粗糙集理论是20世纪80年代初由波兰数学家Pawlak首先提出的一种用于数据分析的数学理论,其主要思想是利用已知的知识或信息来描述近似不精确的概念或现象.自20世纪90年代起,该理论日益受到重视,并逐渐成为国际学术界的研究热点之一.经过二十多年的发展,粗糙集理论已在机器学习、模式识别、决策分析、过程控制、数据库知识发现、专家系统等领域获得成功应用.本文对贝叶斯粗糙集模型和变精度贝叶斯粗糙集模型进行了系统深入的研究.首先,给出了贝叶斯粗糙集和变精度贝叶斯粗糙集的性质.其次,相应于变精度粗糙集模型下的上(下)分布约简给出了贝叶斯粗糙集和变精度贝叶斯粗糙集模型的上(下)分布约简的概念,并讨论了它们之间的关系.上(下)分布约简是保持每个决策类的上(下)近似不变的最小属性集,并在此基础上得到了上(下)分布知识约简的判定定理和可辨识属性矩阵,从而提供了目标信息系统知识约简的方法.最后,给予例子证明此方法的可行性和可操作性,在理论及应用上都是有意义的和有价值的.