Today, with the development of computer technologies, desicion makers and manager have extreme amount of data in stead of inadequate data. Hence with the increasenmentOf dimensional databases, new tools for using databases efficent should be improved.A tool of these is fuzzy rough set, used commonly in literature. However using fuzzy rough set is restricted type-1 fuzzy set. Type-1 fuzzy set can not model uncertainty as type-2 fuzzy set. Because their membership function is crisp while type-2 fuzzy sets? membership function in uncertain.In this thesis, a new algorithm is proposed for attribute reduction based on discernibility matrix using the interval type-2 fuzzy rough sets. Proposed algorithm is compared with the other attribute reduction algorithms in the literature in order to test the effectiveness of the proposed algorithm, we made use of classification.

Günümüzde otomasyon sistemlerinin yaygınlaşmasıyla birlikte, karar vericilerin ve yöneticilerin geçmişte karşılaştığı temel sorunlardan biri olan veri yetersizliği yerini aşırı bolluğa bırakmıştır. İşletmelerde yoğun teknoloji ve bilgisayar kullanımlarının artması ve gün geçtikçe ucuzlayıp gücü daha da artan yeni teknolojiler sayesinde her alanda artan bir hızda veriler toplanmakta ve biriktirilmektedir. Veri sadece verimli ve etkin kullanıldığında faydalı olabildiğinden veri yönetimi her geçen gün daha da ilgi çeken bir konu halini almıştır. Bu nedenle de bu büyümeye paralel olarak çeşitli veri alanlarının kullanımı ile ilgili araçlar geliştirilmek zorundadır. Geliştirilen bu araçlarda literatürde yaygın kullanılan yöntemlerden bir tanesi de bulanık-kaba kümedir.Literatürde yaygın olarak kullanılan bulanık kaba kümeler de genellikle tip-1 bulanık kaba kümeler kullanılmıştır. Tip-1 bulanık kümelerin üyelik değerleri kesin olduğundan belirsizliği tam olarak modelleyemezler. Oysa ki tip-2 bulanık kümeler belirsizliği modelleyebildiği ve etkilerini minimize edebildiği için, belirsizliği daha iyi kontrol edebilme kabiliyetine sahiptir ve bulanık küme için kesin üyelik fonksiyonunu hesaplamanın zor olduğu durumlarda ve koşulları uygunlaştırmada çok kullanışlı olup, tip-1 bulanık mantık sistemlerine göre daha fazla performans gösterme potansiyeline sahiptir.Bu tezde aralıklı tip-2 bulanık kaba kümeler kullanılarak bir nitelik indirgeme algoritması tasarlanmış olup sonuçlar, kaba küme yaklaşımı ve tip-1 bulanık kaba küme yaklaşımı ile elde edilen sonuçlar ile kıyaslanmıştır.