粗糙集理论为数据挖掘与知识发现提供了理论框架.在粗糙集理论中,一个粗糙集可以用一对可定义集(上、下近似)来近似表示,但它们与目标概念的相似度往往不是最大的,因此一些学者提出了最优近似的概念.本文以经典粗糙集模型为背景,以关系矩阵为工具,研究了最优近似的矩阵计算及其增量式更新,具体内容如下:鉴于矩阵具有直观、易于计算的特点,本文给出了运用关系矩阵求目标集合最优近似的方法.首先根据经典信息系统中属性确定的等价关系对应的关系矩阵,结合目标集合,通过矩阵运算,导出了目标集合对应的基本向量;其次利用该基本向量和等价类的重要度,确定了构成最优近似的所有等价类;最后设计了利用关系矩阵求最优近似的算法,实例表明该算法在计算最优近似时是有效的.鉴于实际数据通常是动态变化的,本文研究了最优近似的增量式更新问题,分别从增加单个属性、增加多个属性、增加单个对象、增加多个对象四个方面进行研究,并分别设计了增量式更新最优近似的矩阵算法,实例表明这些算法都是有效的.