信息系统中的不确定性度量与知识获取是信息科学领域的重要研究课题，受到了国内外研究专家的广泛关注，相关研究成果已被广泛应用于数据挖掘、决策分析、模式识别、机器学习与知识发现等领域中。本文在粗糙集理论的框架下，基于知识即划分的观点，对信息系统中的不确定性度量和知识获取进行了进一步的研究，并取得了以下研究成果：(1)在信息系统中的知识关联度量方面，提出了知识包含度的概念，实例表明知识包含度可以评价规则集的确定性；证明了知识包含度与知识的条件信息熵之间具有严格互补关系；设计了基于知识包含度的决策表的知识约简算法，并通过实例对算法的有效性进行了验证．这一结论丰富了包含度理论，有利于更好地分析信息系统中知识之间的关系，为信息系统中的知识获取研究提供了一个新的度量工具．(2)在信息系统中知识空间的拓扑结构研究方面，给出了知识距离的概念，研究了知识距离空间中知识距离的一些性质；证明了信息系统中的所有知识构成一个距离空间；并应用知识距离度量信息系统中知识的粗糙熵，证明了新的粗糙熵与其它定义下的粗糙熵也同样具有粗糙不变性和随知识分辨能力增强而单调减小的性质．这些结果有利于更加深刻地分析信息系统中知识间的关系和知识的粗糙性．(3)在不完备信息系统中的知识获取方面，深入分析了不完备信息系统中以极大相容块作为基本颗粒的知识获取技术的优势；给出了不完备信息系统中极大相容块的性质，证明了对象所在的极大相容块的个数与对象的完备程度有关以及具有包含关系的属性集对应的极大相容块也具有包含关系；提出了一种构造不完备信息系统中极大相容块的分层递阶算法，该算法利用不完备信息系统中极大相容块特有的性质，采用不断细化相容块的方法得到条件属性集对应的极大相容块集．这一结论有助于更有效地在不完备信息系统中进行知识获取．本文对信息系统中的不确定性度量和知识获取进行了一些研究．但是，信息系统中的不确定性研究是一个复杂的课题，正处在发展阶段，其中还有许多问题值得研究，本文的研究工作是一个尝试，相关工作还有待进一步研究．