模糊产生式规则是模糊推理中一种重要的工具，用以描述模糊的或者不确定性的概念。为了更加有效地表示模糊规则中的模糊性以及不确定性，并且使推理结果更加合理，阈值、置信度、局部权和整体权等一些知识表示参数被相继引入。这些知识参数用模糊集表示，更加符合人们的思维方式，并且可以增强推理的合理性和正确性。　　 本文主要研究基于模糊规则矩阵变换的不精确推理方法。由于属性间存在交互作用，针对知识参数用数值表示的模糊规则集，推广了上面推理方法。该算法在不完全知识推理中有着重要的应用。对于一个数据库，我们可以利用完整样例或经验知识，得到一个模糊规则集（即样例属性之间的相关关系），其中模糊规则的参数可以是数值表示，也可以是模糊集表示的。对于此模糊规则集应用该算法，可以确定残缺样例的缺少属性值，新得到的完整样例可以参与训练或应用于对样例的综合评判中。研究表明，该推理方法在实际问题中有着广泛的应用。