模糊粗糙集是将粗糙集和模糊集结合起来处理不精确和不确定信息的数学理论。目前关于模糊粗糙集的研究主要集中在模糊粗糙集的定义上,而对于模糊粗糙集约简的研究还比较少。现存的模糊粗糙集约简主要有两种方法——基于依赖度函数的模糊粗糙集约简和基于差别矩阵的模糊粗糙集约简。二者都是从粗糙集的约简方法扩展而来的,前者在模糊粗糙集的下近似的计算上与模糊粗糙集定义的下近似不相符,后者使用了与前者不同的方法,从而避免了前者存在的问题。然而它们都只能处理条件属性为连续型、决策属性为离散型的数据,目前还不存在能处理条件属性和决策属性都为连续型数值数据的模糊粗糙集约简方法。针对这一问题,本文分析了现存的基于差别矩阵的模糊粗糙集约简方法,从理论上将其扩展为可以处理条件属性和决策属性都为连续型数值的数据,提出了利用模糊粗糙集理论对条件属性和决策属性都为连续型数值的数据求约简的方法,并在若干数据集上进行了实验,实验结果表明本文提出的方法是可行的、有效的。