粗糙集理论中求取最小决策规则的研究

摘要

本文探讨了粗糙集理论中最小决策规则的求取方法,提出决策依赖度的定义,尝试从最短的条件属性组合中提取尽可能多的决策规则.只有现有长度的决策规则无法完全覆盖所有样本时,才会考虑增加决策规则的长度.同时提出了3种减少计算复杂性的方案:1)引入跳跃系数λ;2) 在计算中只对具有相同决策值的样本进行等价类划分,从而避免了对含有不同决策值的等价类的无用划分;3) 设计Remain集合,只针对其中的样本进行等价类的划分,随着Remain中样本数的减少,计算量会大幅下降.此外,本文所提出的基于决策依赖度的跳跃式决策规则求取方法可以直接应用于不完备信息系统,因此具有良好的实用价值.