粒度计算的思想起源于上世纪70年代末，它是模仿人类思考问题的方式，正如张钹院士和张铃教授所说：“人类智能的一个公认的特点，就是人们能从极不相同的粒度上观察和分析同一问题。人们不仅能在不同粒度(granularity)的世界上进行问题的求解，而且能够很快地从一个粒度世界跳到另一个粒度世界，往返自如，毫无困难。这种处理不同粒度世界的能力，正是人类问题求解的强有力的表现。”它象一把大伞，覆盖了所有有关粒度的理论、方法论、技术和工具的研究，是用来处理不完全、不可靠、不精确、不一致和不确定的知识。它是人工智能研究的最重要基础，现已成为人工智能领域的热点之一，主要包括商空间理论、粗糙集理论和模糊集理论等。本文的主要内容如下：1．介绍了粒度计算的产生与发展背景，粒度计算的研究现状和主要理论，并对商空间理论、粗糙集理论和模糊集理论作了祥细的比较，说明了本文的研究背景及意义。2．对粒度计算的基础进行了研究，主要包括粒度的描述，给出了粒度的宏观结构层次图和微观结构层次图。给出了最一般的粒的定义，并在商空间理论、粗糙集理论以及模糊集理论的基础上提出了粒度空间的动态模型，讨论了粒的基本性质。重点研究了粒的度量，从研究问题的需要出发，给出了普通等价关系下的粒度、细度、粒度熵、条件粒度、条件细度以及条件粒度熵的定义，指出了定义的合理性，并得到了相应的性质，揭示出了它们之间的关系。还讨论了无限集的度量，给出了粒度的一般性定义思想。3．介绍了模糊关系矩阵的主要性质，通过关系矩阵给出任意关系下的粒度、细度、粒度熵、条件粒度、条件细度和条件粒度熵的一般性定义。通过关系矩阵定义了贴近度和差异度，并讨论了它们的主要性质。从而可以将商空间理论、粗糙集理论和模糊集理论统一起来进行研究。4．定义并讨论了粒的基本运算：商交、商并、商非和商差等，并给出了这些运算的主要性质。还研究了粒的知识空间，根据知识的宏观性或微观性可以得到相应的宏观或微观的知识空间。给出知识基的定义，可以通过知识基来定义或描述知识空间，形象地给出了粗糙集的一个属性约简的知识空间算法(求最优约简的算法)。5．介绍了粒度空间的构成，商粒的构成方法主要有属性划分法、结构划分法、约束划分法和综合划分法等；当论域是拓扑结构和半序结构时，商结构的构成方法；当论域有结构和无结构时，商属性的构成方法。随后讨论了粒度空间的主要运算和主要原理。6．研究了有结构的知识空间，在研究有结构的知识空间时，不但要考虑粒的商交和商并，还要考虑结构的“商交”和“商并”，在研究其知识基时，不但要考虑到粒的知识基，还要考虑到结构的知识基。一般当结构只有一种时，问题可以简化为无结构的知识空间，当结构有多种时，对应的知识空间要复杂得多。并以拓扑结构为例研究了有结构的知识空间，这样的知识空间是由粒度基和拓扑基共同生成的。7．着重从与以往不同的角度，即着重从结构方面去探索粒度计算的应用问题。从空间坐标上取粒度对时间序列进行分析，得出：当系统是一个马尔科夫链时，对此马尔科夫链进行粗粒度观察，将得到一个对应的隐马尔科夫模型；反之，任一HMM必存在一个对应的马尔科夫链M及一个适当的粒度T，HMM是M在粒度T下的观察。8．讨论构造性学习方法在AVE局部模型划分上的应用，初步研究了基于结构的粒度问题，包括结构关系矩阵的构造；基于结构的粒度的划分；商结构关系矩阵的构成；运用构造性学习方法进行粒度划分等。