粗糙集理论是由波兰数学家Pawlak于20世纪80年代初提出的一种数据分析工具，是一种处理不确定、不精确和不完备知识的数学工具.在粗糙集理论中，主要有两种方法来处理不确定性问题：纯粗糙集方法和信息论方法。直觉模糊集是模糊集的推广，能更客观、细腻地刻画模糊现象。本文以直觉模糊序信息系统为研究对象，构造了基于优势关系的直觉模糊信息系统的四类上下近似算子，分别从代?见和信息观两个角度度量了直觉模糊序信息系统的不确定性.具体内容如下：　　从代数角度出发，采用纯粗糙集方法，本文构造了直觉模糊序信息系统的四种类型的上下近似算子，并讨论了它们之间的关系。在此基础上，引进了相应的精度和粗糙度，理论分析表明随着知识粒的变细，相应的精度增大，相应的粗糙度减小。因此，这四种类型的度量都可以用来度量直觉模糊序信息系统的不确定性。　　从信息观的角度出发，采用信息论方法，本文构造了四种不确定性度量，即知识信息熵、知识粒度、知识初等熵、知识粗糙熵。通过验证得到，随着知识粒的变细，这四种类型的度量都具有单调性，并且具有有界性。因此，它们也都可以用来度量直觉模糊序信息系统的不确定性。最后，通过分析和比较，得到这四种类型的度量之间的两对关系。