基于模糊粗糙集的属性约简是模式识别和机器学习任务中一类重要的算法。基于模糊粗糙集的属性约简算法大体可以分为两类。一类是基于模糊依赖度函数，另一类是基于模糊可辨识思想。目前，这两类算法似乎都有缺陷。对于模糊依赖度函数算法，依赖度函数要么不单调，要么通过多次交运算得到的模糊关系的隶属度的区分度非常小。对于可辨识矩阵算法，算法的复杂度往往偏高。为了解决这些问题，我们引进了一类特殊的相似性度量来重新定义模糊依赖度函数，使其具有单调性，同时克服了多次交运算的缺陷。此外，我们分析了基于模糊依赖度函数思想进行属性约简算法的不足，并且构造了一种基于模糊粗糙集的有别于模糊依赖度函数的属性约简准则函数。最后，我们利用UCI 数据集进行了数值试验，比较了本文所提出的算法和已有算法。实验结果表明本文提出的算法是可行有效的。