rough集的提出在不确定决策领域起到了重大作用，其在各个领域将有重大突破性发展。

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.