1、作為一種世界觀和方法論,粒度計算廣泛存在于現(xiàn)實世界中,其實質(zhì)是在有效研究基于外部世界以用戶為中心的概念的同時,簡化我們對物理世界和虛擬世界的認知. 建立在分類機制上的粗糙集理論,不失為對復雜問題求解,海量數(shù)據(jù)挖掘,模糊智能信息處理的一種有效的粒度計算工具.鑒于該理論在處理問題時不需要任何先驗信息的優(yōu)點,近年來已被廣泛應用到人工智能、模式識別、數(shù)據(jù)挖掘等諸多領域.
　　 本文主要是從粒度計算的角度出發(fā),以一般二元關系下的信息系統(tǒng)為

2、研究對象,對相關內(nèi)容作了詳細的討論和研究.主要研究包括以下幾個方面:
　　 1.通過引入關系劃分函數(shù),將基于等價關系的知識粒度描述推廣到了一般二元關系下的知識粒度描述,同時證明了該粒度描述法與Pawlak提出的知識粒度代數(shù)表示法的等價性這一重要結論.
　　 2.針對知識的不確定性問題,提出了一種新的粗糙集擴展模型,即一般二元關系下基于粗糙隸屬函數(shù)的程度粗糙集.分析表明,該模型不僅是對原有程度粗糙集模型從精度系數(shù)角度的推廣

3、,還是對基于等價關系的變精度粗糙集模型從二元關系角度的進一步推廣.
　　 3.定義了知識的向量表示法,并對向量知識粒之間的運算關系展開了詳細研究.在討論知識粒之間距離的基礎上，構建了知識的?？臻g.通過進一步研究關系劃分能力的強弱,通過知識粒度構建了系統(tǒng)中知識粒的空間位置關系.
　　 4.就知識約簡問題,用辨識矩陣的方法對具有最復雜形式背景的信息系統(tǒng),從帶區(qū)間值直覺模糊決策和不帶決策兩個角度分別展開了詳細的討論.并通過實例