在大数据时代,如何从庞大的数据中进行有效的数据挖掘成为人类面临的难题。粒计算作为数据挖掘中的一个重要科学工具,它模拟人类思考的方式,以粒为基本计算单位,以建立大规模复杂数据信息处理的有效计算模型为目标,通过信息粒化,用“粒”来替代“样本”解决问题,展现出它特有的计算优势。粒计算已引起智能信息领域研究人员的广泛关注。粗糙集对推动粒计算研究的发展发挥了重要的作用。粗糙集数据分析中所用到的数据描述结构称为信息系统,该数据分析的特点是不需要提供数据以外的任何先验假设,通过进行冗余信息剔除,获得知识约简,并最终从决策表中提取决策规则。传统的粗糙集数据分析对应的信息系统是单尺度信息系统,即系统中每一个对象在每个属性上只取唯一的值,但在多数实际情况中,问题的处理需要在多尺度环境下进行。本文主要研究广义多尺度决策系统的知识获取问题。首先,简要回顾粗糙集数据分析的一些基本概念,包括信息系统与近似集、信任结构与信任函数、决策系统与决策规则等。其次,引入广义多尺度信息系统与尺度组合的概念,给出在不同尺度组合下近似集的定义与性质。然后,提出协调广义多尺度决策系统与不协调广义多尺度决策系统的最优尺度组合选择方法,包括全局最优尺度组合和局部最优尺度组合选择方法。最后,利用辨识矩阵方法,计算出最优尺度组合所对应的决策系统的属性约简,并进一步进行决策规则提取。