一种新的相对约简算法

　　信息系统是一个具有对象和属性关系的数据库，这种数据库隐含着知识的对象与属性之间的关系，最终表达的知识模式是用属性来表达的，具有明确的直观含义，可以被理解。当今的信息系统以电子计算机和现代通信技术为基本信息处理手段，运用数学的方法，为管理决策提供信息服务。

　　科学技术的进步使得信息技术的发展十分迅速，应用范围也在不断扩展。近十年来信息呈现爆炸式增长。如此海量的数据，如何找出其内在联系？如何从中提取出重要的内容，忽略错误的数据造成的影响并且缩减冗余信息？同时，现实世界中客观事物和现象往往是不确定的，或具有不完备性，而人们主观的认识领域的信息和知识大多也是不精确的，这就要求在知识的表示和处理时能够反映这种不确定性。在此背景下，数据挖掘和数据库知识发现成为了新的研究领域。

　　在DM和KDD的诸多理论以及方法中，模糊集、粗糙集、神经网络、遗传算法、证据理论等，都非常有效，其理论得到了不断的发展完善，应用也得到了很好的实践和推广。每种理论各自有自己的优缺点，因而可以进行互补性研究，充分利用它们的长处。

　　在不完备信息系统约简方面，最常见的是利用辨识矩阵和布尔推理方法，Kryszkieewicz给出丁不完备决策表的知识约简方法，并且提出了一种获取最优规则的方法。Leung等提出了基于极大相容块技术的方法。国内学者也提出了许多约简算法。

　　尽管不完备决策表缺少信息，但仍然蕴涵一些有用的知识，这些知识对于不完备信息下的决策，是很有意义的。本文将证据理论的概念融入粗糙集，给出了一种新的计算不完备决策表相对约简的算法，并用实例进行了验证，分析了算法的复杂度。