属性约简是粗糙集理论研究的核心问题之一,该文首先介绍了Pawlak粗糙集模型以及决策表、差别矩阵和约简等基本概念,并在此基础上详细介绍了属性约简的几种基本算法,如PQ算法、属性频度算法等,并进行了实例分析.该文把属性重要性作为启发式信息,以核属性为寻求约简的起点,通过对算法中加入启发式信息,减少了搜索空间.给出了相对差别矩阵的概念,并依此为基础,对属性约简的基本算法做出了改进,把本来是对差别矩阵进行逻辑运算的计算转化成代数运算,在一定程度上简化了计算,提高了约简效率.同时,在相对约简的基础上,提出了属性约简的贪心算法,实验结果表明,该算法能以较高的效率获得令人满意的约简.最后,该文建立了知识和信息熵的联系,证明了属性约简在信息和代数表示下的等价性,并对决策表中的属性重要性给出度量,在此基础上,给出了一种基于信息熵的相对属性约简算法.