粗糙集理论是一种处理含糊和不确定性问题的新型数学工具,以其为理论基础的数据分析与处理技术得到越来越广泛的应用。数据约简是非常重要的一个研究课题,本文基于粗糙集理论,着重对值约简理论与方法进行研究。分析了支持度、置信度以及覆盖度等决策规则的度量方法,研究度量所体现的规则性质。论述了值约简的过程,针对目前值约简方法的不足,将区分矩阵引入值约简。阐述了区分矩阵的发展及其特点,在此基础上全面分析了各种区分矩阵进行值约简存在的问题。给出了一种改进的区分矩阵,在代数观点内解决了值约简过程中所产生的新的不一致。同时将新的规则区分矩阵用于知识库的增量式更新,设计了一种增量式算法,该方法能够同时获得一致性规则和不一致性规则。通过分析信息论的基本观点,探讨了信息熵、决策熵和条件熵的思想。在值约简理论的基础上,详细分析产生值约简异常的实质原因。给出值约简形式化描述,保证规则值约简前后决策和不一致程度不变,并且设计了一种基于局部熵的值约简算法,该算法能适应决策表的不一致情形,逐步消除了值约简异常,且运用此方法所提取的规则集能够保持与原信息系统一致。最后采用UCI数据集进行实验仿真,仿真结果进一步阐明了相关理论成果。