粗糙集理论(Rough set理论)是由20世纪80年代波兰人Z. Pawlak提出的一种新的数学数据分析工具,它通过严格的数学公式来处理不精确性、不确定的问题,具有演绎、归纳和常识推理三种能力。因此,粗糙集理论很快就在机器学习、知识获取、决策分析、数据库知识发现、专家系统和模式识别等方面得到了广泛的应用。粗糙集理论已经逐渐成为信息处理研究的热点。 粗糙集理论是一种处理模糊和不精确性问题的工具,其主要的思想是在保持分类能力不变的前提下,通过知识约简,导出问题的决策或分类规则。粗糙集中决策表约简也就是以基于最少的条件属性和最小冗余的属性值导出最少的决策规则或分类规则。 本文以粗糙集理论为基础,有如下的创新点:对属性约简的区分矩阵方法,进行了一些改进,该方法与区分矩阵的方法虽然在时间复杂度上均为:O(n~2),但是比较次更少,速度更快;提出了粗糙集不可分明属性模式、不可分明属性关系和不可分明度概念;把二进制及其运算应用到属性约简和属性值约简中,使决策过程变得更加方便、简单。