本文总结了基于粗糙集理论不确定推理过程中出现的三个不可避免的问题，分析了已有的推理方法（权重推理策略和支持度推理策略）的推理思想，通过实验证明了其推理过程中出现的两类错误：由于推理方法选择不当导致的推理错误（b类错误）和由于知识库中知识的缺乏导致的推理错误（a类错误）。通过已有推理方法推理过程的详细讨论，发现其规则匹配过程将各前件将规则前件等同对待，完全抹杀了他们在描述知识过程中所显示出来的不同的重要性，从而导致了推理过程中错误的利用了知识库中的知识，造成了推理结果的不准确。 基于这些讨论，本文提出了基于属性重要性的推理方法。该方法充分考虑到了规则前件不同属性在描述知识过程中所起到的不同的作用，恰当的运用了支持度策略中的启发知识，提出了基于属性重要性的“广义匹配度”，从而从本质上修正了单纯的权重策略和支持度策略所无法避免的缺陷。继承了权重策略冲突解决的思想，旨在寻求一种“置信度”最高的规则，来给出模型的正确的输出。