人工智能研究的进展,伴随着新问题的产生,对应着新思路的出现,粒计算就是数据处理的新课题,得到了研究者的关注,成为了研究的热点,形成了人工智能的研究方向。对数据有目的分类,从整体中分离出部分,通过部分简化整体,利用部分的运算、组合、关系、特性等对数据进行处理,促成从整体到部分,再由部分研究整体的数据处理思路是粒计算遵循的模式。借助粒计算的数据处理方式,本文对数据集之间非直接的联系进行了研究。粒计算数据处理的核心之一是对整体数据的粒化,粒化后的粒度将决定数据非直接联系的紧密程度。基于这种数据处理方式,本文对数据集进行了层次不同的粒化,得到了粒化树数学结构。通过对不同数据集的粒化树之间相互联系的讨论,给出了数据非直接联系的描述方法。进而通过构造具体问题的粒化树数学模型,展示了粒化树数据处理方法的应用,主要的工作如下：(1)通过对数据集不同层次的粒化,得到了基于数据集的粒化树。利用不同粒化树中的关联元素,建立了不同粒化树之间的关联关系,定义了两棵粒化树中的关联链,给出了经关联元素确定数据之间非直接联系的方法,使不同数据集之间的数据联系得到了描述。(2)利用关联链中粒度从粗到细的变化,使关联元素确定的数据非直接联系与粒度变化联系在一起,将数据联系的紧密程度基于粒度变化之上,达到了利用粒度变化描述联系紧密程度的目的。(3)在不同粒化树之间,引入了二元关系G,将关联元素概念延伸至G-关联元素对,使关联关系推广至基于G的关联关系I,得到了两个数据集对应粒化树中的一对G-关联链,使粒化树数学模型更具实用性。(4)针对具体问题,构建了不同数据集的粒化树,使具体问题通过粒化树得到了数学描述。特别通过粒化树数学模型,给出了地方政府与高校人才之间分层联系的方法,描述了地方企业与高校的联系,产生了人才供求问题的算法表示和程序化的基础。本文的工作展示了理论探究和实际应用相结合的研究过程。