随着数据库技术的迅速发展以及数据库管理系统的广泛应用,被积累的数据越来越多,激增的数据背后隐藏着许多重要的信息,人们希望能够对其进行更深入的分析、研究,从中得到更有价值、有意义、深层次的信息,并且希望这些信息能够对人们的决策有一定的帮助.数据挖掘,这个能够解决此问题的学科自然孕育而生,逐渐得到了越来越多学者的关注,并在之后有了蓬勃发展.粗糙集理论和方法的一个主要目标是通过背景知识获取目标概念的近似,这也是机器学习、模式识别、数据库知识发现与数据挖掘的一个重要目标.粗糙集方法作为一种处理不完全、不精确及不确定信息的有效方法,已经成为一种数据挖掘和数据库知识发现的主流方法.该论文提出了一种将粗糙决策支持方法和传统的由属性约简和属性值约简获得决策规则的方法相结合的新模式,这种新模式的原理是:运用传统的获取决策规则的方法从决策表中得出最小约简的决策规则集或满意的决策规则集生成一张动态的决策规则信息库表.当得到某一条件组合时,首先查找决策规则信息库表,判断该条件组合是否在决策规则信息库表中存在匹配的规则,若无匹配的决策规则,这才运用粗糙决策支持方法得到对应的决策支持信息,并且将这些得到的决策信息存入决策规则信息库中,以方便该信息能被以后多次使用.这种新模式不仅能够充分挖掘决策表的决策支持能力,提供强有力的决策支持,弥补多数决策规则对于决策表的部分决策支持能力的损失问题,还可以提高获得决策规则信息的响应时间.同时该文还提出对于这种新模式算法的改进算法,又进一步降低了获得决策值的运行时间,使决策支持获得更快的反应速度.该文内容的研究对于粗糙集在数据挖掘中的决策支持的研究与应用有一定的理论和现实意义.