当今社会已经迈入了万物互联时代,大量终端的存在为这个社会产生了大量的信息与数据。在信息收集之初,大家并不完全清楚最终想要的是哪些数据,大而全地收集数据成为了一个较为稳妥地选择方案,也因此造成了最终的数据中包含了大量无用甚至垃圾的数据。数据的质量会对学习模型的性能产生重要的影响已经是行业内的一个普遍共识。大规模的数据也会提高模型的学习时间,降低学习效率。因此,对原始数据进行特征选择已经成为机器学习领域一个至关重要的预处理步骤。特征选择旨在选出一组区分能力强的特征子集,以达到降低数据维度,减少数据规模,提升后续学习模型学习效率的目的。粗糙集是一种强力的数学工具,极易于用于特征选择研究。本文主要的工作都在研究粗糙集的应用、改进和拓展,并将其用于特征选择。针对领域内目前仍存在的NP难问题、噪声问题和半监督数据问题,本文的主要研究工作和创新点如下:针对选择最小的约简子集所面临的NP难问题,使用粗糙集中依赖度的概念构造适应度函数并使用鲸鱼优化算法进行全局搜索。搜索过程中的鲸鱼群体在每次迭代中都根据适应度值高低被分为两个子群体,同时构造一个当前最优位置的随机替代点。普通子群体中的鲸鱼个体仍旧向着当前最优个体所在方位更新自己的位置,精英子群体中的鲸鱼个体则向着替代点所在方位更新自己的位置。这种群体划分机制可以避免算法过早收敛,提高算法的全局寻优能力。相关实验的结果表明,在大部分情况下该算法都能选择高性能的特征子集。针对数据中的噪声样本导致学习模型性能降低的问题,提出了一种结合多核与模糊决策的稳健模糊粗糙集模型并将之用于特征选择。模糊决策本质上是一种根据数据分布对样本标签重新划分的方法,可以初步消除样本误标记所造成的噪声产生的影响。基于此,重新定义了样本模糊决策的计算方式,减少了参数对结果的影响。考虑到数据分布多样性的特点,引入多核组合的方法来计算样本间的相似性,各核函数的权重由各核函数的先验分类精度决定。相关实验结果表明,在选择特定的多核组合算子时,算法的性能在大部分情况下优于对比算法。针对样本标签误标记和部分数据标签获取难度大的问题,给出了一种样本标签重定义的方法。该方法会根据样本的实际分布情况,分析出各样本最有可能属于的类别。为防止错误地修改了正常样本的标签,设置了两个筛选条件,以找出最有可能需要进行标签重计算的样本,还节省了计算时间。在噪声数据和半监督数据上的实验表明,结合了标签重定义与邻域粗糙集的特征选择方法在大部分情况下都具有更高的性能。