随着数据采集工具的成熟以及海量存储设备的广泛应用,目前许多大型企业己经积累了大量的数据。为满足管理、经营的需要,这些数据必须得到有效地处理;使用传统的数据分析和检索方法处理这些数据,不仅将耗费大量的计算时间,而且依赖于事先对数据关系的假设和估计,难于得到其中的有效信息。目前面临的要求是如何自动和智能的将待处理的数据转化为有用的信息和知识。二十世纪八十年代初波兰数学家Pawlak.Z提出了粗糙集理论,它是一种处理含糊和不确定性的新型数学工具,可以有效的用于知识约简和提取。为在知识发现中更好地应用粗糙集理论,将主要研究工作集中在粗糙集约简算法以及应用粗糙集理论处理多值系统的查询和检索方面,为多值系统中的知识发现应用提供了方法,并建立了两种算法用于满足知识发现中的不同约简需要。首先,在分析属性分类能力后,给出一个易于理解、方便交互的启发式约简算法,可以有效满足知识发现中领域专家对控制并调整约简过程的需求;其次,为提高约简算法效率,对正区域进行深入的分析和研究后,给出并证明一种新的正区域等价定义,以此推导了高效的正区域基本算法;为满足大数据集上对约简算法效率的要求,通过对不同约简属性集所对应的属性子集、论域子集和正区域间的关系,以及正区域递增算法中约简属性的性质等方面,推导相应的性质和推论后,建立了一个高效的属性约简算法并证明了其完备性。实验数据的分析,表明该算法可以有效地应用于大数据集上的约简计算;最后,建立多值数据属性的检索和查询方法,使得多值系统上的知识发现应用成为可能。