粗糙集理论和证据理论都是处理不确定问题的重要工具。粗糙集理论处理不确定数据的优点在于不需要先验信息,在信息融合领域得到了广泛的应用。证据理论用基本可信度分配函数、信任函数、似然函数处理不确定性问题,在信息融合中存在显著的优势。基于粗糙集理论与证据理论的关系,着重对证据获取方法和组合证据的权重获取方法进行研究。本文阐述了粗糙集理论和证据理论的基本概念及其性质,详细论述了基于完备决策表的证据获取方法和组合证据权重获取方法。针对基于条件基本可信度分配的证据获取方法存在的不足,提出了一种基于完备决策表的证据获取与合成方法。首先利用条件属性和决策属性的关系,给出了证据信任度的概念,根据证据信任度计算条件基本可信度分配,然后,给出了证据支持度的概念,从横向和纵向两个方面考虑,结合属性重要度和证据支持度两个权重因子计算组合证据的权重,最后用合成公式对条件基本可信度分配进行合成得到决策。实例结果表明了该算法的有效性和优越性。现有的证据获取方法都是基于完备决策表的证据获取方法,但是在不完备决策表下获取基本可信度分配仍带有很大主观性,针对该问题,提出了相容关系下基于不完备决策表的证据获取方法和非对称相似关系下基于不完备决策表的证据获取方法,并通过理论分析和实例论证了算法的有效性。