粗糙集理论是20世纪80年代初由波兰数学家Z.Pawlak首先提出的一种处理含糊和不确定信息的新型数学工具,其基本思想是在保持分类能力不变的前提下,通过知识约简,导出概念的分类规则.近年来,粗糙集已成为人工智能和信息科学中最活跃的研究领域之一,并且在数据挖掘、模式识别、机器学习、知识发现、决策分析等领域得到成功的应用.该文首先介绍了传统粗糙集的基本理论.它是建立在不可分辨关系基础之上的,用一对上、下近似集合来表示一个不精确的概念.其次,研究了有序信息表的数据挖掘方法,具体介绍了有序信息表的一些知识和有序规则获取方法,并提出了基于粗糙集的区间值属性决策表的有序规则获取方法,算例表明了该方法的有效性和科学性.最后,介绍了扩展粗糙集模型——基于(多级)优势关系的粗糙集模型,它能解决传统粗糙集方法不能解决的有偏好序的多属性决策问题,并提出了一种不确定多属性决策问题的解决方法,实例分析表明了它的有效性.