在实际应用中,多粒度标记决策系统常被用于各种信息分析,能否快速从该系统中选择最需要的粒度是我们获取知识的关键。无论是规则提取还是属性约简基本是在最优粒度选择出来的前提下进行的。可见最优粒度选择在多粒度标记决策系统的知识获取中占有重要的地位。本文定义了多决策多粒度标记决策信息系统与多源多粒度标记决策信息系统,并探讨了这两种系统中选择最优粒度的方法,以及探讨了属性值变化时如何选择最优粒度。具体的主要工作为以下三个部分:(1)介绍多决策的多粒度标记系统的定义,并定义适用于该系统下的分布函数、最大分布函数、广义决策函数及下近似函数;然后分别讨论粒度标记层次系统保持分布协调、最大分布协调、广义决策协调及下近似协调时最优粒度的选择。并给出相应的例子验证方法的可行性。(2)介绍多源多粒度标记决策系统的定义,探讨选择多源多粒度标记决策系统最优粒度的策略。具体策略:先选择各信息源的最优粒度,再对各信息源的最优粒度进行融合从而选择全局最优粒度。根据不同的应用需求提出了基于“最粗”、“最细”及“绝大多数”三种原则的三种方法。同时给出相应的例子验证方法的可行性。(3)研究多粒度标记决策系统中属性值变化时最优粒度选择方法,并设计相应静态以及动态的最优粒度选择算法,最终选取6组UCI数据集进行实验。值得指出的是,实验结果证明了新提出的方法可行且选择出来的结果相同。