随着信息技术的不断发展和自动化水平的不断提高,许多领域都出现了拥有海量数据的信息系统.这些数据信息系统中通常隐藏着大量对决策有用的知识信息,需要人们去发现和挖掘.粗糙集理论是由波兰数学家Pawlak在1982年首次提出的,是描述不完整和不确定性知识的数学工具,它具有不需要任何先验性知识就可以对确定的或不确定的数据进行知识获取、规则提取的巨大优势.但遗憾的是它只适用于完备信息系统,对不完备信息系统则无能为力.近年来,为了充分利用粗糙集在数据挖掘方面的优势,不完备信息系统的完备化研究正进行的如火如荼.本文研究的是在三种不同信息系统中基于ROUSTIDA算法的完备化策略,主要从以下三个方面展开研究.　　首先,针对序数型不完备信息系统,基于ROUSTIDA算法并充分考虑序数型属性的数值特点以及序数值之间序的影响,提出了一种基于量化相似度的改进算法.同时分析了该算法的有效性.　　其次,针对离散型不完备信息系统,利用极大相容块技术具有的良好性质(极大相容块中的元素具有最高的相似度且可以降低时间复杂度),提出了改进算法的同时指出该算法具有初步排除噪声数据的优点.　　最后,针对既有离散值又有连续值的混合型不完备信息系统,借鉴邻域关系可以处理连续型属性的思想来对可辨识矩阵的定义进行扩充,结合极大相容块技术并充分考虑ε的选取问题,提出了改进算法并通过数值实验验证了给出的完备化算法的客观有效性.　　本文的研究成果不仅具有重要的理论意义,而且在实际的应用中也具有一定的参考价值。