粗糙集理论是上世纪八十年代初由波兰数学家Pawlak首先提出的一种用于数据分析的数学理论。其主要思想是利用已知的知识或信息来近似不精确的概念或现象。自上世纪九十年代以来，粗糙集在理论上不断完善，在应用上广泛扩展，已逐渐成为国际学术界的研究热点之一。 变精度粗糙集是对Pawlak粗糙集理论的一种扩充，它通过设置阈值参数(0.5＜β≤1)，放松了对标准粗糙集理论近似边界的严格定义，增强了粗糙集模型的抗干扰能力和对新数据的预测能力。NickCercone，WojciechZiarko等人己利用此模型成功地对北美一个中等城市的用水需求进行了预测。 本文从Pawlak粗糙集、变精度粗糙集的理论入手，主要介绍了作者的三部分工作： (1)讨论了变精度粗糙集模型中β值与分类质量的关系，给出了由分类质量阈值r来确定β取值的两种算法。 (2)针对文献[54]中提出的几种属性约简，给出了β上、下分布约简的两种新的可辨识矩阵，与文献[54]中的可辨识矩阵是等价的。 (3)在不同的论域下，讨论了串行的广义近似算子，并将变精度粗糙集模型推广到不同的论域下来讨论，得到了变精度广义粗糙集模型。