基于粗糙集理论的知识库分解与规则获取

摘要

粗糙集理论可以通过对数据的约简从例子中学习，获取决策规则。但是，当知识库规模较大、条件属性个数较多时。存在提取规则速度慢、规则长度长等缺点。本文介绍了粗糙集理论的基本概念，提出了一种基于粗糙集的知识库分解算法。首先引入决策属性支持度的概念。在此基础上定艾了一个属性选择量度，选择最佳目标属性对知识库进行分解，直到所有对象都被精确分类，从而得到具有一定支持度的规则集。得到的规则长度短，提取速度快。通过对一个简单实例的分析。证明了该算法的可行性。