特征选择是当前机器学习和数据分析中去除不相关和冗余特征从而提供快速可靠分析的关键步骤。在众多的特征选择算法中,粗糙集属性约简不失为一种较为有效的方法。经典粗糙集理论之后出现了模糊粗糙集、邻域粗糙集、变精度粗糙集等更具实用价值的理论。然而,为了利用粗糙集属性约简算法获得最优解,需要对解空间进行遍历,计算量过于庞大。例如邻域粗糙集在单次求解的过程中需要比较每一个样本与其余样本之间的距离,时间复杂度相当高,在处理大型数据集时耗时将会很长。目前该类算法大部分使用前向搜索的启发式方法寻找次优子集。针对传统粗糙集属性约简算法耗时过长的问题,以及如何寻找更接近最优解的特征子集,本文主要从以下两个方面进行研究:(1)属性约简(特征选择)作为数据预处理的重要环节,一般需要通过计算属性的相关性、重要性等指标来进行筛选。在粗糙集属性约简算法中,大多以属性依赖度作为筛选属性子集的标准。本文设计了一种快速依赖计算方法FDC,通过直接寻找基于相对正域的对象来计算依赖度,而不需要预先求出相对正域,相比传统方法在速度上有明显的性能提升。此外,通过改进鲸鱼优化算法(Whale Optimization Algorithm,WOA)使其能够有效应用于粗糙集属性约简。最后结合上述两个方法,提出一种基于Spark的分布式粗糙集属性约简算法SP-WOFRST,并在两组人工合成的大数据集上与另一种基于Spark的粗糙集属性约简算法SP-RST进行对比实验。实验结果表明所提出的SP-WOFRST算法在精度和速度上均优于SP-RST。(2)传统邻域粗糙集求解正域时,需要比较每一个样本与其余样本之间的距离,导致邻域粗糙集属性约简算法的时间复杂度达到了O(|C||U|~2),其中|C|代表属性总数,|U|代表样本总数。因此面对大数据集时,这类约简算法难以在一个可接受的时间范围内求得结果,而并行计算是处理这类问题的一种有效解决方案。本文提出了一种邻域粗糙集并行属性约简算法PFARNRSB。该算法通过建立邻域桶划分法将数据集中的样本根据距离划分为一系列的桶,并利用邻域的对称性与传递性特点来减少求解正域时的计算量。实现了算法的单机版与集群版,前者可充分利用多核心处理器的算力来提高运算效率,后者在如今热门的Spark平台上实现,适用于多节点的集群。在UCI数据集上的实验结果证明,该并行算法相较于传统算法在效率上有显著的提升。