基于相对知识粒度的决策表约简

论文研究-一种决策知识表示和进行模糊决策的新方法——模糊决策表.pdf,  集中于决策表方法的几个方面，以（确定的）决策表形式为基础对其进行模糊扩展，以便于处理不精确和不确定的决策情形。因此，确定的决策表可以作为一种特例，定义了模糊决策表其模糊性包含在条件及行动中，进而在模糊决策表范围内引入了完备性的概念。

三角形问题决策表 1.确定规则个数。（有4个条件，每个条件两个取值，故有24=16种规则） 2.列出所有的条件桩和动作桩 3.填入输入项 4.填入动作项，得到初始决策表 5.化简。（合并相似规则）

简介 URule是一种纯Java规则引擎，它以RETE算法为基础，提供向导式规则集，脚本式规则集，决策表，交叉决策表（PRO版提供），决策树，评分卡及决策流共六种类型的规则定义方式，配合基于WEB的设计器，可快速实现规则的定义，维护与发布。 URule提供了两个版本：一个是基于Apache-2.0协议开源免费版本的，URule开源版本第一款基于Apache-2.0协议开源的中式规则引擎；另一个是商用PRO版本，请了解更多关于URule商业Pro版更多信息。 URULE PRO版与开源版主要功能比较 特性 URULE PRO版 URULE开源版 向导式决策集 有 有 脚本式决策集 有 有 决

目前计算不一致决策表的分布约简、 最大分布约简和分配约简的方法均基于可辨识属性矩阵, 在大数据集下耗时较多.为此, 提出转化算法, 将计算原不一致决策表的上述3 种约简转化为计算3种一致决策表的Pawlak约简.通过应用针对后者的高效启发式算法,有效地减少了计算时间.此外,引入λ-约简的概念, 通过调节λ 的值, 能得到一族反映决策矢量不同水平相似程度的知识约简.该方法降低了分布约简对决策表区分能力的过高要求, 较上述3种约简更为灵活.

黑盒测试的决策表法和因果图法，可以提供给正在学习软件测试的学弟学妹们借鉴和参考！

粗糙集基础知识的程序实现（java），包括基于决策表的等价类计算、基于决策表的核属性计算和两种属性约简算法。

drools决策表模版

保险金计算程序的决策表测试用例

设计了一种粗糙集分类器。构造相应决策表，利用粗糙集理论，通过对决策表进行条件属性约简、决策规则约简，获取最小决策规则，作为最终分类规则，利用训练好的规则，对待测样品X，已知其条件属性(即特征),在训练规则中检索，找到符合规则，其决策属性即为其类别。