随着人工智能的发展,不确定信息处理技术已成为当前科学理论和应用研究中的一个热门领域。学者们相继提出模糊集、粗糙集、概念格和软集等处理不确定信息的数学工具。模糊集是借助隶属度来刻画对象的不确定性,粗糙集是通过一对精确集合(上近似和下近似集)描述未知概念或知识。本文拟对毕达哥拉斯模糊集、粗糙集、三支决策方法以及冲突分析问题进行组合研究,具体内容如下:首先,本文重点研究区间毕达哥拉斯模糊集的运算法则和信息度量。毕达哥拉斯模糊集作为模糊集、直觉模糊集的新型推广,在智能决策、知识约简、机器学习领域取得成功应用。考虑到决策者的犹豫态度和不稳定决策环境,学者提出区间毕达哥拉斯模糊集。基于已有度量方法,本文提出区间毕达哥拉斯模糊集的信息熵、距离和相似度,并且研究三个度量之间的转换关系。通过项目评估和模式识别的实例验证区间毕达哥拉斯模糊信息熵、距离和相似度的合理性,对比分析说明新度量具有灵活性和可靠性的特点。其次,双论域三支决策模型是一种新颖的处理不确定信息的数学工具,在智能决策领域得到成功的应用。然而在实际决策中,经典二元集值函数不能详细描述决策对象的不确定属性。针对这个问题,本文将双论域三支决策模型推广到毕达哥拉斯模糊多属性信息系统。通过增加毕达哥拉斯模糊映射的个数,构建乐观型和悲观型的多粒度近似算子,并提出四个重要的性质进行证明。考虑不同决策者的风险偏好,本文构建两类多粒度毕达哥拉斯模糊信息系统的三支决策模型,按照最大精确度的评价准则,给出阈值算法,并将新提出的模型应用到医疗诊断实例中。最后,毕达哥拉斯模糊信息的三支冲突分析模型被提出和研究。作为直觉模糊集的拓展,毕达哥拉斯模糊集可以有效地表达不确定性信息,然而很少应用到冲突分析问题中。通过定义的冲突函数,探究任意两个代理者对于给定事件的冲突程度,设计最大精度评价的阈值算法,继而构造出毕达哥拉斯模糊信息三支冲突分析模型。通过一个应用说明新模型的有效性。综上,本文提出三类兼容型的区间毕达哥拉斯模糊信息度量,研究不同度量之间的转化关系;将任意毕达哥拉斯模糊映射看成一个粒度,通过增加毕达哥拉斯模糊映射的个数,构建多粒三支决策模型;基于冲突参数,提出毕达哥拉斯模糊信息的三支冲突分析方法。这些组合研究不仅丰富和发展毕达哥拉斯模糊集、三支决策和冲突分析理论,而且拓展其应用范围,具有一定的理论意义和实用价值。