粗糙集理论是20世纪80年代发展起来的一种新的处理含糊性和不确定性问题的数学工具,它是智能信息处理的一种重要方法,基于不可区分性思想和知识简化方法。属性约简算法是粗糙集理论的核心内容。粗糙集属性约简的研究在知识获取、机器学习、模式识别、决策分析、模型建立等实际应用中有重要的意义,但是,由于属性约简被证明是一个NP-hard问题,因此,研究更为有效的属性约简算法,有效地获取较优的属性约简,降低算法的时间复杂度,寻求快速的约简算法仍是粗糙集理论的主要研究课题之一。本文首先介绍了粗糙集理论的基本概念和相关知识,对粗糙集理论中基于区分矩阵、属性重要度、信息熵的属性约简算法进行了系统综述,并且详细分析了算法的时间复杂度和空间复杂度。由于传统的粗糙集模型没有与关系数据库系统结合,该模型许多计算的基本操作都是在平面文件上进行的,没有利用高性能的数据库集合操作。鉴于此,研究人员提出了新的基于数据库系统的粗糙集模型,在关系代数的基础上对核属性和约简进行重新定义,从而利用高效的面向集合的数据库系统操作。在此基础上,提出了一种新的基于数据库系统的属性约简算法。最后,将此算法与几种典型的属性约简算法从算法运行时间和约简结果的准确性进行了对比,得出了相应的结论。