1.一种基于粗糙集优化的脑转移瘤预后指标约简及分类方法，其特征在于，包括如下步骤：

A.数据收集与清洗：对脑转移癌患者病例数据进行过滤，提取预后指标，预后指标作为条件属性，每个病例对应的肿瘤良恶性作为决策属性形成决策表；

B.约简：根据步骤A中约简形成的决策表，采用动态群优化算法搜索决策空间中条件属性数量最少、条件属性相对于标签类别依赖度最大，条件属性间相关度最小的约简集合；

C.分类：将步骤B中约简集合对应的属性集采用宽度学习方法进行分类。

2.根据权利要求1所述的基于粗糙集优化的脑转移瘤预后指标约简及分类方法，其特征在于，所述步骤A中提取的预后指标为年龄、原发肿瘤控制、颅外转移、KPS评分、病变数、最大病变体积、是否化疗。

3.根据权利要求1所述的基于粗糙集优化的脑转移瘤预后指标约简及分类方法，其特征在于，所述步骤A中在建立决策表前，先对预后指标进行归一化预处理，归一化特征向量的计算方法如下式：其中，M是属性向量的维数，N为患者病例数据的数量，xi,j是第i个患者病例数据中的第j个属性元素。

4.根据权利要求1所述的基于粗糙集优化的脑转移瘤预后指标约简及分类方法，其特征在于，所述步骤B中在约简前需先录入动态群初始化粒子、群首粒子、组数量、种群变异率、停止准则、属性间相关度和属性与类别间依赖度构成的双目标函数，其中，初始化的约简集为空集，样本为整个论域，迭代优化计算满足双目标函数值最小的Pareto分布解集，即可获取Pareto最优前沿解集对应的约简属性集合。

5.根据权利要求4所述的基于粗糙集优化的脑转移瘤预后指标约简及分类方法，其特征在于，所述步骤B中需对动态群粒子进行二进制编码，具体编码策略如下：Xi＝[xi1,xi2,…,xin]

其中i为第i个粒子，Xi为[0,1]之间的实数，n为粒子的维数,xin表示第i个粒子在第n维上的值；并对xin进行二值化处理，当xin<0.5时，xin＝0，当xin>＝0.5时，xin＝1。

6.根据权利要求4所述的基于粗糙集优化的脑转移瘤预后指标约简及分类方法，其特征在于，所述的动态群优化初始化粒子数为30，群首粒子初始化为第1个，组数量为6，种群变异率为0.2，迭代最大次数为100。

7.根据权利要求4所述的基于粗糙集优化的脑转移瘤预后指标约简及分类方法，其特征在于，所述属性间相关度和属性与类别间依赖度构成的双目标函数，是通过如下结果来判断的：属性间相关度越接近于0，则表示属性间相关度越小，属性与类别件依赖度越接近于1，则表示属性与类别件依赖度越大，粗糙集计算依赖度下限为0.001。