粗集理论是一种处理不精确、不一致、不完整信息的数据分析工具,不需要提供问题所需处理的数据集合之外的任何先验信息,可直接对数据进行分析和推理,从中发现隐含的知识,揭示潜在的规律。粗集理论已广泛地应用于机器学习、数据库知识发现、决策分析、模式识别、医疗诊断和专家系统等领域。在粗集理论中,约简与核是两个最重要的基本概念。约简是指在保持分类能力不变的前提下,删除冗余的属性。核是所有约简的交集,其核属性的计算往往是决策信息约简过程的出发点和关键。寻求快速的求核和属性约简算法是粗集理论研究的重要内容之一。本论文针对粗集求核和属性约简算法进行了研究,主要工作如下:首先,本文研究了求取决策表核属性的经典算法,分析了时间复杂度和空间复杂度,提出一种效率更高的计算核属性的算法,通过例子说明算法的具体过程并验证了算法的正确性。其次,本文研究了基于差别矩阵的属性约简算法及其局限性,提出了一种基于依赖度的决策表属性约简算法,该算法不需求核运算,节省了时间和空间,简化了求解过程。最后,本文分析了中医数据的特点,介绍基于粗集理论的中医数据预处理方法,并给出了一个中医诊断应用实例。