随着大数据时代的来临,人们日常的生产生活中每天都在产生着海量规模的数据集,如何高效地从这些数据中获取知识是目前众多专家学者广泛关注的问题。数据挖掘是指从海量的、不完整的、模糊的实际数据中提取隐含在其中有用信息和知识的过程,特征选择是数据挖掘中广泛应用的一项数据预处理技术。在我们现实生活中的数据并不完全是静态的、完备的,比如会存在着标签缺失、数据动态变化等情况。对此,针对这类数据集如何高效的从中获取知识是本文的主要研究内容。本文利用粗糙集理论和信息熵作为工具,针对于符号数据,主要包括以下三方面的研究内容。一、针对含有缺失信息的动态数据集中由维数动态变化引起特征选择结果的更新问题,通过深入分析互补信息熵在含有缺失数据取值的数据集中维数增加时的更新机制,进而提出一种缺失数据维数增量式特征选择算法,并通过实验对新算法的可行性和高效性作了进一步的验证。二、针对于部分标记数据如何进行高效特征选择的问题,本文基于粗糙集和信息熵的概念,提出了一种基于信息熵的粗糙特征选择算法。通过分析给定数据集上有标记数据集和无标记数据的信息熵,重新定义了整个数据集上的信息熵。在此基础上定义了半监督意义下基于信息熵的特征重要度,设计了一种基于信息熵的可有效处理含有部分标记数据的半监督粗糙特征选择算法,并通过实验进一步验证了算法的高效性与有效性。三、针对于部分标记数据集的特征选择,通过引入数据对象耦合相似度的定义,重新设计了ReliefF算法中的距离度量,由此设计了一种基于ReliefF算法的半监督特征选择算法,实验结果也验证了算法的有效性。本文通过分析现有特征选择过程中所存在的现实问题,设计了三种高效特征选择算法,可有效的处理动态数据集和部分标记数据集中目标特征子集的有效选择问题,可为后续的数据挖掘以及知识发现提供可以借鉴的新思路,并对处理相关问题提供了新的研究方法和理论支撑。