唐鹏飞

（1 四川师范大学 数学科学学院， 成都 610066； 2 四川师范大学 智能信息与量子信息研究所， 成都 610066）

0 引 言

属性约简是粗糙集理论的核心内容之一，主要是在保持相同分类能力的前提下进行冗余属性删除，从而达到数据表的优化处理［1］。 近似条件熵作为一种由近似精度与条件信息熵信息融合得到的强健度量模型，已广泛应用于不确定性测量、属性约简、机器学习。 对于经典决策表，文献［2］首先提出基于近似条件熵的属性约简；进一步，文献［3-4］将近似条件熵推广到邻域粗糙集；文献［5］利用近似条件熵进行电务设备故障预测；文献［6］分解近似条件熵，提出邻域粗糙集的特定类属性约简。 可见，近似条件熵是信息表进行属性约简的有效手段，具有重要的现实应用意义。

集值决策表是经典决策表的一种扩展，近年来已经开展了一系列相关研究。 例如，文献［7］采用条件信息熵构建集值系统属性约简。 文献［8］基于相容关系，提出信息熵、粗糙熵、知识粒度来刻画集值信息系统的不确定性。 文献［9］采用信息量构建集值信息系统属性约简。 文献［10］基于集值信息系统上的优势关系，提出多粒度优势关系粗糙集模型。 文献［11］基于相容关系，研究了一致集值决策信息系统中的属性约简和判断问题。 文献［12］针对集值数据提出2 种模糊粗糙近似，并分别构建其相对正域约简。 文献［13］从知识粒度视角，提出集值信息系统的动态属性约简算法。 文献［14］基于巴氏距离提出λ 容差关系，研究了概率集值信息系统的动态变精度粗糙集模型。……