粗糙集理论是由波兰数学家Z.Pawlak在1982年提出的,是继概率论、模糊数学、证据理论之后又一种处理不精确性、模糊性和不确定性的有效数学工具。该理论的特点是不需要先验知识或附加信息,在数据挖掘、知识约简等方面有很好的应用前景。属性约简是粗糙集理论的核心内容之一,其能够在保证分类和决策能力不变的前提下约简数据库中的冗余属性,简化知识表示,提高系统处理的效率,方便用户决策。本文深入系统地研究了基于粗糙集理论的属性约简问题,主要工作如下:1.提出一种基于约束函数的差别矩阵的定义,该矩阵能正确处理不一致性决策表,根据该矩阵而提出的求核方法,其时间性能比传统方法有较大提升;2.引入约简条件的概念,提出约简算法ARSDM。ARSDM算法以约简条件为启发信息,采用边得到矩阵元素边进行删除和排序的方法,有效降低了约简的时间和空间消耗,提高了属性约简的效率;3.利用随机抽样的方法,提出利用阈值来控制差别矩阵元素生成数量的策略,并据此构造了约简算法α-ARDM。4.提出一种分布式的粗糙集属性约简算法DARDM,并从理论上证明了该算法的正确性。