粗糙集理论是八十年代初由波兰数学家Z.Pawlak提出的一个分析数据的数学理论,粒化计算是近年来新兴的一个软计算方法.该文以粗糙集理论和信息颗粒、粒化计算理论为基础,对粗糙关系数据库和关系数据库中的一些基础理论和应用问题进行了深入的研究,获得了一些创新性成果,主要包括:系统地研究了关系数据库理论和粗糙集理论之间的关系,在研究与完善粗糙关系数据库(RRDB)的粗糙关系操作算子基础上,提出了粗糙分解算子,并讨论了它的性质.我们首先以粗糙数据分析技术为工具,对关系数据库理论和粗糙集理论之间的关系进行了系统的研究,然后以粗糙关系数据库模型为基础结合Pawlak代数对粗糙关系操作算子进行了分析,提出了粗糙分解算子的概念,研究了其性质,并对粗糙关系数据库模型与关系数据库模型进行了系统的比较.在粗糙关系数据库的数据查询方面,在研究粗糙关系数据库模型的基础上提出了相应的分解原理及查询原理.在分析粗糙函数依赖基本定义的基础上,我们提出了冗余因子的概念,用于研究粗糙函数依赖的推理规则.我们分析了Shoji Hirano的基于Rough集的聚类方法的不足,在此基础上提出了利用模糊隶属度、信息颗粒与粗糙集理论相结合进行数据库混合数据聚类的改进方法.在信息系统函数依赖方面,在研究面向机器的数据挖掘模型基础上提出一种利用信息颗粒位表示进行信息系统函数依赖判定的方法.我们首先探讨了T.Y.Lin提出的信息颗粒位表示及面向机器的数据挖掘模型,研究了关于位表示的性质,然后利用信息颗粒的位表示方法研究了信息系统的函数依赖、恒等依赖、部分依赖的信息颗粒原理,得出了它们相关的性质.