进入“互联网+”时代,人们从生产、生活中积累的数据呈现爆发式增长,数据已成为重要的战略资源,如何利用海量数据发现新知识已成为数据挖掘领域的研究热点,其中,决策树分类算法以其结构清晰、算法高效的特点被广泛应用。由于数据挖掘中决策树算法在分类效率和准确率上对决策信息的规范性较为敏感,并且随着数据量的几何式增长,常规的串行决策树分类算法已难于突破内存瓶颈和计算能力约束。因此,本文将粗糙集中的属性约简理论与决策树分类算法相结合,降低了决策树的复杂程度并提高了算法效率,取得了良好的理论和应用效果。本文的主要研究内容分为以下几个部分：(1)粗糙集理论方面：从属性约简的候选属性入手,在分析现有属性约简算法的基础上,将相关属性测度加入选择候选属性的过程中。在选择候选属性时,优先选择与核属性相关度最大的属性加入候选约简集,同时剔除非相关属性,通过这种思想达到约简集最小,并保证属性约简集信息量最大化的目的。通过大量对比实验验证,这种算法有效解决了约简集增删候选属性时的盲目性,节省了属性约简过程中的计算开销。(2)决策树分类算法方面：结合基于相关属性的属性约简算法,本文得到了节点冗余度更低的决策树分类结果,并针对现有串行决策树分类算法无法适应大数据环境下数据挖掘需求,及并行决策树分类算法在分布式框架下I/O开销过大的问题,使用一种新的数据结构简化了Map和Reduce过程,得到了新的决策树分裂标准,藉此降低了节点周转次数和I/O开销。通过实验显示,分布式并行决策树算法在保证分类准确率的情况下,得到了较为优异的决策树尺度和运行效率。