现如今,随着海量数据的指数级增长,数据挖掘作为处理海量数据的技术,有着广泛的应用前景。在海量数据挖掘中,属性约简方法的研究是研究者们关注的热点话题,如何有效的且最大限度的从高维数据中筛选出重要属性,是进行数据分析的重中之重。在进行决策分析过程中,属性加权方法的研究也是不可避免的环节,如何合理的分配属性权重对最终决策的重要性大小,是提高决策准确性和水平的关键。本文着重研究属性约简算法和属性加权算法,分别对已有的不同算法进行改进,并将其应用于肝癌微血管侵犯的预测中。一是针对基于邻域粗糙集的属性约简算法中未考虑相关属性之间的相互影响问题,提出了一种基于卡方检验的邻域粗糙集属性约简算法。首先利用卡方检验方法计算各个属性间的相关性的大小,在属性约简时考虑相关属性之间的影响,即计算单个属性和其相关属性的重要度之和,使得筛选结果更加准确和有效。实验表明该算法表现出了较好的效果。二是针对基于层次分析法的属性加权算法在构造判断矩阵时过于主观的问题,提出了一种主客观相结合的属性加权算法。首先利用皮尔逊相关系数计算两两属性间的系数大小,然后根据系数大小构造出成对比较矩阵,计算属性的权重值,再与熵权客观分析法求出的权重值组合得到最终的属性权重值。相对于完全主观的矩阵构造,该方法在一定程度上避免不确定性,既能体现出主观的经验知识判断,又能挖掘出客观数据的潜在价值。将本文提出的属性约简算法和属性加权算法应用于肝癌微血管侵犯的预测中,首先利用本文提出的属性约简算法对肝癌微血管侵犯数据降维处理,然后用本文提出的属性加权算法计算降维后的各个属性的权重值,最后将其与梯度提升树分类模型进行结合,构造肝癌微血管侵犯预测模型。从预测模型的准确性、灵敏性、特异性和受试者操作曲线结果来看,本文提出的算法与分类模型的结合效果较好,各方面指标都达到了较优的效果。