分布约简与信息熵意义下的约简

1引言 粗糙集中的属性约简是在保持系统分类能力不变的条件下,通过删除那些不必要的、冗余的属性得到的条件属性集合,它可以在不丢失系统基本信息的基础上,简化信息,形成知识.信息熵是由Shannon提出的,基于统计意义的,用于度量信息的不确定性和随机性的重要概念,将粗糙集的方法与信息熵相结合,已经取得了众多成果[1].在实际的应用中,由于种种原因,得到的信息一般都会带有一定的不一致性,因此如何定义不一致信息系统中的属性约简,是一个重要研究的课题.除了传统代数意义下的属性约简之外,文[1]还提出了信息熵意义下的属性约简,文[2]在文[3]的分布约简的基础上提出了最大分布约简,并定义了相应的可辨识矩阵.本文主要对信息熵意义下的属性约简与分布约简和最大分布约简之间的关系进行讨论.