论文部分内容阅读
决策粗糙集模型源于贝叶斯决策准则,利用代价矩阵生成了构建概率粗糙集所需的一对阈值.但决策粗糙集并不具备经典粗糙集理论中常用的单调性,这给研究决策粗糙集的约简问题带来了机遇与挑战.通过考虑决策粗糙近似集是否变化,分析了决策粗糙集的决策保持约简与决策单调约简,并提出了两种不同的属性重要度以求解这两种约简.实验结果表明,相较于决策保持约简,通过决策单调约简,可以获得更多的由下近似与上近似所支持的决策规则,但同时也需付出更大的决策代价,从而揭示了想要得到更多,就必须付出更多的哲学道理.