粗糙集理论RS(Rough Sets)是由波兰华沙理工大学的Z.Pawlak教授等一批科学家提出的研究不完整、不精确或者是模糊知识的一种组织和分析方法。自提出以来,已经在模式识别、数据挖掘、决策分析等很多方面得到广泛应用。粗糙集理论为数据挖掘提供了一种新的方法和工具。粗糙集理论应用于数据挖掘,最主要的两个方面就是属性约简和规则获取。通过约简操作,降低属性维数,总结出适于决策支持的知识规则。经典粗糙集是基于完备数据集合的,但在实际应用中,很多时候搜集到的数据往往是不完备的。因此,如何从不完备信息系统中获取知识已经成为当前的一个重要研究课题。本文首先对完备信息系统的属性约简方法和规则获取进行了分析,对主要的属性约简方法和规则获取方法给出了相应的算法和示例分析。在对经典粗糙集理论进行扩展的基础上,讨论了不完备信息系统中的属性约简方法和规则获取方法。在不完备信息系统的属性约简方法中,分析比较了基于相容矩阵的属性约简方法、基于核的属性约简方法和基于信息熵的属性约简方法,并对一些相关的扩展定理进行了证明。对基于相容关系的属性约简算法进行改进。接下来又探讨了不完备信息系统中启发式属性约简方法中的启发规则问题,提出了基于相容矩阵和主成分分析方法的启发式规则及属性约简算法。在决策规则的获取中,分析了基于相容关系和区分矩阵的规则获取算法。本文最后将粗糙集理论应用于路桥养护管理系统中,即根据实际收集的桥梁检测数据,分别建立完备决策表和不完备决策表(根据随机产生的一定比例的遗失数据获得),通过粗糙集在完备信息系统和不完备信息系统中建立的相关理论,得出某桥梁养护方案的基本决策规则。