，該算法包括如下步驟：(1)建立n個不同數(shù)據(jù)空間的關(guān)系傳播網(wǎng)絡(luò)，并建立其關(guān)系傳播矩陣RTN；(2)分別確定數(shù)據(jù)空間Si和數(shù)據(jù)空間Sj相似關(guān)系重要性權(quán)重矩陣λij；(3)根據(jù)關(guān)系傳播矩陣和重要性權(quán)重矩陣建立常矩陣R；(4)賦值K＝0，獲取初始相似度傳播矩陣RTS0；(5)計算(6)判斷ABS(SUM(RTSK+1-RTSK))≥F是否成立，若成立賦值RTS＝RTSK+1，保存得到相似度傳播矩陣RTS并執(zhí)行步驟(7)，否則賦值K＝K+1，返回步驟(5)；(7)獲取RTS中的元素，進行多維數(shù)據(jù)空間中的數(shù)據(jù)對象之間的匹配。與現(xiàn)有技術(shù)相比，本發(fā)明相似度匹配方法能計算多維數(shù)據(jù)空間的數(shù)據(jù)對象的相似度值，具有高可行性、高擴展性和高可行度等優(yōu)點。
【IPC分類】G06F17/30
【公開號】CN105631002
【申請?zhí)枴緾N201511000378
【發(fā)明人】郝泳濤, 葛唱
【申請人】同濟大學(xué)
【公開日】2016年6月1日
【申請日】2015年12月28日