现实世界中数据具有不完整,不一致等特点,为了提高数据挖掘的质量产生了数据预处理技术。本文介绍了粗糙集的理论知识,并在此基础上,主要做了以下两个方面的研究:1、在传统基于属性依赖度的约简方法基础上,定义更精确的强化正域概念。通过对边界域的精确划分,确定各条件属性对决策属性的强化依赖度,并用自顶向下的启发式搜索算法得到约简结果。通过对UCI数据集实验,结果表明,相比于经典方法,REPR能更有效地对决策表进行属性约简。2、首先对离散化问题形式化描述,并采用最优化方法进行离散化定义;其次基于信息熵思想分别定义修正信息增益率IIGR和统计相似性SIS作为离散化的最优化目标函数,并给出离散化约束条件;最后采用遗传算法实现连续属性的离散化。采用UCI数据集实验对比,在统计意义下,本文离散化方法实现离散区间数少,离散后数据集构建决策树的规模小,分类精度高,表明以最优化为指导,多个连续属性并行离散化兼顾属性间的关联关系,数据离散化更加有效。