随着信息技术和互联网的发展,庞大的数据库日益增加,为了在海量的数据中获取有价值的信息和知识,数据挖掘应运而生,相应的数据挖掘技术已成为国内外研究的热点,并且得到了广泛的应用。目前,一些成熟的数据挖掘方法所处理的数据都是完备的。而在实际的数据挖掘中,待处理的数据常存在某种程度的不完备,如果直接对其使用针对完备信息系统的数据挖掘方法,往往会产生不合理的结果,甚至错误的信息和知识。因此研究不完备系统上的数据挖掘具有一定的现实意义。近年来,国内外诸多学者对粒计算在数据挖掘中的应用进行了探讨和研究,提出了一些模型和方法,粒计算在数据挖掘中得到了广泛的应用。本文将粒计算的方法应用到不完备决策系统的数据挖掘研究中,探讨了不完备决策系统在粒表示下的属性约简方法和分类分析方法。并通过实验验证方法的有效性。主要工作如下:1.运用粗糙集(RoughSet)和粒计算的有关理论,在基于容差关系下的粒计算模型下,研究属性约简方法。提出粒表示下属性必要性和重要性的判定条件,进而给出一种粒表示下的属性约简算法。2.研究粒表示下的决策树分类分析方法。提出粒表示下决策树分裂属性的选择标准,及决策树停止生长的条件,给出一种基于粒计算的决策树分类分析算法GrCDC(Granular Computing Decision-tree Classification),最后通过实验证明其有效性。