信息粒度广泛存在于现实世界中，是对现实的抽象。粒度计算即信息的粒化处理，是信息处理的一种新的概念，覆盖了所有有关粒度的理论、方法和技术的研究，是模糊集理论、词计算理论、粗糙集理论、商空间理论等的超集，也是软计算科学的一个分支。其已成为模糊的、不精确的、海量的信息处理的重要工具，是人工智能研究的重要基础。 本文在粗糙集理论和模糊商空间理论这两种粒度计算模型的框架下，做了以下工作： （1）在粗糙集理论的粒度计算模型框架下，将经典粗糙集理论应用于不协调决策信息系统中，提出了一种新的规则获取方法，即在知识约简后的不协调决策信息系统中，利用规则归纳的七种形式和决策矩阵方法提取规则集。并通过实验验证了该方法的有效性。 （2）在模糊商空间理论的粒度计算模型框架下，研究了张钹院士和张铃教授提出模糊商空间理论的原始论文，对其中两个主要定理证明过程中存在歧义的符号进行了修改与补充，用模糊集和序代数的规范形式来构造证明和描述结果，完善了模糊商空间理论的理论基础。 （3）利用矩阵的直观性和可操作性，根据模糊商空间理论的粒度计算模型，通过两种不同的方法，即传递闭包方法和构造序链方法，构建了两种基于模糊相似关系的分层递阶结构方法，这是模糊商空间理论的粒度计算模型的推广。最后研究了基于模糊相似关系的粒度计算模型的相应的性质，并提出了一种获取分层递阶结构的算法，用实验证明了该算法的可行性。