述一个等价关系并称之为属性（包括条件属性和决策属性〉。整张表形成一个对论域的决策规则集。对决策表做相容性检验，如果决策表不相容则将其分离为两个分别为相容和不相容的决策表，只对相容决策表作进一步简化处理。属性依赖度表征各条件属性对决策属性的重要程度。如果知识工程师通过各种途径能够掌握关于各条件属性的先验知识，亦即能够确定各个条件属性相对于决策属性的权重，则在后续的决策表简化过程中可依据此信息，但也要考虑到权重对决策环境的敏感性；如果先验知识难以获取，可通过计算决策属性对各条件属性的依赖度，从而确定各个条件属性的重要程度，其算法如下：“二…,为既定知识库，且厂（ 尺，定义0对0的依赖度为。（⑴ （ （ ））/ !/）,其中⑶8 0表示集合的基数。如果可能，往往将先验知识与计算所得依赖度同时考虑。此外，也有挙者基于信息论提出用信息熵度量属性的重要性（某条件属性相对于决策属性的重要性），即用它引起的互信息的增量来表征。

决策表的简化体现了知识推理过程。它化简决策表中的条件属性，使化简后的决策表具有同于化简前的决策表的分类能力，但具有更少的条件属性。化简操作从消去可省略关系开始，分别计算各条件属性相对于决策属性是否可省略，亦可利用依赖度计算结果，将具有零值依赖度的属性消去；如果出现两个以上零值依赖度属性，则消去先验权重最小的属性。属性化简后，对出现的重复行（对象）进行合并操作。尔后，计算每一规则的核得到核值表，计算每一规则可能的简化得到可能规则表。一般情况下，给定决策表的简化结果不止一种，各种简化都维持了与原有条件属性相同的分类能力。即便对于确定的简化结果，由于每一规则都可能有多种简化形式，从而得到十分庞大的解集，需要选择最有效的规则构造具有使用价值的最小决策规则集来表达给定论域。

如何进行规则选择，可以采用两种策略：其一，以概率最优准则选择规则集。对于有〃个条件属性讯种规则的决策表，计算出各属性〖在每种规则7中是核属性的概率：4的值为规则7中核属性为属性I的数目与规则核值表中核值总数的比值。尔后，求出每个属性1在核值表中出现的概率4=4+1 +…十匕，选择包含概率较大属性的可能规则作为优化规则，从而消去的冗余规则较多，得到具有最小数目的优化规则的可能性就更大。其二，基于先验权重的规则提取。设丨七10 = 1,2，…，70为可能规则表的属性集，各属性的先验权重为0（0,0，可能规则表中相应于核值表中第（条规则的第7'种可能规则（简化形式）的规则权重为X户（?”十…+ （4（0 乂/ ?）），其中当第7‘条可能规则中属性：的值为非空时0,（ 0 1，否则0】⑷ 0。对可能规则表中相应于核值表中每条规则的每种可能规则按上式计算其规则权重，并选择规则权重最大的可能规则作为第I条规则加入规则库。