粗糙集理论是数据挖掘的一个重要工具,也是粒计算的分支之一。经典的粗糙集理论是由波兰的Pawlak于20世纪80年代提出的。粗糙集通过不可区分关系(等价关系)为不完全和不充分信息的处理提供了一套系统的方法。但是等价关系应用范围有限,Zakowski等将等价关系产生的信息划分推广到信息覆盖,也就是将Pawlak经典粗糙集理论推广到覆盖广义粗糙集理论。近年来,不同的学者提出了多种覆盖粗糙集模型并讨论了一些相关性质和相互联系。本文在覆盖广义粗糙集的基础上,将覆盖粗糙集理论进行扩展,并运用到目录检索中去。主要工作如下:(1)归纳了学者提出的多种覆盖粗糙集模型,这些模型的主要差异在于上近似运算和下近似运算的不同。(2)针对覆盖空间约简后有可能还会存在的冗余情况,本文提出了含约简的概念。(3)在对划分的信息熵及相关定义的基础上,推广定义了适合于覆盖空间的信息熵及约简和含约简中的相关信息表达。(4)结合覆盖空间的结构实际,提出了结构化近似算子,并提出了多层覆盖空间的概念。(5)在多层覆盖空间的基础上,提出了目录树的概念,并讨论了目录树的约简、近似运算等。(6)结合目录检索系统的特点,实现了目录树的生成、更新和相关查询操作,并给出了部分新的查询算子和相近度评价。