粗糙集理论作为一种新的数据分析理论,是处理具有不确定性的问题的有力工具,已广泛应用于数据挖掘、机器学习、人工智能和模式识别等领域。变精度粗糙集与模糊粗糙集分别从不同的角度对经典粗糙集进行了推广。前者克服了经典粗糙集容噪能力差的缺陷,后者将粗糙集的思想扩展到模糊信息系统。将二者结合起来建立的变精度模糊粗糙集模型,更适用于含有噪声的模糊信息系统的数据处理问题。为处理含有噪声的模糊信息系统,本文将变精度粗糙集模糊化,建立了两个变精度模糊粗糙集模型,提出了属性约简算法。首先,借助模糊逻辑算子,提出了(?)模糊集包含度的概念,建立了基于模糊逻辑的变精度粗糙集((?)-VPFRS)模型,并详细地研究了(?)-VPFRS模型的性质。(?)-PFRS模型是Pawlak粗糙集以模型及Ziarko变精度粗糙集模型的一般化。然后,以公理化的形式定义了一种更一般化的模糊集包含度,建立了基于模糊集包含度的粗糙集(IDB-VPFRS)模型,并研究了IDB-VPFRS的基本性质。IDB-VPFRS模型是Pawlak粗糙集模型、Ziarko变精度粗糙集模型以及Wu-VPFRS的一般化；当(?)是右单调模糊蕴涵算子时,(?)-VPFRS模型是IDB-VPFRS模型的特例。最后,将变精度模糊粗糙集模型用于模糊决策信息系统的属性约简。定义了模糊决策信息系统属性的重要度及近似约简,给出了约简算法。茄子质量模糊决策信息系统的实验结果表明了模型的合理性及算法的有效性。