1、粗糙集理論是一種新的處理不確定、不精確、不完整信息的數(shù)學分析工具，它把知識看作是對論域的劃分，并用知識庫中已知的知識來刻畫不精確、不確定的知識，目前在知識獲取、規(guī)則生成、決策分析、智能控制等領域具有廣泛的應用。屬性約簡與規(guī)則提取是粗糙集理論研究的核心內容，并且尋求高效快速的屬性約簡與規(guī)則提取算法對粗糙集理論的深入研究具有重要的意義。而粒計算作為粗糙集理論的超集，覆蓋了當前所有有關粒度的理論、方法、技術和工具的研究，現(xiàn)已成為人工智能領域研

2、究的一個新熱點。粗糙集理論的發(fā)展為粒計算的研究提供了重要的理論基礎和應用模型。 本文在基于粗糙集的粒計算理論中，討論了決策表中知識的不確定性度量問題，并對屬性約簡與規(guī)則提取進行了深入地研究。本文的主要創(chuàng)新點如下： (1)針對決策表研究了決策屬性集相對于條件屬性集對論域中對象的劃分粒度，即劃分的粗糙性，提出了相對粒度的概念，用于度量決策屬性集相對于條件屬性集對論域中對象的分辨能力。分析證明了知識的相對粒度的單調性，給出了一

3、些性質，定義了決策表中屬性的重要性度量。在此基礎上，設計了一種新的基于相對粒度的啟發(fā)式屬性約簡算法。實例驗證表明，該算法彌補了基于正域的屬性約簡算法處理不一致決策表的不足，且其時間復雜度相對較低。 (2)為彌補經典粗糙集方法對決策表進行規(guī)則提取時存在的不足，本文基于粒計算理論深入研究了決策表的規(guī)則提取方法。在決策表中給出了知識粒的表示、形成與粒運算，定義了子粒、粒庫等概念，并針對現(xiàn)實世界中所獲取信息的復雜性、噪聲性及不確定性，本

4、文討論了知識粒之間的關系，運用規(guī)則覆蓋度和規(guī)則置信度這兩個度量指標從不同的粒度層次出發(fā)，考慮通過不同粒層的轉換來實現(xiàn)決策表中規(guī)則的提取，嘗試從較低階的粒庫中獲取盡可能多的滿足用戶期望的決策規(guī)則，提高了規(guī)則對噪聲數(shù)據(jù)的適應能力。 (3)針對信息系統(tǒng)的多樣性問題，本文從粒計算的角度出發(fā)，對序信息系統(tǒng)和不完備序信息系統(tǒng)及其規(guī)則提取進行了深入研究。為有效地處理序信息系統(tǒng)，定義了對象間的序關系，并針對不完備序信息系統(tǒng)將嚴格序關系的定義進行