本文基于粗糙集理论,针对多标签分类问题提出了四种属性约简方法,并设计了相应的算法。同时,为了提高计算效率和速度,我们通过利用标签信息集的下近似来代替决策类进而对属性的重要性进行评估。随后又分析了所提方法与两个经典属性约简方法之间的关系,实验结果表明,本文所提方法更适用于多标签分类问题。这四种属性约简方法主要分为两类。在第三章中,我们首先给出了标签信息集的定义,然后通过标签信息集将多标签分类问题转化为一系列二分类问题。随后提出了标签正域约简方法及邻域标签正域约简方法,讨论了其相关性质并给予证明。最后,设计了相应算法,选取多标签数据集进行实验,经实验结果比较分析,证实了两种标签正域约简方法的有效性及可行性。如果一个样本同时属于多个标签信息集的下近似时,那么,用我们所定义的标签正域约简方法来计算正域的基数时,正域的基数只会增加1,这样就会使此样本的多重标签信息丢失,因此,正域的基数并不能完全反映属性子集的分类能力。针对这一缺陷,第四章提出了标签依赖度约简方法及邻域标签依赖度约简方法,随之进行实验和比较后表明,所提两种方法对于绝大多数的多标签数据集而言,可以在不降低分类精度的前提下去除冗余属性。