属性约简是信息智能化处理研究的核心内容之一。近年来,Pawlak提出的粗糙集理论在属性约简方面展现出巨大的优势。然而,当数据集较大时,许多约简算法效率不高,如何快速有效地获取约简结果。另外,大部分约简算法只能处理完备信息,而在实际应用中,有时候所要处理的信息往往是不完备的。针对这两个问题,本文从完备信息和不完备信息两方面研究基于粗糙集理论的属性约简算法：(一)对完备信息系统,已经存在许多相关的属性约简算法,但这些算法的求解过程都是在整个决策表的基础上进行的。本文提出了一种基于决策表分解的属性约简算法,算法在每一次迭代之后,将原有的决策表进行分解,在下一次迭代中就可以大幅减少计算量,从而降低整个算法的时间复杂度。通过对比实验验证该算法在约简率和时间复杂度方面都得到了改进,可以用于实际应用中。(二)对不完备信息系统,有一定的理论研究成果,但相关属性约简算法研究的比较少。本文先介绍不完备信息系统相关概念,分析研究不完备信息系统与完备信息系统之间的差异,然后结合容差关系提出一种能有效处理不完备信息系统的属性约简算法。通过实例说明算法的计算过程,并分析算法的时间复杂度。最后,从UCI数据集中选取6组含缺失值的数据集进行仿真实验。结果表明该算法既可以处理离散型数据,也可以处理连续型数据,并能得到更优的约简集。