粗糙集理论是继概率论、模糊集理论、证据理论之后的又一个处理不确定性的数学工具。知识约简算法是粗糙集理论的核心内容。寻找决策信息系统的最优约简或全部约简是NP问题,而基于属性重要性的启发式算法能够取得较好的约简。本文首先探讨了知识的粗糙性和知识间的依赖关系,进而定义了知识的依赖对比度,在此基础上定义了新的知识粗糙熵属性重要性,并给出约简判定定理,使其既可以适用于一般的决策信息系统,又可以适用于信息系统,更客观地反映了知识的粗糙性,由此提出了基于粗糙熵依赖对比度的属性约简算法,并进行实例分析。为了更好地反映知识约简的完备性,在知识粗糙熵的基础上,定义了决策概念集的条件粗糙熵,并证明了知识的条件粗糙熵随着信息粒度变小而单调递减的规律,给出其约简判定定理,提出基于条件粗糙熵的属性约简算法,实例表明该算法是有效的。值约简的最终目标是为了获取最简决策规则。本文首先建立了决策信息系统中知识与粗糙熵之间的关系,以知识的依赖度为基础定义了一种新的粗糙熵概念,运用分层递减的优点提取最小决策规则,再结合规则的可信度和覆盖度理论,提出了基于粗糙熵的决策规则提取算法。该算法的时间复杂度相对较低,通过实例验证该算法是有效的。最后设计了一个验证系统,应用本文提出的算法实现了对气象信息的约简。