根据所提供的文档信息，可以提炼出以下知识点：
1. **粗糙集理论概述**：
粗糙集理论是由波兰逻辑学家Zdzisław I. Pawlak于1982年提出的，它是一种处理不严密、不确定或不完全信息和知识的智能信息处理技术。粗糙集理论在特征选择、决策规则生成、数据融合、故障诊断等领域得到了成功应用。
2. **粗糙集理论的基本概念**：
- **决策表**：定义一个决策表为一个五元组S=(U, A, V, f, D)，其中U是对象的集合（论域），A是属性的集合，V是属性值的集合，f是信息函数，D是决策属性集。
- **不分明关系**：对于一个决策表S，通过信息函数f定义一个不分明关系IND(B)，表示对象之间在属性集B上的不可区分关系。
- **条件分类和决策分类**：在决策表中，对U进行划分分别得到条件分类U/IND(C)和决策分类U/IND(D)，这些分类用于分析数据集的分类结构。
3. **粗糙集理论在数据挖掘中的应用与局限性**：
- 粗糙集理论的主要应用是对数据库进行数据挖掘，但其传统的处理方法存在计算复杂度高的问题。
- 粗糙集方法可以与关系数据库技术结合，提高属性约简及知识获取方面的实用性。
4. **改进粗糙集理论的体系结构的方法**：
- 将粗糙集理论与关系数据库技术结合起来，可以使数据挖掘方法更加实用。
- 数据库技术的成熟度可以让数据挖掘平滑集成到各种应用系统中。
- 粗糙集理论与数据库通用查询语言（如SQL）结合，有助于提高数据挖掘性能，并能通过查询优化将好的算法形成标准库函数，嵌入到数据库系统中。
5. **基于SQL的属性核与约简高效计算方法**：
- 文档介绍了一种结合关系数据库中高效SQL语言操作的属性核、属性约简和值核的计算方法。
- 提出的方法与经典的粗糙集方法相比，在执行效率上有显著的提高。
6. **文献内容结构**：
- 文献是《计算机科学》2010年第37卷第1期的一篇文章。
- 作者分别是冯林和李天瑞，分别来自四川师范大学计算机科学学院和西南交通大学信息科学与技术学院。
7. **实验研究**：
- 作者进行了仿真实验，结果表明提出的基于SQL的属性核与约简计算方法在运行时效率上优于经典粗糙集理论的方法。
8. **关键词**：
- 文章的关键词包括“粗糙集”，“SQL语言”，“属性核”，“属性约简”，这些关键词概括了文章研究的核心内容。
通过上述知识点，可以深入了解基于SQL的属性核与约简的高效计算方法，并认识到粗糙集理论在数据挖掘中的重要性以及通过关系数据库技术提高其性能的潜力。此外，这些知识点还可以为从事数据科学、数据库系统开发与优化的专业人士提供理论指导和实践参考。
