1、波蘭數(shù)學(xué)家Z．Pawlak于1982年提出的粗糙集理論是一種新的處理模糊和不確定性知識(shí)的數(shù)學(xué)工具。其主要思想就是在保持分類(lèi)能力不變的前提下，通過(guò)知識(shí)約簡(jiǎn)，導(dǎo)出問(wèn)題的決策或分類(lèi)規(guī)則。目前，粗糙集理論已成功應(yīng)用于機(jī)器學(xué)習(xí)、決策分析、過(guò)程控制、模式識(shí)別與數(shù)據(jù)挖掘等領(lǐng)域。粗糙集在數(shù)據(jù)挖掘的過(guò)程中，主要用于數(shù)據(jù)挖掘的數(shù)據(jù)預(yù)處理部分。 然而，粗糙集作為一種有效的粒度計(jì)算模型，只適合于處理名義型變量，對(duì)于現(xiàn)實(shí)應(yīng)用中廣泛存在數(shù)值型數(shù)據(jù)卻不能直接

2、處理。需要采用離散化方法把數(shù)值型屬性轉(zhuǎn)化為符號(hào)型屬性，而這種轉(zhuǎn)換不可避免地會(huì)帶來(lái)信息的損失，其計(jì)算結(jié)果在很大程度上取決于離散的效果。為了解決這一問(wèn)題，本文主要運(yùn)用三種方法進(jìn)行有效的約簡(jiǎn)，進(jìn)而利用改進(jìn)的決策樹(shù)方法（C—ID3算法）去做決策： 第一，我們利用條件熵來(lái)表示模糊等價(jià)關(guān)系矩陣的區(qū)分能力，這是我們建立的模糊粗糙集模型的一個(gè)關(guān)鍵點(diǎn)，依據(jù)條件熵，我們提出屬性重要度的概念，接著建立了基于條件熵的約簡(jiǎn)算法，實(shí)驗(yàn)表明由該約簡(jiǎn)算法得到的

3、更好的結(jié)果。 第二，考慮到1）當(dāng)數(shù)據(jù)的區(qū)分性不太明顯時(shí)，常常不能實(shí)現(xiàn)信息系統(tǒng)的約簡(jiǎn)；2）難以系統(tǒng)地將不確定性決策意識(shí)融入約簡(jiǎn)過(guò)程中，而如何排除噪音、削弱模糊信息的不確定性則是彌補(bǔ)這些不足的關(guān)鍵問(wèn)題?；谶@兩方面的分析，本文從模糊信息的結(jié)構(gòu)特征以及模糊決策的基本原理出發(fā)，在分析不確定性對(duì)約簡(jiǎn)的本質(zhì)影響基礎(chǔ)上，提出了模糊信息過(guò)濾的公理化體系，給出了幾種具有良好結(jié)構(gòu)特征的模糊信息過(guò)濾模式，建立了基于信息過(guò)濾和信息熵的屬性約簡(jiǎn)方法FII

4、—RED，并結(jié)合具體實(shí)例分析了FII—RED特性，結(jié)果表明FII—RED可以有效地將決策意識(shí)融入屬性約簡(jiǎn)的過(guò)程中，具有良好的結(jié)構(gòu)特征和可解釋性，在一定程度上彌補(bǔ)了模糊粗糙集模型的不足。 第三，考慮到信息系統(tǒng)中模糊等價(jià)關(guān)系矩陣的不同，本著充分利用各種信息的原則，提出了極小混合熵的概念，建立了基于極小混合熵的屬性約簡(jiǎn)方法，進(jìn)而結(jié)合具體實(shí)例進(jìn)行了比較分析研究，結(jié)果表明該方法具有良好的屬性約簡(jiǎn)能力。 最后，我們提出了改進(jìn)的ID3