中文摘要：

粗糙集和概念格是两种非常有效的知识表示和知识获取的工具，在各种信息系统与形式背景的知识发现中表现出独特优势，已被成功应用于众多领域。直觉模糊集比传统的模糊集在处理模糊性和不确定性等方面更具有实用性和灵活性。本课题以直觉模糊近似空间和形式背景为主要研究对象，系统研究相应的知识粒度及其知识发现和规则提取的理论与方法。主要研究内容包括直觉模糊近似空间和直觉形式背景中知识粒度的结构、一般表示理论及其两种框架下的相互比较；直觉模糊环境下形式概念格的构建；直觉模糊环境下(决策)信息系统和(决策)形式背景中知识的融合、属性约简以及知识发现的理论与方法；直觉模糊环境下决策规则的不确定性度量与计算推理分析。本课题研究内容是信息科学的热点问题，这些问题的解决将进一步明确粗糙集和概念格之间的联系，丰富和发展这两种理论，对地理信息学、模式识别、医疗诊断、决策管理、市场预测等领域的实际问题具有广泛的应用价值。

结论摘要：

直觉模糊集比传统的模糊集在处理模糊性和不确定性等方面更具有实用性和灵活性。本课题以直觉模糊近似空间和形式背景为主要研究对象，系统研究相应的知识粒度及其知识发现和规则提取的理论与方法。主要成果如下 1. 深入研究了直觉模糊环境下信息系统与知识粒度与不确定度量。在直觉模糊近似空间（含双论域情况）中引入了知识粒度、信息熵、粗糙熵、不确定度量四种不确定性度量的概念，并且结合粗糙集的粗糙度和知识粒度推广了(双论域)直觉模糊近似空间的粗糙集的粗糙熵；为了研究直觉模糊决策表的不确定性，引入了直觉模糊集的六种相似度量，探讨了其性质及内在联系，进而给出了基于新的相似类对对象进行分类的理论与方法。 2. 详细探讨了直觉模糊环境下信息系统的知识发现与规则提取研究。在直觉模糊信息系统中给出了属性约简的定义，得出了求解属性约简的判别定理和辨识矩阵，为信息系统的简化提供了具体的方法；同时，在直觉模糊信息系统中引入了优势关系从而建立了直觉模糊序信息系统，并得出了带决策直觉模糊序信息系统获取更简洁的优势规则；结合粗糙集理论与证据理论，在双论域近似空间中提出了对象信任协调、对象似然协调、信任重要度以及似然重要度约简，探讨了它们之间的联系，给出了知识获取和规则提取的重要方法。 3. 认真分析了直觉模糊形式背景的知识发现与属性约简。将直觉模糊理论引入形式概念分析中，建立了基于 蕴含算子的直觉模糊形式背景（广义）协调决策的数据分析模型，给出了基于辨识矩阵的属性约简理论，实现了海量数据的程序化处理；同时，通过分析模糊数据集对象与部分属性、属性与部分对象之间的充分必要关系，讨论了模糊环境下认知过程中的信息粒概念，给出了如何将任意的信息颗粒转化为充分信息粒、必要粒信息的、充分必要的信息颗粒，建立了模糊环境下基于形式概念分析的一种双向认知学习理论与方法。 4. 从粒计算的角度和决策的角度推广了粗糙集模型(该部分为研究计划外的研究内容)。在基于优势关系、相容关系以及三角模下将信息系统的经典粗糙集推广到了乐观、悲观以及更为一般的多粒度粗糙集模型，通过研究其上下近似的性质及度量解决了对实际问题中多条件的目标刻画问题；进一步结合贝叶斯决策论得到了序信息系统的多粒度决策粗糙集模型，为具体实践应用提供了一种全新的决策工具。