不确定性问题是人工智能的研究热点,也是人工智能的重大前言课题.作为处理不确定性问题的工具,粗糙集理论是处理不确定性问题的一个有效的工具.本文,研究了基于一般二元关系的广义粗糙集模型、覆盖粗糙集模型和不完备区间值信息系统的不确定性度量.具体内容如下:首先,提出了基于上、下粗糙等价关系的上、下粗糙熵的定义,并研究了它们的性质.而且,我们证明了上粗糙熵和下粗糙熵是相等关系.此外,我们将粗糙熵与Wang[32]提出的熵进行比较,结果表明我们提出的熵具有更高的辨识度.其次,将经典粗糙集模型中的粗糙熵拓展到覆盖粗糙集模型中,利用覆盖的下近似给出下粗糙熵的定义并研究了它的性质,利用覆盖的三种上近似给出了三种上粗糙熵.而且,在覆盖粗糙集中定义了条件熵,联合熵,互信息的概念.此外,我们利用所提出的粗糙摘不但研究了覆盖约简问题,而且探究了覆盖的近似算子的对偶性.最后,研究了不完备区间值信息系统的不确定性度量问题.在信息系统中提出了一种构造λ-相似关系的方法.给出了 λ-精度、λ-粗度和入-粗糙熵的定义.基于这些定义的度量构造了 λ-超精度.此外,在汽车数据集中对我们所提出的度量进行比较研究.实验表明,在不完备区间值信息系统中入-超精度比其它度量更有效.