【摘要】 <正> 1 引言由波兰理工大学教授Z.Pawlak等一批科学家提出的粗糙集(Rough Set)理论目前正受到国内外学者越来越广泛的重视。它从一种全新的视觉审视知识,认为知识与分类能力相关,两者成正比关系,即:拥有知识的多少通过分辨能力的高低来评判。基于此,许多有关知识的问题可以形式化之后通过计算机来处理。粗糙集理论自产生之日起,即有两个发展方向,一个是粗糙集理论的数学结构的研究,另一个是粗糙集理论在各个具体领域中的应用,如:通过粗糙集理论进行的属性约简等。我们一直认为,这两个发展方向应该有机地结合,即数学结构上的研究应该便于应用,转化为一些具体的算法,为应用服务。基于这种考虑,我们对二进制可辨矩阵进行了各种数学变换,并在此基础上构造了高效的属性约简算法,而这些数学变换又相应于属性约简的过程,即变换本身并不减少知识量和分类能力。更多还原

【Abstract】 This paper dose a lot of mathematics transformation to Binary Discernibility Matrix,it is called BDM too. Through these transformations,we may both decrease a lot of memory space of BDM and contribute to make high efficiency attributes reduction algorithms. Based on BDM,we also give three algorithms which are in turn used to reduce BDM,attribute’s reduction and judge reduction. Finally,we give three examples to illuminate the feasibility of three algorithms and analyze the complexity of algorithms.更多还原