1、粗糙集理論由Z．Pawlak于1982年提出，是繼概率論、模糊集理論、證據(jù)理論之后的又一個(gè)處理不確定性的數(shù)學(xué)工具。該理論不需要任何附加的信息或先驗(yàn)知識(shí)，就能有效地分析和處理不精確、不完整和不一致的數(shù)據(jù)，并從中發(fā)現(xiàn)隱含的知識(shí)，揭示潛在的規(guī)律，并進(jìn)行知識(shí)的約簡(jiǎn)。粗糙集理論已經(jīng)在很多領(lǐng)域如數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、模式識(shí)別、決策分析等取得了成功的應(yīng)用。建立在粗糙集的屬性約簡(jiǎn)基礎(chǔ)上的知識(shí)約簡(jiǎn)方法是粗糙集理論研究的重要內(nèi)容之一，已經(jīng)證明求所有屬性的最小

2、約簡(jiǎn)是一個(gè)NP完全問題，目前的決策表求核及屬性約簡(jiǎn)方法的時(shí)間復(fù)雜度郜比較高，因此還需要進(jìn)一步研究知識(shí)約簡(jiǎn)的有效算法。 本文在總結(jié)前人的研究成果的基礎(chǔ)上，設(shè)計(jì)了一種對(duì)數(shù)據(jù)編碼的方法，并采用對(duì)候選紀(jì)錄集剪枝的策略計(jì)算屬性核，提高求解決策表屬性核的算法效率，提出了利用屬性核對(duì)可分辨矩陣進(jìn)行分塊的方法，大大降低了計(jì)算屬性頻率的時(shí)間復(fù)雜性。綜合上述研究結(jié)果，以屬性頻率作為屬性重要性的啟發(fā)函數(shù)，構(gòu)造了一種高效的知識(shí)約簡(jiǎn)算法。經(jīng)過理論分析和模