陈志恩， 田彦山， 马 旭

(宁夏师范学院 数学与计算机科学系,宁夏 固原756000)

1 引 言

粗糙集理论[1-2]由波兰数学家Pawlak.Z于1982年提出，它是一种新的处理信息系统中不精确、不完整、不一致数据的数学工具，近年来已在数据决策分析、机器学习与模式识别等多个邻域得到了广泛的应用[3-4].

属性约简[5-7]是粗糙集理论研究的主要内容之一，由于在原始数据集中，往往存在大量冗余和不确定性的信息，严重影响到后续数据挖掘和处理的效率.因此，通过删除冗余属性，能获得数据集合的本质信息和保持原始数据分类信息的完整性，从而提高数据的分类质量.目前粗糙集属性约简方法的研究已经取得了很多成果,各种高效的启发式约简算法相继被提出,这些启发式约简算法主要目的是寻找一个约简或近似约简.譬如，鲍迪等针对区间值决策表中对象集动态增加的情况，提出了区间值决策表的正域单增量和组增量启发式属性约简算法[8]；陈曦将新定义的两种信息熵结合，作为直觉模糊关系下信息系统的信息熵，并以该信息熵为启发式算子构造了一种属性约简算法[9]；陈东晓等基于属性重要度分别设计了熵协调和熵不协调的决策形式背景下的属性约简算法[10]；李萍等以粗糙模糊度为启发式算子对信息系统进行属性约简[11]；邓大勇等提出可变正区域约简，允许正区域在一定的范围内发生变化，从而提高泛化能力[12]；陈志恩等以粒包含度矩阵中……