近年来，随着计算机、网络和通讯等信息技术的高速发展，各个行业的电子化迅速普及，产生了大规模的数据源。面对着这些日益增长的海量数据，无论在时间意义上还是在空间意义上，传统的基于统计的数学分析手段都难以应付。这就需要对能从大量数据中智能且自动地抽取出有价值的知识的数据库知识发现及其核心技术数据挖掘做更加深入和广泛的研究。 粗糙集理论是一种新型的处理含糊和不确定性知识的数据挖掘工具，它能够分析隐藏在数据中的事实而不需要关于数据的任何附加知识，其中知识约简算法是关键。本文在讨论经典的基于不可分辨关系的粗糙集理论及其约简算法的基础上，进一步探讨了应用于多准则决策分析的基于优势关系的粗糙集扩展模型，对该模型中已有的知识约简算法进行了研究，通过反例指出该算法存在的缺点。针对该缺点并结合基于优势关系的粗糙集模型中所特有的性质，本文提出了一个新的优势区分矩阵的定义，在该定义的基础上给出了相应的求核和求约简算法，并从理论上证明其正确性。 本文还对另一种常用的数据挖掘工具决策树算法进行了一定的探讨，通过分析经典ＩＤ３算法及其优化算法ＭＩＤ３的优缺点，提出了一种改进的基于分枝合并的决策树算法ＭＰＩＤ。 最后，在以上理论研究的基础上，给出了本课题小组实现的一个基于 ｗｅｂ　ｓｅｒｖｉｃｅｓ 技术的数据挖掘系统 Ｈｓｍｉｎｅｒ，并给出了一个应用实例。该实例是对福建省地区的遥感影像利用基于不可分辨的粗糙集理论进行分类挖掘。