数据挖掘分类算法中粗糙集的简约用matlab语言怎么实现？

y=redu(c,d,S)

假设信息系统决策表由矩阵S表示，其中，第c列C属性中，d列为决策列D属性中，则从C属性中相关的列中直接使得决策列耐历D的最少列的求取可用约简函数redu

你想看详细的算法，你找拦并这篇论文：

张雪峰。粗糙集昌衡搜数据分析系统应用平台的研究与程序开发。沈阳：东北大学硕士学位论文，2004

下面介绍作者编写的一个图像粗糙度的函数coarseness()，可以直接调用。可以用于求图像的局部粗糙度，也告斗可以求其整袜衡磨体粗糙度。%%求粗糙度coarsenessfunction ent=coarseness(pic,ks)% pic表示图像，ks求粗糙拦源度的最大的窗口尺寸[h w]=size(pic)h1=h-ksw1=w-ks%%求平均强度

#include<iostream>

#include<vector>

#include<algorithm>

#include<fstream>

#include<sstream>

#include<string>

#include"Set.h"

#include"Element.h"

using namespace std

#ifndef DecisionTable_H

#define DecisionTable_H

//决策表DT=(U, CUD, V, f)类声明--------------------------------------------------

class DecisionTable

{

public:

static int iNo //用于决策表论域中样本的编号

public:

DecisionTable()

DecisionTable(vector<char> &ConditionSet,

vector<char>&DecisionSet,

vector<Set>&ConditionValueSet,

vector<Set>&DecisionValueSet)//通过条件集值与决策集值创建决策表

DecisionTable(vector<char> &ConditionSet,

vector<char> &DecisionSet,

vector<vector<int>>&ConditionValueSet,

vector<vector<int>>&DecisionValueSet)//通过条件集值与决策集值创建决策表

const DecisionTable&operator=(DecisionTable &DT)//赋值构造函数

DecisionTable(const char* FileName)//由限定格式文件FileName创建决策表

void SaveToFile(const char* FileName)//把决策表保存到文件FileName中，自动生成文件格式

void SetConditionSet(vector<char>&condition)//设置条件属性集

void SetDecisionSet(vector<char>&decision)//设置决胡薯策属性集

void SetU(int index, int newU) //把决策表当前位置为index的样本编号设置为newU

vector<int> SetToiVector(Set &s)//把集合转化为向量

vector<char>GetConditionSet()//返回条件属性集

vector<char>GetDecisionSet() //返回决策属性集

vector<Element>GetDT() //返回决策表

Element GetElement(int u) //返回编号为u的样本

int NumberOfElement() //返回决策表DT中的样本数

void AddElement(Element &e) //在决策表后添加样本e

void AddElement(Element &e, bool flag)//当flag=true同AddElement(Element &e)，否则添加样本，不橡做尘自动编号，使用添加样本本身的编号

int FindElement(Element &e)//在决策表中查找样本e，存在则返回样本的编号，不存在返回-1

void RemoveElement(int iNo) //删除决策表DT中的样本号为iNo的第一个样本

DecisionTable RemoveConditionAttribute(const char &c)//删除条件属性集中的属性c构成新的决策表

DecisionTable AddConditionAttribute(const char &c, vector<int>&ValueOfc)//往条件属性集中添加属性c构成新的决策表

DecisionTable SelAttrMakeDT(vector<char>&vec)//按给定的属梁禅性集的子集返回决策表

Set ValueSetOfAttribue(const char &a)//返回条件属性a对应的值集

Set POS() //求决策表DT=(U, CUD, V, f)的D的C正区域

bool IsConsistentDecisionTable()//判断决策表是否是一致决策表

double RelyDegreeOfDToC() //计算决策表中D对C的依赖度

double RelyDegreeOfDToAttribute(const char &c)//计算决策表中D对C中的属性c的依赖度

double SigOfAttribute(const char &c) //计算条件属性集中属性c的重要度

vector<char>Core() //求决策表的核集

bool IsIndependentOfConditionSet() //判断决策表的条件属性集是否是独立的

intCountOf(Element &e) //统计样本e在决策表中出现的次数(只是指条件值决策值相同)

intCountOfDecisionValue(vector<int>&decValue)//计算给定决策值decValue出现的次数

DecisionTable GetConsistentSubDT() //分解得到一致决策表

DecisionTable GetNotConsistentSubDT()//分解得到不一致决策表

DecisionTable Unique() //返回决策表不同样本构成的决策表

SetGetM() //获取论文中的近似一致样本编号集

double LooseRelyDegreeOfDToC() //求决策表D对C的松散依赖度

double LooseRelyDegreeOfDToAttribute(const char &c)//求决策表D对属性c的松散依赖度

void Print() //打印决策表

private:

vector<char>ConditionSet

vector<char>DecisionSet

vector<Element>DT

int SerialNumberOfElement

}

#endif

---