粗糙集理论是关于不确定性信息处理的一种重要理论。在粗糙集中引入信息论测度,为不确定性度量和属性约简提供了一种有效的构造方法,相关的结合研究具有重要的理论价值与应用意义。决策表是粗糙集的基本数据形式背景,具有层次粒度结构,但这种结构机制在相关信息度量的引进中没有被很好的重视。对此,本文基于决策表的三层粒结构(微观底层、中观中层、宏观高层),重点构造三支加权互补熵,进而讨论相关性质。本学位论文具体内容如下。首先,在微观底层聚焦三支概率,进而在中观中层建立三支互补熵及其粒化非单调性。三支互补熵扩展了经典互补熵,其粒化非单调性激发了后续三支加权互补熵及其粒化单调性的研究。其次,在微观底层进行贝叶斯公式变换,进而在中观中层和宏观高层上分别构造三支加权互补熵,并讨论其粒化单调性和系统性。三支加权互补熵将概率权重系数引入到互补熵中,考虑了双量化融合策略,能获得更好的不确定性特征。再次,对宏观高层的经典互补熵进行粒化分解,发展中观中层的互补熵、条件熵和互信息,并分别在中观中层和宏观高层上证明加权互补熵系统与经典互补熵系统的等价性。最后,构建了三支加权互补熵的三层算法,并采用一个决策表实例说明了三支加权互补熵及其粒化单调性,最后采用3类UCI数据集验证了所得结果的正确性与算法的有效性。综上所述,本文基于决策表的三层粒结构,在不同粒层次上构造并系统研究了三支加权互补熵,相关结果呈现了较好的三层结构与三支结构,丰富了粒计算与三支决策,对粗糙集中的不确定性度量研究提供了深入诠释。