粗糙集理论是一种新的处理模糊和不确定知识的软计算工具。它能有效地分析和处理不精确、不一致、不完整等各种不完备信息,并从中发现隐含的知识,揭示潜在的规律,近年来在机器学习、数据挖掘等多个领域得到广泛应用。为了将这个理论发展成为一种完善的不确定性信息处理方法,并用于解决大规模复杂现实信息系统的问题,亟需在以下几个关键问题上进行突破:(1)在没有领域先验知识情况下的数据自主式知识获取问题。(2)深入研究粗集理论代数观和信息观之间的关系,建立基于这两种观点下的综合的约简技术和知识获取方法。(3)对粗集理论进行扩充,使之能够直接处理不完备信息系统,从不完备信息系统中直接获取知识。(4)将粗集理论和粒计算理论相结合,建立系统的方法模型。(5)研究动态数据信息智能处理理论方法,实现增量式智能信息处理。在本文中,我们主要对其中后3个问题——不完备信息系统的直接处理,不完备信息系统的粒计算模型和增量式属性约简算法进行了研究和讨论,提出了一种不完备信息系统的直接约简方法,一种基于容差关系的粒计算模型以及一种增量式的属性约简算法。