近年来,随着信息科技的进步和统计技术的发达,人类面临的数据量、信息量显著增加。合理的处理来自生物医学、经济金融、人工智能等领域的海量复杂数据并从中挖掘有价值的知识显得尤为重要。粗糙集理论中的属性约简技术能够在保持原有知识库的分类能力不变的基础上删除其中无价值的(冗余的)知识。区分矩阵是获得属性约简的一个重要媒介。然而,区分矩阵中存在很多重复的信息。这就导致了储存成本的增加。差别信息树(DIT)很好的解决了区分矩阵中存在重复信息的问题。值得注意的是有关DIT的研究都是建立在等价关系的基础上,没有考虑数据之间的偏好序关系,并且通过DIT只能获得信息系统的一个约简。本文将区间值序信息系统(Iv OIS)作为研究背景,首先研究了优势关系下DIT的构建,在此基础上提出了相应的属性约简方法。然后引入核属性与属性重要度对优势关系下的差别信息树进行改进,进而提出了基于改进差别信息树(IDIT)的属性约简方法。最后,为了解决多源模糊信息系统(Ms FIS)中的知识发现问题,本文通过结合多粒度的思想研究了Ms FIS的多粒度粗糙集模型及其不确定性。本文的主要创新分为以下三点。1.在IvOIS的背景下,结合区分矩阵和DIT的相关理论知识,提出了基于可区分矩阵的DIT的构建方法,从而实现了优势关系下DIT的构建。进一步地研究了优势关系下DIT的相关定理。最后以此为基础提出了一种新的完备属性约简方法,丰富了属性约简的研究成果。2.考虑到核属性与属性重要度在求取属性约简的过程中起着至关重要的作用,本文在Iv OIS中研究了基于核属性、属性重要度的IDIT的构建方法,进一步提出了基于IDIT的知识约简方法。与此同时,本文研究发现通过构建不同属性顺序下的IDIT可以找到Iv OIS的所有约简。3.在MsFIS的背景下,结合粒度计算的相关知识,将每个信源看作是一个粒度。首先定义了Ms FIS的支持特征函数。然后通过所定义的支持特征函数提出了适用于Ms FIS的三种多粒度粗糙集模型,同时研究了所提模型的相关性质。其次,为了研究Ms FIS的不确定性,本文提出了五种计算Ms FIS不确定性的度量并设计了一个相应的算法。最后,本文使用四个数据集对算法进行了验证。实验结果表明,Ms FIS的广义多粒度粗糙集模型在实际应用中具有更广泛的适用性。