粗糙集

粗糙集理论是一种研究不精确，不确定性知识的数学工具。
粗糙集的思想为：一种类别对应一个概念（类别可以用集合表示，概念可以用规则描述），知识由概念组成；如果某个知识含有不精确概念，则该知识不精确。粗糙集对不精确概念的描述方法是通过下近似和上近似概念来描述。

 

上近似包含了所有使用知识R可确切分类到X的元素。

下近似包含了所有那些可能属于X的元素的最小集合。

病人 头痛  胸口痛  体温   流感
a1    是      是     正常      否
a2    是      是     高          是
a3    是      是     很高      是
a4    否      是     正常      否
a5    否      否     高          否
a6    否      是     很高      是
a7    否      否     高          是
a8    否      是     很高      否 信息的前提下进行数据化简 6，识别并评估数据之间依赖关系 

在决策表中设置A={a1,a2,a3,a4,a5,a6,a7,a8},其中C={头痛，胸口痛，体温},D={流感}

那么，就可以设置C1=头痛，C2=胸口痛，C3=体温，所以

A/C1={{a1,a2,a3},{a4,a5,a6,a7,a8}} (头痛分类）

A/C2={{a1,a2,a3,a4,a6,a8},{a5,a7}} （胸口痛分类）

A/C3={{a1,a4},{a2,a5,a7},{a3,a6,a8}} (体温分类）

 

A/{C1,C2}={{a1,a2,a3},{a4,a6,a8},{a5,a7}}

A/{C1,C3}={{a1},{a2},{a3},{a4},{a5,a7},{a6,a8}}

A/{C2,C3}={{a1,a4},{a2},{a5,a7},{a3,a6,a8}}

 

A/C={{a1},{a2},{a3},{a4},{a5,a7},{a6,a8}}

A/D={{a1,a4,a5,a8},{a2,a3,a6,a7}}

 

Pos _c (D)={a1}U{a2}U{a3}U{a4}

//C在D中都存在的情况

K=y_c(D)=Pos_c(D)/U=4/8=0.5

Pos_(c-c1){D}={a1,a2,a4}!=Pos_c(D)

//C2,C3在D中都存在的情况

Pos_(c-c2){D}={a1,a2,a3,a4}=Pos_c(D)

//C1,C3在D中都存在的情况

Pos_(c-c3){D}=空集 !=Pos_c(D)

//C1,C2在D中都存在的情况

Pos_(c-{c1,c2}){D}={a1,a4}!=Pos_c(D)

//C3在D中都存在的情况

 

Pos_(c-{c2,c3}){D}=空集!=Pos_c(D)

//C1在D中都存在的情况

Pos_(c-{c1,c3}){D}=空集!=Pos_c(D)

//C2在D中都存在的情况

 

所以C2为冗余属性，即可删除的属性，所以C的D约简为C-{C2}={C1,C3}