数据挖掘是从存放在数据库、数据仓库或其它信息库中的大量数据中挖掘有趣知识的过程。在众多的数据挖掘方法中，粒计算不失为一种有效的方法。粒计算涵盖了所有有关粒的理论、方法、技术和工具的研究。所谓粒，就是一组对象，它通过不分明性、相似性或功能性被链接到一起。粒计算的内容包括两个主要的方面，粒的构建和使用粒的计算。前者处理粒的形成、表示和解释，后者处理怎样利用粒进行问题求解。目前，对粒计算的研究已取得了不少成果，研究的主要方法有Rough集理论、模糊集理论和商空间理论等。Rough集的创立和发展，大大地影响和推动了粒计算的研究和发展，Rough集提出后，立即发现它在数据分类和约简上有成功的应用，并且迅速反映到用粒计算理论来研究这些分类和约简似乎更为得当，因此，近些年粒计算极快的形成了国内外学术界研究的热点。作者主要从Rough集理论上对粒计算理论进行探讨。本文首先回顾经典的Rough集理论，并根据当前信息系统多呈现不完备性的特征构建一种不完备信息系统的Rough集模型；接着，在Rough逻辑的基础上阐述当前粒计算理论取得的成果；最后建立一种基于粒计算的数据挖掘模型，重点分析了数据预处理模块、属性约简模块和规则挖掘模块，提出了不完备数据的一种完备化方案、基于粒度熵的属性约简算法和自定义数据挖掘的概念及其实现算法，并给出实例说明整个数据挖掘过程。