粗糙集理论是由Z.Pawlak于1982年提出的,它是一种处理信息的工具,可以有效地对不精确、不一致、不完整信息进行分析。有关粗糙集理论的研究现已成为热点,该理论的应用也非常广泛,如入侵检测、数据挖掘、知识发现等。粗糙集理论中的一个重要内容是属性约简,属性约简的目的是在保持决策表分类能力不变的情况下删除冗余的属性,得到一个精简的决策表,以便于以后的计算。属性约简算法有很多,文中主要介绍基于差别矩阵的约简算法。首先介绍了几种经典的属性约简算法,给出了它们的定义,对求解过程加以分析,指出了它们的优缺点,对于它们的缺点,给出了相关的解决方法,并给出实例。其次,介绍了一种新的属性约简模型,该模型与传统模型是等价的。在文中给出了该模型的相关定义和求解属性约简的算法,并通过实例对算法的求解过程加以演示。再次,介绍一种基于差别矩阵的最小约简算法,该算法通过U/{c}划分来计算最小约简,并指出其不足,如存在重复计算、结果错误等。分析了算法的不足后,本文给出了一种改进算法,该算法首先对决策表中的数据进行压缩,删除冗余数据,降低了时间复杂度和空间复杂度,然后用基于属性核的思想求解最小约简。最后,对改进算法进行分析。在决策表中冗余数据较多的情况下,改进算法才能充分发挥其优势。该算法还有待进一步完善,如将该算法与智能计算相结合以提高计算效率。