数据挖掘是从数据库中抽取隐含的、以前未知的、具有潜在应用价值的信息的过程。粗糙集理论是一种用于处理不确定性和含糊性知识的数学工具,由于其本身具有的一些特点,比如它采用数据驱动的方法、无需任何辅助信息、易于处理离散数据并容易与关系型数据库相融和等,因此特别适合于知识发现和数据挖掘的任务。本文首先深入研究了粗糙集数据挖掘中的决策表约简问题,包括属性约简和属性值约简。关于属性约简,在总结现有约简方法的基础上,改进了一种基于区分矩阵的属性约简算法,又将粗糙集理论与智能算法相结合,提出了一种基于蚁群优化算法的属性约简方法。其次,在值约简方面,提出了一种较快捷的基于属性值重要性排序的值约简方法。粗糙集模型扩充方面,主要讨论了不完备信息系统及其属性约简问题,给出了一个基于遗传算法的属性约简方法。最后,根据前几章的讨论,设计实现了一个粗糙集数据挖掘系统模型,并将该模型应用于基于B/S结构的飞行机组人为差错防范训练系统中。该模型系统具有良好的人机交互界面和通用性,涵盖了数据挖掘的一般过程,具有一定的实际应用价值。