随着科学与技术的不断发展,数据的规模急剧增长,如何有效的利用这些数据来服务于日常生活与科研是各个领域专家一直努力研究的方向。1982年,波兰数学家Z.Pawlak于提出了粗糙集理论,它是一种处理不确定、不精确数据的软计算方法。将粗糙集理论引入到数据挖掘中,通过已有知识来发现未知知识,处理过程不需要任何先验知识,因而它是一种良好的数据分析理论。粗糙集的一个主要用途是寻找最小约简。当信息系统规模庞大时,原始约简方法并不十分有效,因此引入了动态约简,粗糙集的动态约简与原信息系统具有相同的分类能力,但却只用到了较少的属性。动态约简可以通过分辨矩阵来计算,如果约简结果不唯一,则构成一个约简集,所有动态约简的交集称为动态核。论文详细讨论了动态约简的方法并提出了一个改进的算法,首先对原数据集进行分割,将整体分为几部分,然后利用分辨矩阵和分辨函数计算最小动态约简。这些动态约简的属性代表了信息系统中的重要属性。通过与非动态约简相比,实验证明了动态约简具有更好的效果。如今,粗糙集理论做为一种数据分析理论得到广泛的应用,特别是在数据挖掘、人工智能、认知学科、机器学习、专家系统和模式识别等领域。粗糙集的主要优点是它不需要任何先验知识和附加信息,因而得出的结论比较客观。