智能决策支持系统中的知识表示及基于粗集的知识推理

　　
　　0
　　
　　0
　　
　　2
　　
　　-
　　
　　2
　　
　　0
　　
　　1
　　
　　1
　　
　　1
　　
　　-
　　
　　3
　　
　　1
　　
　　0
　　
　　1
　　
　　1
　　
　　-
　　
　　4
　　
　　1
　　
　　1
　　
　　1
　　
　　1
　　
　　+
　　
　　5
　　
　　1
　　
　　2
　　
　　2
　　
　　0
　　
　　-
　　
　　6
　　
　　2
　　
　　1
　　
　　0
　　
　　2
　　
　　-
　　
　　7
　　
　　2
　　
　　1
　　
　　1
　　
　　1
　　
　　+
　　
　　8
　　
　　3
　　
　　1
　　
　　0
　　
　　2
　　
　　+
　　
　　9
　　
　　3
　　
　　2
　　
　　1
　　
　　1
　　
　　-
　　
　　10
　　
　　3
　　
　　0
　　
　　0
　　
　　2
　　
　　-
　　
　　
　　
　　
　　表1
　　
　　根据决策者和专家先验知识，得到各属性权重如下：a=0.35,b=0.3,c=0.2,d=0.15
　　
　　下面逐一考察各属性得依赖度，看其是否可省略；
　　
　　命C={a,b,c,d}，D={e}，得到D对于C的依赖度CF=card(C∩D)/card(C)=1，可见该数据视图是相容的。对于属性a，可得D对于属性a的依赖属性为CFa=card(Ca∩D)/card(Ca)=5/8。同理，可得CFb=1/2，CFc=0，CFd=0，根据各属性的权重信息，可得属性c比属性d在决策中占的权重更大，因此，保留属性c消去属性d。
　　
　　对消去属性d的数据视图，可发现各项属的依赖度均大于0，因此，各项均不可省略，但是，要得到简化的决策规则，还须去掉每一决策规则中的不必要条件，即求每项规则的核值。
　　
　　对于决策规则1，有
　　
　　F={[1]a,[1]b,[1]c}={{1,2},{1,3,10},{1,6,8,10}},即有[1]{a,b,c}={1},
　　
　　[1]e={1,2,3,5,6,9,10}。为求出规则1的可省略属性和可能简化，下面每次去掉一属性，看其余属性子集的交是否在决策属性子集[1]e之中。
　　
　　[1]a∩[1]b={1},[1]a∩[1]c={1},[1]b∩[1]c={1,10}，于是可得决策规则1的核为空，它有三种简化形式a(1)=0,b(1)=0和b(1)=0,c(1)=0以及a(1)=0,c(1)=0。
　　
　　同理，可求出其他各条规则的核和

《智能决策支持系统中的知识表示及基于粗集的知识推理(第4页)》