处理知识的不确定性有许多方法,利用粗糙集处理不确定性数据是近年来经常使用的一种有效方法.该理论是由波兰数学家Z.Pawlak于1982年提出的一种数据分析理论,已在数据的决策与分析,模式识别,机器学习与知识发现等方面得到了成功的应用.经典的粗糙集理论是以等价关系为基础的,然而很多现实问题中,数据之间的关系为相容关系,因而有必要将等价关系弱化为相容关系,即在相容近似空间中建立推广的粗糙集模型并讨论知识的不确定性.基于以上出发点,本文以相容近似空间为研究对象,从粒计算的角度出发,建立了几种推广的粗糙集模型并研究了知识的不确定性问题.主要内容包括以下几个方面:1.建立了相容近似空间上的证据理论,并引进相容近似空间上信任协调集与似然协调集的概念,从而解决了该空间中属性约简的问题,分析了知识的不确定性.2.从粒度计算的角度出发,将经典粗糙集理论中的单个等价关系(即单个粒度)弱化为多个相容关系(即多个粒度),提出了相容空间中的多粒度粗糙集模型.满足了对知识的刻画更加严格或更加放松的要求,为实际问题的解决提供了更多的指导.3.考虑到某些实际问题中,知识本身具有模糊性,在以基于多个等价关系的多粒度模糊粗糙集的基础上,建立了相容近似空间中的多粒度模糊粗糙集模型,分析了该模型中近似算子的相关性质及知识的不确定性,讨论了该模型与单粒度粗糙集的区别及联系.进一步研究了相容模糊近似空间的多粒度模糊粗糙集及近似算子的性质.4.提出了取值域最广泛的不协调格值目标信息系统的上、下近似约简概念,并得到了两种约简基于辨识矩阵的判定定理.进一步给出了求上、下近似约简的具体方法,并通过实例验证了此约简方法的实效性.