粗糙集理论作为信息科学的一种新的逻辑和研究方法，它是一种处理模糊和不精确知识的数学工具，其具有很强的知识获取能力。粗糙集理论的要点是将分类与知识联系在一起，粗糙集理论认为知识即是将对象进行分类的能力。粗糙集理论的主要优势在于它不需要任何预备的或额外的有关数据信息。但是粗糙集的容错能力和推广能力相对较弱，这意味着需要其他方法补充。 人工神经网络是近年来研究的热门技术，它也是人工智能领域的研究热点。人工神经网络因其具有自学习，自组织，容错性好和并行处理信息的能力，且具有与现代各门技术相结合的能力，是信息处理的有效途径和手段。但在现实应用中，人工神经网络就像是一个黑箱，想要确定其相应的决策几乎是不可能的。 因此针对上述各自的优缺点，将两者结合起来，发挥各自的特点。本文正是在这样的基础上进行的研究。应用神经网络进行计算机故障诊断，本文用粗糙集理论对计算机网络的条件属性进行约简。即通过粗糙集理论与改进可辨识矩阵和值约简算法相结合，将庞大的条件属性表约简为最小属性表。再根据最小属性表提出了混合策略规则算法并应用于神经网络中。由于充分应用了粗糙集和神经网络各自的最大优点，即知识约简和模式分类能力，克服了网络规模过于庞大和分类速度慢的缺点，从而使得运算更为方便和快捷，提高了系统的安全性能。