由于经典的粗糙集理论不能处理原始数据资料中的遗漏信息以及含有连续属性的数据，需要对这些数据进行补齐和连续属性离散化才能用于知识获取。因此数据预处理在粗糙集理论应用中非常重要的一环，其结果将直接影响到粗糙集理论应用的效率，准确度。所以有关基于粗集理论的数据挖掘中数据预处理的方法研究具有非常重要的意义。 本文对基于粗集的数据预处理中数据补齐和连续属性离散化问题进行讨论。 首先，对目前主要的离散化算法进行分析和评价，以中值序列分割点集为基础，提出了一种连续、离散混合离散化改进算法，保证划分后决策表相容性，获得合理的划分点。 其次，分析了当前主要数据补齐算法的特点和不足，并针对已有的基于粗糙集理论的不完备系统补齐算法ROUSTIDA的缺陷，提出了改进的数据补齐算法，使更多的缺损数据得到填补，尽量避免可能导致的决策规则矛盾问题。