功能性磁共振成像(fMRI)对于探索大脑内部运作是脑认知研究的最重要工具,fMRI采集的数据是在一段时间内,对于特定刺激事物,大脑不同区域产生特定的反映变化图像,明显的特点是区域多,数据量大,使其成为一个非常具有挑战性的问题。因此,对收集的数据进行切实有效的分析化简,才能深度发掘大脑行为变化。人们越来越需要新的方法,可以有效地、客观地从功能磁共振成像数据中提取有用的信息并将它转化为可理解的知识。本文研究了粗糙集的基本理论和属性约简。粗糙集理论对于减少属性和获取规则提供了有效的方法。为了克服粗糙集属性约简算法约简单一,很难获得最小约简的缺点,提出了基于粗糙集循环多约简及其形式概念分析算法,该方法主要是利用粗糙集获得决策表的多约简抽取多知识,通过形式概念分析获得规则中各个条件属性值对决策值的影响程度,从而获取重要的规则。通过多约简获得的多个单知识库之间的规则可能存在矛盾,利用贝叶斯分类器来确定这些矛盾规则的决策,使得多知识库保持一致。通过UCI数据的实验结果证明该算法的有效性。最后,本文介绍了利用功能磁共振成像获得脑数据的相关条件与流程,通过对受试者大脑进行人为的外界刺激获得fMRI数据,根据fMRI数据中外界刺激类型(图像、中文、英文)的不同,将本文算法应用到对大脑不同区域的脑数据进行属性约简,进而通过FCA获得重要的规则。根据各个脑区的激活程度,来判定受到的外界刺激类型。