传统关系数据库模型经过近几十年发展,以它为基础的关系数据库系统得到了广泛的流行和认可.然而,它也有自身的不足,就是对于不确定的数据处理能力较差.随着应用面的扩大和数据量的急剧膨胀,出现了各种不确定信息、不完全信息、模糊信息,而关系数据库的处理能力主要是对确定信息的处理,因此,十分有必要对关系数据库模型进行扩充.由粗集理论和关系数据库理论结合形成的粗关系数据库模型1993年便脱颖而出,使得人们在处理不确定性问题上又向前迈进了一步.粗关系数据库属性值的非原子性使得传统关系数据库的许多特性都不再适合于它.基于以上背景,该文的工作主要体现在:一、从知识完备性的角度对粗关系操作的概念进行了定义,使之更符合粗关系数据库信息相对完备性和语义解释的要求,反映现实世界信息不确定性的本来面貌.二、在此基础上,改进了粗关系数据库的Rough数据查询方法,改进的Rough数据查询算法是具有实用性,具复杂度较低.三、改进粗关系数据库函数依赖定义,提出其修正定义—粗函数依赖,使之更客观地反映粗关系数据库中数据的语义联系.该文给出了判断粗函数依赖是否成立的算法,并用粗关系实例验证粗函数依赖的优越性.四、提出了不完备信息系统DNGR规则提取算法.该算法抗噪音数据干扰能力更强,提取的规则正确性更高,分布更集中.该算法的优越性用基于不完备系统的实验进行了验证.