摘要：對于數值型數據而言,鄰域粗糙集模型是處理不確定信息的有效工具.現有的鄰域粗糙集模型僅關注那些鄰域中所有樣本都屬于同一個決策類的一致性情形,無法利用鄰域中與多個決策類相交的邊界樣本所蘊含的信息.針對鄰域粗糙集的這一局限性,將相容關系的極大相容塊與鄰域粗糙集相結合,選取樣本鄰域內的最大等價塊作為最小的信息粒,通過重新定義鄰域粗糙集的上下近似和屬性重要度等概念,建立了一種基于極大相容塊的鄰域粗糙集模型.該模型可在更小的信息粒度下將原來邊界樣本轉化成一致性樣本來增大正域.運用前向貪婪策略構建了相應的屬性約簡算法.在七個公開的UCI數據集上的對比實驗驗證了提出模型的有效性。