随着信息技术和数据库技术的高速发展,人们每天都要面对巨大的数据量,数据挖掘正是致力于数据的分析和理解、揭示数据内部蕴藏知识的技术,是当前人工智能研究中非常活跃的领域。粗糙集理论是一种有效地处理模糊性和不确定性问题的数学工具,为数据挖掘的研究提供了新的思路和基础。本文主要研究变精度粗糙集的约简算法,针对传统数据挖掘处理噪声数据不力的问题,从理论和应用两个方面对约简算法进行了深入的研究。主要工作包括:
　　(1)在变精度粗糙集理论下对经典粗糙集的概念进行了重新的诠释;分析了粗糙集理论在数据挖掘应用中的理论根据和基本原理,并点出了研究的方向。
　　(2)比较分析了两种变精度粗糙集模型下的约简算法,即β-下近似和β-下分布约简算法,结合这两种算法提出了一种改进算法,并验证了新算法的有效性。
　　(3)提出了基于变精度粗糙集和熵权相结合的评估模型,并将模型应用于企业自主创新能力评价中,通过实证分析,证实了该模型在企业自主创新能力评价中的有效性。