近年来，数据挖掘引起了信息产业界的极大关注，其主要原因是存在大量可供使用的数据，并且迫切需要将这些数据转换成有用的信息和知识。 进行数据挖掘的方法很多，粗集方法便是其中的主要方法之一，将粗糙集应用于数据挖掘领域，能提高对大型数据库中的不完整数据进行分析和学习的能力，具有广泛的应用前景和实用价值。 属性约简又是粗糙集理论中的一个重要课题，如果能将冗余属性删除，将会大大提高系统潜在知识的清晰度，降低发现规则的时间复杂性，提高发现效率。 本文主要研究基于粗集理论属性约简的数据挖掘技术。首先，对数据挖掘和粗集理论进行研究，并在分析和综合原有基于粗集理论的数据挖掘算法的基础上，提出了改进的启发式属性约简方法，即基于加权平均和频度的双向选择约简算法。其次，介绍了数据挖掘系统，一是产生规则，利用属性约简算法约简属性，从而得出规则；二是规则分类，利用已产生的规则分类新对象。最后，通过实例验证了本文提供的方法是可行的和有效的。