波兰学者PawlakZ.于1982年开创性地提出粗糙集理论,它能够有效地表达不确定的或不精确的知识,善于从数据中获取知识,不需要附加信息,仅仅利用不确定的、不完整的经验知识进行推理。众所周知,数据库中往往存在冗余数据、缺失数据、不确定的数据和不一致的数据等诸多情况,这些数据往往成为知识发现的障碍。因此,基于粗糙集的知识发现模型在信息系统研究领域具有重要意义。本文首先简要介绍了粗糙集的国内外研究现状,及其现在的理论和应用成果。然后对粗糙集理论的基本概念及在连续属性离散和属性约简中用到的概念进行了简要阐述。接着论文重点研究了数据预处理和数据挖掘过程用到的连续属性离散化算法和属性约简算法,在分析前人研究成果的基础上给出了改进的布尔逻辑的属性离化方法,该算法从减少冗余属性角度出发,用属性重要度判别系统属性,按照属性重要的大小选取侯选断点。另外,结合属性重要度的思想,从属性重要度和解决不相容角度出发,对基于Skowron差别矩阵的属性约简算法进行了改进,通过实例和实验说明了这两种改进算法的有效性。最后,将改进算法运用于电力市场营销决策系统数据挖掘中,帮助决策者从客户基本库中发现不同的客户群并对其进行分析,从而达到辅助决策的目的。