粒计算这个概念是上世纪末提出的用于知识表示和数据挖掘的一个新方法。该方法以粒为基本计算单位,以建立大规模复杂数据和信息处理的有效计算模型为目标。粒计算主要研究粒的构造、粒的表示、最优粒度的选择以及用决策规则形式所描述的粒与粒之间关系等。本学位论文主要研究广义多粒度标记信息系统中的信息粒表示、广义多粒度标记决策系统最优粒度选择和决策规则提取等相关问题。首先,介绍广义完备多粒度标记信息系统的概念,在这类系统中不同属性的粒度标记层面个数可以是不相同的,给出广义完备多粒度标记信息系统中的粒度标记选择的概念,获得在不同粒度标记选择层面下信息粒的表示及其相互关系,定义基于等价关系的集合的下、上近似概念,给出近似集的性质;其次,给出广义完备多粒度标记决策系统中的最优粒度标记选择的概念,并用证据理论中的信任函数和似然函数刻画协调广义完备多粒度标记决策系统的最优粒度选择特征;同时,给出协调广义完备多粒度标记决策系统的确定性规则提取方法。最后,与广义完备系统相类似,给出广义不完备多粒度标记信息系统在不同粒度标记选择层面下信息粒的表示,发展了判别广义不完备多粒度标记决策系统中最优粒度标记选择方法,并进一步用于协调广义不完备多粒度决策系统的确定性规则提取。