粗糙集算法是近年来在数据挖掘领域出现的新兴算法,它在处理数据模糊性方面有其独特的优势,但是它计算过程中核心的过程“约简”的计算过于复杂,这严重影响了它的使用和推广。本文旨在解决这样的问题：在保证粗糙集方法正确分类精度的情况下,试图减少规则生成的计算时间。致力于此,首次提出了一个新的以经典粗糙集理论为基础的规则生成算法SFRGA (Short First Rules Generation Algorithm)。与经典粗糙集算法相比,经典的算法中要计算约简,SFRGA中直接跳过了这一复杂的步骤；经典算法是基于“划分”的,而SFRGA是基于“覆盖”的。对于SFRGA算法,从理论上严格证明了它的以下性质：1)SFRGA算法可以和经典算法达到同样的数据覆盖率；2) SFRGA算法可以产生比经典算法更少的规则数；3) SFRGA算法的时间复杂度远小于经典算法,而且数据量越大越明显；在规则复杂度方面,本文还提出了一个新的比较标准MRL (Mean Rules Length),并且证明了4) SFRGA算法的MRL总是要小于经典算法。除了理论上的论证,本文还对SFRGA算法给出了一个haskell语言的算法实现,相关的实验也表明了它的以上优秀特性。SFRGA算法的提出,不仅是对粗糙集理论的创新和完善,而且在规则生成的实际应用方面也表现出了优越的性能。