随着数据挖掘技术的成熟,信息产业的不断涌现,以及互联网的迅速发展,人们日常生活需要的信息量以指数级速度增长。传统的数据分析和查询方法在实际应用中不能满足人们对隐藏在数据背后的潜在知识的迫切需要。粗糙集理论作为新的数学工具,它具有不需要附加任何外界信息或先验知识这一显著特点,逐渐成为了研究知识发现的重要的理论之一。由于经典的粗糙集理论不能处理具有空值或多值的源数据集合,需要经过数据预处理得到适合数据挖掘算法的数据,数据预处理在整个数据挖掘处理步骤占有重要的地位,因此如何有效地进行数据预处理具有非常重要的现实意义。本文在粗糙集数据预处理中对数据直接填补和扩展关系模型的处理方法展开研究。首先研究目前一些主要数据补齐算法所存在缺陷：产生冗余信息系统、需先验属性值分布概率、无稀疏数据处理等。采用协同过滤技术的稀疏数据集处理方法,根据属性和对象相似度计算结果填补稀疏信息表,同时与基于向域的空值填补算法结合,改进得出—种基于相似预测的粗糙集空值估算方法;其次,在相似度计算过程中引入熵和互信息的概念,提出了一种刻画信息表属性特征的二重特征权值,使填补值能够体现出信息表的属性特征并提高填补结果准确度；最后,针对多值和不可填补空值问题引入多值非完备信息系统和存在型非限制容差关系,在属性约简过程中对数据这两个问题进行处理。通过仿真实验验证了本文提出算法的有效性。仿真实验结果表明,在稀疏数据情况下本文改进的算法在准确率和平均误差指标均优于改进前的方法。在属性约简过程中,根据实例验证了处理多值和不可填补空值问题的可行性。