近年来,粗糙集理论及其应用正吸引世界范围内越来越多学者的研究兴趣,许多高水平的研究和应用成果相继发表在各类国际学术杂志上。作为处理不确定和含糊问题的新的数学方法,粗糙集理论对于现代计算机应用,无疑是最具挑战性的领域之一。自粗糙集问世以来,己在人工智能和认知科学方面,尤其在机器学习、智能系统、模式识别、知识发现、决策分析和专家系统等方面都得到了广泛应用。本文在讨论经典的基于不可分辨关系的粗糙集理论及其约简算法的基础上,进一步探讨了基于优势关系的粗糙集扩展模型,首先将优势粗糙集与覆盖粗糙集进行了比较,再对该模型中已有的知识约简算法进行了研究,通过反例指出已有算法存在的不足之处。针对不足并结合基于优势关系的粗糙集模型中所特有的性质,本文提出了优势粗糙集一致度的概念,在该定义的基础上给出了变精度区分矩阵和相应的求核和属性约简算法,并与已有的约简方法进行了比较,最后用实例说明其正确性。