粗糙集理论是1982年提出的一种处理模糊和不确定知识的数学工具。它与其它处理不精确或不确定问题理论的最显著区别是无需提供问题所需处理的数据集合之外的任何先验信息,就可直接对数据进行分析和推理,从中发现隐含的知识,揭示潜在的规律。近年来它在模式识别、机器学习、决策支持、模型预测中取得了好的成果和应用,在军事领域也具有广泛的应用前景。 粗糙集理论中的有效算法研究是粗糙集理论的一个研究热点,目前主要集中在决策规则提取算法,属性约简算法,粗糙集基本并行算法,以及与粗糙集有关的神经网络和遗传算法等。其中,属性约简算法和规则提取算法是粗糙集理论及应用研究的重要内容。 本文对粗糙集理论中的属性约简和决策规则约简算法进行了深入而系统的研究,在总结现有方法的基础上,首先提出了一种基于可辨识矩阵的启发式属性约简方法;又将粗糙集理论与遗传算法结合,提出了一种遗传属性约简方法,并将该方法扩展到不完备决策表;在规则约简方面,提出了一种较快捷的条件属性核值求取方法,并对一种基于分类一致率的规则约简方法进行了改进。最后将粗糙集理论应用于军队院校信息化水平综合评价问题中。