模糊数学、粗糙集和形式概念分析理论分别由美国科学家 Zadeh，波兰数学家Pawlak与德国数学家Wille R.提出的，都是处理生活中信息不确定性问题的有效工具。在本文中运用模糊数学、粗糙集、形式概念分析等理论工具，分别研究了序信息系统中的多粒度三支决策理论、多粒度软粗糙集理论、双量化三支决策理论以及模糊数据集中的双向学习粒计算方法。本文主要创新之处如下：　　1.从粒计算的角度出发，将序信息系统中产生的非概率空间运用划分转换函数转化成概率近似空间。将划分函数运用到序信息系统中的多粒度决策粗糙集中后，构建出三种序信息系统中多粒度决策粗糙集模型。研究了其重要性质，并引入禽流感案例分析了模型的重要性质和决策方法。　　2.从粒计算的角度出发，结合多粒度思想，将软集理论和粗糙集理论联系起来，分别从乐观的角度和悲观的角度建立了多粒度软粗糙集模型，研究了单粒度软粗糙集、乐观多粒度软粗糙集以及悲观多粒度软粗糙集之间的性质及其关系，为现实生活提供了又一种决策途径。　　3.从粒计算的角度出发，结合三支决策思想，考虑相对量化信息与绝对量化信息，定义了两种双量化决策粗糙集模型，并且讨论了这两种模型与Pawlak粗糙集的基本联系。然后通过实例研究阐述了所建模型的理论价值和实际应用价值。　　4.从粒计算的角度出发，构建一种模糊数据集中的新颖的双向学习系统。从信息粒的角度讨论了对象和它的模糊属性之间的关系。研究了由任意一个模糊信息粒学习得到必要模糊信息粒，充分模糊信息粒以及充要模糊信息粒的技术手段。