近年来,信息技术的广泛应用使企业采集到的数据以前所未有的速度增长.但是海量数据采集后并未得到充分的应用和开发,信息含量高、内容丰富的数据库成为无人问津的数据坟墓,造成资源的极大浪费.知识处理技术的兴起与迅速发展,使海量数据的实际应用成为可能.然而,数据维数过大严重地影响了规则和案例的提取以及基于知识推理系统的响应速度和并发用户数.模糊粗糙集理论是解决数据集维数问题的有效工具,但基于模糊粗糙集的降维算法还不多.本篇论文首先系统地总结了模糊粗糙集的研究成果及发展趋势,根据模糊粗糙近似推演方式的不同,主要形成了三种从不同角度研究的模糊粗糙集.论文对属性模糊化的方法进行了研究,给出了单个属性和复合属性模糊化的一般方法.通过比较国内外在粗糙集和模糊粗糙降维思想与算法,提出了三种模糊粗糙降维算法:属性递减约简算法,基于遗传算法的约简算法以及约简树算法.属性递减约简算法计算复杂性较低,基于遗传算法的约简性能出色,而约简树算法能够找到最小约简,并且不需要对解空间进行完全搜索.铁路货票中包含大量客户及铁路运输相关信息,通过分析研究,结合铁路货运营销专家的经验,综合利用提出的算法对广铁集团的货票数据库进行了降维处理,显著地降低了数据的维数,提取出了影响客户选择铁路运输的因素,从而为广铁集团货运营销分析系统的开发提供了良好基础.