1、隨著現(xiàn)代科技和數(shù)據(jù)獲取設(shè)備的迅速發(fā)展，空間數(shù)據(jù)庫(kù)的數(shù)量和大小日益豐富，使得空間數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)變得越來(lái)越重要。而在數(shù)據(jù)挖掘過(guò)程中，存在大量冗余數(shù)據(jù)影響我們的決策，Rough集理論在得到?jīng)Q策規(guī)則和分類方面是最有利的根據(jù)。它不但可以在不影響數(shù)據(jù)表達(dá)信息的前提下使原來(lái)的數(shù)據(jù)量大為減少（數(shù)據(jù)約簡(jiǎn)），而且還可以產(chǎn)生決策規(guī)則，從而挖掘出數(shù)據(jù)中的有效模式。其次，Rough集理論不同于其他處理不確定性問(wèn)題的理論，如概率方法、模糊集方法等，它無(wú)需提供任

2、何所需處理數(shù)據(jù)集合之外的先驗(yàn)信息。然而Rough集理論要求所處理的決策表中的值必須用離散數(shù)據(jù)表達(dá)，因此在使用Rough集理論對(duì)數(shù)據(jù)挖掘前必須先對(duì)數(shù)據(jù)進(jìn)行離散化處理。
　　 本文首先介紹了數(shù)據(jù)挖掘，空間數(shù)據(jù)挖掘的意義、使用的主要方法、獲得的知識(shí)類型和過(guò)程，接著又介紹了Rough集的基礎(chǔ)知識(shí)，為隨后的深入研究做鋪墊。
　　 其次開始深入研究Rough集在數(shù)據(jù)挖掘過(guò)程的核心問(wèn)題---屬性約簡(jiǎn)，對(duì)目前基于Rough集的屬性約簡(jiǎn)算

3、法展開分析，并比較了各種算法的性能。本文提出一種FAE算法，用于在屬性約簡(jiǎn)前進(jìn)行優(yōu)化屬性的選擇，并在此基礎(chǔ)上又建立了一個(gè)基于Rough集分析的分類器模型----FAERS模型，通過(guò)實(shí)驗(yàn)證明了這個(gè)算法的分類效果很好。而針對(duì)Rough集在挖掘一般決策表的最簡(jiǎn)規(guī)則或者所有規(guī)則是一個(gè)NP-hard問(wèn)題，本文又引入蟻群算法，提出一種新的屬性約間算法----ACR算法，將蟻群算法用于在對(duì)尋找約簡(jiǎn)屬性的過(guò)程中指導(dǎo)搜索的方向，通過(guò)具體的例子證明了這個(gè)算