粗糙集理论是能有效地分析不一致、不精确和不完整等各种信息的一种数学工具，目前广泛应用于人工智能、模式识别和知识发现等方面，其研究的核心内容是属性约简。属性约简是在保持原有决策系统分类能力不变的情况下，对系统中的冗余属性进行删除的过程，处理后的系统还能表示原有的决策系统。经过属性约简能形成精简的规则库以便人们作出快速、准确的决策。本文在对已有粗糙集属性约简算法研究的基础上，提出两种属性约简算法：基于属性重要性的求核算法和基于属性重要性的属性约简算法。核属性是信息系统中不可删除的属性，它是所有属性约简的交集。基于属性重要性的求核算法是利用属性的重要性来求核属性，先计算出决策表中单个属性的重要性，当某一属性的重要性大于零时此属性为核属性，然后把此属性并入到核属性集CORE中，经过一轮循环计算判定后，最后得到决策表的核属性集CORE。基于属性重要性的属性约简算法利用求核算法求出核属性，然后以核属性为基础，计算条件属性集中除核以外其他属性的重要性，取重要性最大的属性加入到核集中形成新的集合RED，再以RED为基础依次循环下去直至剩下所有属性的重要性都为零，得出的集合REDn即为属性约简。通过实验对比分析，改进后的算法具有更高的效率，且能够保证得出最小约简。