目前知识发现不能有效地处理不完备、不确定性数据以及知识的可解释性比较差,而变精度粗糙集(Variable Precision Rough Set,VPRS)理论是一种处理模糊的、不确定性知识的数学工具,不需要先验知识,并且决策树具有表示直接的优点。因此,采用VPRS理论先进行属性约简,再利用VPRS理论构建决策树来获取规则对于知识发现具有十分重要的意义。针对在不完备信息系统内属性约简准确性比较低的情况,定义了新的属性重要性算子作为启发式信息和新的约简定义作为约简终止条件,并将相对核计算方法扩展到不完备信息系统中,从而给出了在不完备信息系统中基于VPRSM的属性约简算法。该算法在保证得到一个属性约简集的同时,可以提高属性约简的准确性及灵活性;由于决策树的构建过程中未考虑到结点选择中属性的重要性,因此针对如何将属性核与分类质量相结合应用到决策树的构建中,以及当两个(或两个以上)属性的分类质量量度相等时,如何选择最合适的属性作为结点,本课题提出基于属性核的VPRSM的决策树构造算法。该算法能够产生树结点少、分类准确率较高的决策树,从而最终获得规则。通过理论分析和在UCI数据集上的实验验证,证明提出的基于不完备信息系统的VPRSM的属性约简算法和基于属性核的VPRSM的决策树构造算法都达到了预期效果,最终获得了有效的规则,对今后进一步的研究和实际应用具有重要的意义。