Rough逻辑及其在数据约简中的应用

讨论了被定义在邻域值决策表上的 Rough逻辑及其公式的真值 ,它在数据约简中的应用比 Pawlak定义的决策表上的决策逻辑更加广泛 .目前常用的数据约简方法有 Pawlak的数据分析和 Skowron的分明矩阵法 .前者是非形式的 ,不易机械化 ;而后者虽说直观、易理解 ,但还要求生成一个分明矩阵的中间环节 ,从而造成时空上的不必要的开销 .采取一边从邻域值决策表关于属性值邻域是分明的属性并构成邻域分明合取范式 ,一边做这种逻辑公式的等价变换直接得到邻域值决策表的诸多约简 .由于不用生成分明矩阵的中间环节 ,这样便节省了空间和时间 ,提高了运行效率 .对此 ,对拥有 6个属性 (4个条件和两个决策属性 )以及 10 2个个体的一致决策表或邻域值决策表进行处理并生成了约简的决策规则 .用两种不同方法在 P 2 33/ 6 4 M的微机上用 DELPHI3.0分别对它们进行约简并得到相同的结果 ,采用一边从表中提取公式一边做约简的方法 ,所用时间约 1分 54秒 ;而用分明矩阵法却耗去 1分 55秒 .由于增加了一个数组 (分明矩阵 ) ,便增加了空间复杂度 O(m× n2 ) ,其中 m为属性数 ,n为个体数 ,随着属性数和个体数的增加 ,所占的空间和时间也将急剧增加 .可见 ,从空间和时间消耗上来看 ,这两种方法的优劣是十分明显的 .