随着社会科学技术的不断发展,人类所采集的数据规模越来越庞大,数据结构越来越复杂。如何从庞大而又复杂的数据中提取有用的知识便成为了当代社会多个领域的共同需求。粗糙集作为粒计算的一种重要数学工具,为我们提供了一种有效的知识发现和知识约简的方法,已被广泛应用于人工智能、模式识别和机器学习等领域。作为经典粗糙集的拓展模型,覆盖粗糙集与多粒度粗糙集更能适应于现实生活的实际应用,已受到众多学者的关注。本文结合了覆盖与多粒度粗糙集模型,以邻域覆盖多粒度粗糙集模型为主要研究对象展开研究,研究内容包括邻域覆盖多粒度粗糙集的信任结构、覆盖类决策下的邻域覆盖多粒度粗糙集的信任结构、基于证据理论邻域覆盖多粒度粗糙集的相对约简、覆盖类决策下邻域覆盖多粒度粗糙集的信任约简。具体的研究结果主要体现在以下几个方面:(1)研究了覆盖决策信息系统以及覆盖类决策下的邻域覆盖多粒度粗糙集与证据理论的关系。本文利用了证据理论中的信任函数和似然函数对邻域覆盖多粒度粗糙集的近似进行刻画,构造了覆盖决策信息系统以及覆盖类决策下的邻域覆盖多粒度粗糙集的信任结构;(2)对覆盖决策信息系统以及覆盖类决策下的邻域覆盖多粒度粗糙集的相对约简问题展开了研究。本文根据信任函数与似然函数定义覆盖的重要度,给出了求解近似约简的算法,并以实例证明算法的合理性和有效性。