粗糙集理论是波兰科学家Z.Pawlak在1982年提出的一种新的分析数据的数学理论.如今它在计算机应用的很多领域，如数据挖掘，机器学习，知识发现等，有着重要的应用.对其理论方法及其应用的研究成为当前的一个热点.　　 本文基于粗糙集理论，做了下面的工作：　　 首先，介绍了几种常见的粗糙集模型，包括Pawlak粗糙集模型，变精度粗糙集模型，以及贝叶斯粗糙集模型.基于多数包含关系，给出一种新的贝叶斯粗糙集模型.举例说明了该模型的有效性.　　 其次，将含有两个决策类的贝叶斯粗糙集的情况推广至含有多个决策类的情况，讨论了相关的性质.以全局增益作为启发式信息，给出了基于该模型的属性约简的一个启发式算法，举例说明该算法是可行的.　　 最后，研究了决策规则，决策算法的概念，说明每个决策表都满足一定的概率性质，特别是满足全概率公式和贝叶斯定理.　　 本文的研究成果对贝叶斯粗糙集模型的进一步研究和应用具有重要性.