属性约简是一种特殊的特征选择方法，是粗糙集理论中的核心内容之一。正域约简是一类常见的启发式的约简方法，它通常采用前向贪婪搜索策略产生候选的属性子集，以相对正域作为启发信息和停止条件。根据互补条件熵的随划分的变化规律，分四种情况分析了约简过程中某个属性加入属性子集后，相对正域和互补条件熵的变化，并在此基础上提出了一种以互补熵为启发信息的正域属性约简方法。实验分析表明，新方法与传统的正域约简算法相比，可以得到属性数量更少且决策性能非常接近的约简，同时可以有效地提高约简计算效率。