粗糙集理论是由Pawlak教授于1982年提出来用以处理不确定、不精确知识的一种数学理论方法,该理论的主要优势之一是它不需要任何预备的或额外的有关数据信息就能对信息系统进行处理.概念格理论,也称为形式概念分析,是德国数学家Wille在同一年提出的,它是一种处理概念性数据与概念层次的数学理论,也是一种知识表示和知识发现的有效工具.粗糙集和概念格理论中最核心的内容之一就是属性约简问题.但是由于实际应用中的不同需求和条件限制,现有的属性约简方法就会存在一些局限性,导致得到的约简结果可能不能满足用户的需求.因此研究讨论更有效更有针对性的约简方法有了更大的现实意义.本文的主要工作如下:1.在粗糙集的熵约简中,用户已经有了每个属性的先验知识,如用户的偏好,而这些先验信息并不能反映出其对属性集合的分类能力;相反,属性重要性也只反映了其对属性集合分类的影响,却不能反映用户的偏好需求.因此本文通过添加权重系数将二者结合起来,并从信息熵的角度重新定义加权熵的属性重要性,给出改进的加权熵约简算法,通过该算法得到更能满足用户需求的约简结果.2.在决策形式背景中,由于对数据理解的误差及测量的限制,存在部分对象与属性之间的关系是不确定的,因此很多情况是处理不完备的决策形式背景.本文针对不完备决策形式背景,给出相应的双子集内涵概念的构建方法,并由此得到构造概念格的新方法及相应的改进算法,进一步提出四个协调集的判定定理及属性约简方法.