粗糙集理论中求取最小决策规则的研究

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