随着社会的进步和发展,决策信息系统的研究和应用已取得很大的进展,但在信息社会到来的今天,人们所面临的决策问题日趋复杂,大量的、不完全的、有噪声的、模糊的、随机的实际数据干扰着决策者提取隐含的、有价值的决策信息。因此,提供一套解决含有此类不确定信息的决策信息系统一不确定型决策信息系统的决策方法已迫在眉睫。粗糙集理论是二十世纪八十年代初由波兰数学家一Z.Pawlak提出的一种刻画不确定性和不完整性知识的数学工具,这为处理不确定型决策信息系统提供了一条新思路。该理论近年来日益受到广泛关注,己在人工智能、知识发现、故障诊断、模式识、专家系统等方面得到了成功的应用。以粗糙集为工具处理不确定型决策信息系统为我们提供了一条新思路。本文通过对现有复杂决策问题特征的深入分析,在大量检索国内外资料、跟踪国际前沿技术,总结和借鉴前人经验的基础上,将粗糙集理论与决策问题相结合,本文的具体研究内容如下:研究了决策信息系统的数据预处理过程,在噪音数据的有效识别问题上,提出了一种粗糙聚类算法。在属性约简方面,提出了基于同族矩阵的属性约简方法,并研究了同族矩阵的性质。在连续属性的离散化问题上,从聚类相似度以及分类质量、分类精度的角度对经典离散化方法进行了比较,得到了离散化方法相同的优劣序。在不确定决策信息系统的设计上,将粗糙集与神经网络结合,构造了粗糙神经网络决策系统,实证分析表明粗糙神经网络缩短了网络的训练时间,同时分类精度也有了明显提升。针对属性值为区间数的决策系统,提出一种新的离散化方法,并结合灰色系统理论,定义了决策规则,通过对比神经网络,该区间数型粗糙灰色决策系统简化了决策规则,提高了智能决策效率。