摘要：對(duì)于數(shù)值型數(shù)據(jù)而言,鄰域粗糙集模型是處理不確定信息的有效工具.現(xiàn)有的鄰域粗糙集模型僅關(guān)注那些鄰域中所有樣本都屬于同一個(gè)決策類的一致性情形,無(wú)法利用鄰域中與多個(gè)決策類相交的邊界樣本所蘊(yùn)含的信息.針對(duì)鄰域粗糙集的這一局限性,將相容關(guān)系的極大相容塊與鄰域粗糙集相結(jié)合,選取樣本鄰域內(nèi)的最大等價(jià)塊作為最小的信息粒,通過(guò)重新定義鄰域粗糙集的上下近似和屬性重要度等概念,建立了一種基于極大相容塊的鄰域粗糙集模型.該模型可在更小的信息粒度下將原來(lái)邊界樣本轉(zhuǎn)化成一致性樣本來(lái)增大正域.運(yùn)用前向貪婪策略構(gòu)建了相應(yīng)的屬性約簡(jiǎn)算法.在七個(gè)公開的UCI數(shù)據(jù)集上的對(duì)比實(shí)驗(yàn)驗(yàn)證了提出模型的有效性。