管理数据和案例的知识提取技术近年来有了迅速发展,已在企业管理诊断、预测和决策中得到了日益广泛的应用.管理科学、信息技术、人工智能、应用数学等学科都从不同角度来研究知识发现问题.该文针对网络化环境下案例库日益复杂和庞大的情况,应用粗糙集、包含度及证据理论研究管理领域中案例库的精简及其决策规则归纳学习方法.该文的创新性成果主要有以下几个方面:(1)提出了利用关键变量的判断树简化生成方法.应用粗糙集理论找出关键变量(核心),利用关键变量的重要度大小,通过从上而下逐步分解或从下而上逐步归类生成判断树.利用判断树从已有案例中辨识和预测管理过程的状态和结果.(2)提出了基于包含度与证据理论的关键变量提取方法.通过计算特征变量的分类和目标分类,给出这两种分类之间的包含度,利用分类包含度确定特征变量的重要程度,从中提取关键变量,并给出了关键变量的数值特征与判断标准.(3)提出了从不完全案例库中获取未知案例决策规则的归纳学习方法.任何案例库都是不完全的,都包含有未知案例.该文建立了集合向量包含度公式,给出了不同决策的条件属性特征,得到了不完全案例库中未知案例的决策规则.(4)提出了模糊案例库中关键变量提取与规则获取的粗糙集方法.在管理决策的各种案例库中存在着大量的语言变量属性.利用模糊集表示语言变量,将粗糙集和模糊集结合起来,定义了模糊案例库约简的五种形式,给出了关键变量提取的五种算法,首次给出模糊案例库决策规则归纳学习方法与实例.