关系数据模型是由E.F.Codd于1970年开始发表系列论文提出的,关系数据库理论的研究逐渐趋于成熟。但关系数据模型处理的主要是具有良好定义的、清晰明确的数据,而现实世界中的数据通常是含糊的、不完全的、不确定的。有关不确定性信息的处理等问题逐渐显现出来。粗糙集理论是波兰数学家Z.Pawlak于1982年提出的一种分析不完整、不精确、不确定数据的数据分析理论。由于粗糙集理论是利用数据集上的等价关系对知识的不确定性进行度量,而无需提供所处理集合之外的任何先验信息,这样就避免了对知识的主观评价所带来的误差。所以将粗糙集和关系数据库模型相结合,建立一种扩充的数据库模型,即粗糙关系数据库模型是必要的。它能有效的处理含糊和不确定数据,将更好的发挥关系数据库和粗糙集的优势,在数据库领域有着更广阔的应用前景。在粗糙关系数据库的实际应用中,往往会出现一些对象属性取多值的情况。例如,数据收集的时候并不知道该属性的具体值,而只知道该属性可能是取几个值之中的某一个或者几个;再如,在文本分类中,一个文档往往可以是多个类别。在处理多值属性的关系时,如进行查询,进行OLAP分析等,存在诸多不便。为了能将粗糙关系数据库中的部分实际操作转化,本文提出了属性值分解理论。本文对粗糙集理论的基本概念、粗糙关系数据库的相关内容、属性值分解算法及其在OLAP中的应用进行了初步系统的研究,在此基础上做了以下几个方面的工作:(1)本文提出了粗糙关系数据库中单值属性、单值属性分解、单值属性关系、分解定理等相关概念。(2)把Rough关系中对象的多值属性的各取值排序,运用粗糙关系熵理论择优选择属性的取值,并对粗糙关系进行分解得到标准数据库中的关系。(3)在充分认识Rough关系特点的基础上提出了一种Rough关系单值属性分解的算法,并详细介绍了对粗糙关系属性值进行分解的原理与算法,分析了它的算法复杂度,用实例验证了算法的有效性和可行性。(4)在讨论Rough关系单值属性分解的基础上,给出了多值分解的思路。(5)把运用分解算法所得的关系应用到OLAP分析中,相对于直接在Rough关系上的分析,增强了定位信息的准确性,提高了数据分析处理的效率。最后,对本论文所研究的内容进行了总结,并对本文将来的研究方向提出了展望。本文的主要创新点:本文探讨了粗糙关系的一种处理方法。(1)证明了对粗糙关系进行分解的可行性,提出了粗糙关系数据库系统中单值属性、单值属性分解、分解定理等概念;(2)把信息度量理论中的熵用到粗糙关系属性值重要程度的判断上,较粗糙度的属性值度量的准确度有较大提高,用实例代码验证了分解算法的可行性。