屬性約簡和值約簡是粗糙集理論研究中的兩個重要內容，屬性約簡是在保持與原有的數據庫決策能力相同的情況下，選擇問題最小屬性子集，剔除數據中的沒有利用價值成分的過程。在現實世界的問題中，由于噪音、誤導和不相關屬性的存在，使得屬性約僅是在一定程度上去除了決策表中的冗余屬性，但并沒有完全去掉決策表中的不必要的信息。為此，還需要對決策表進行更深層次的處理，即對決策表進行值約簡。值約簡是去掉多余的屬性值，用最少的條件屬性值來區(qū)分每一個決策類，在不改變決策能力的基礎上得到更加簡化的規(guī)則集。值約簡的研究方法有很多，比如一般的值約簡算法、啟發(fā)式值約簡算法、基于決策矩陣的值約簡算法、歸納值約簡算法和Skowron算法等。本文主要研究基于歸納的值約簡算法，并對算法的執(zhí)行效果進行了實驗驗證，以及與啟發(fā)式值約簡算法進行了比較。
?