粗糙集理论,是波兰数学家Pawlak在1982年提出来的,它作为一种新兴的处理不精确、不完整和不确定性数据的数学工具,越来越受到各国学者们的重视。由于粗糙集研究的对象一般都是从实际生活中提取出来的信息,而这些信息有时并不完整,要想得到一个严格的划分并不容易,于是Zakowski在1983年提出了基于覆盖的粗糙集,把论域上的划分推广为覆盖,并推广了Pawlak的近似算子,完善了信息不完整的弊端。此外,在研究基于覆盖的粗糙集时,不同的覆盖可能生成相同的近似算子,也就是说,覆盖中有一些基本集是冗余的,针对这一问题,W.Zhu在2003年提出了覆盖的约简的定义。2002年,Amin Mousavi从两个不同的角度讨论了粗糙集。在信息传播的过程中,如果传播者之间存在语言或其他方面的障碍,就会导致接收到的信息不完全,我们可以用粗糙集来表示这种不完整的信息。对于这一现象,Amin Mousavi提出了基于划分的粗传播问题。本文的主要工作包含两部分：首先,现有的覆盖的约简要求可约基本集是其他一些基本集的并集或交集,但这一条件在实际中很难满足。针对这一问题,本文对比现有的覆盖的约简、可约基本集的定义,重新定义了可去基本集和简易覆盖,得到了一个比约简覆盖更简练的简易覆盖。进而,文章又讨论了简易覆盖与约简覆盖、极小描述覆盖三者之间的关系。得出并-约简覆盖和极小描述覆盖相等,而简易覆盖包含于并-约简覆盖之中,是一个更简练的覆盖这一结论。其次,对粗传播进行了更进一步的研究。由于现有的粗传播是以论域上的划分为基础的,而在实际生活中,得到严格的划分并不容易,但覆盖更为一般,所以,本文把基于划分的粗传播推广到了覆盖上,定义了基于覆盖的粗识别,并提出了基于覆盖的粗传播,得到了更为一般的一些结论及性质,进而讨论了传播结果的界值情况,得到了传播结果的最大、最小界值。