在知识发现过程中，由于待处理的数据集有时带有噪声或不完整，因此需要能处理不精确、不确定数据的理论和方法。粗糙集理论正是满足这种要求的新型数学工具。基于粗糙集的知识发现过程，就是利用粗糙集理论与方法从数据中挖掘出新颖的、有用的非平凡的模式过程。围绕知识约简这个核心研究问题，分别从差别矩阵、启发式信息及数据库系统的角度对知识约简进行了深入研究。将粗糙集引入Vague目标信息系统，讨论了Vague目标信息系统的知识约简问题。相关主要工作有以下几方面： 现有差别矩阵只适用于一致或部分一致决策表，对于完

本文讨论了在不一致的不完整决策表中进行属性约简的方法。 这项研究的主要目的是扩展一种属性约简，称为下近似逼近和上近似归约，它们保留了目标决策的下/上近似分布。 推导了不一致不完全决策表中上下近似一致集的几个判断定理。 然后，还研究了与两个近似约简相关的可分辨矩阵，从中我们可以得到粗糙集理论中不完全决策表的属性约简的方法。