粗集理论是一种处理模糊和不确定性知识的数学工具，它用等价类的思想来研究问题，用集合的上近似和下近似来刻画集合，自1982年波兰数学家Z．Pawlak教授提出粗集理论的思想以来，粗集的理论和应用研究获得了广泛的开展，特别是在知识挖掘领域，粗集理论为我们处理当前信息社会所生产的海量数据提供了便利的工具。2002年史开泉教授提出奇异粗集（Singular rough sets）的概念，简称S-粗集，S-粗集理论是在经典粗集的基础上引入了元素迁移函数族F={f₁，f₂，Λ，f_n}与F′={f′₁，f′₂，Λ，f′_m}，使粗集理论的研究实现了从静态到动态的跨越，这极大地扩展了粗集的研究领域和应用范围，随后史开泉教授又提出变异粗集与变异S-粗集理论，提出用属性类与等价类的对偶的思想来从本质上认识粗集。 粗集理论能在保持分类能力不变的条件下通过知识约简导出问题的决策和分类规则，在决策规则的获取中，不确定性规则是不受我们欢迎的，本文在变异S-粗集和知识过滤思想的启发下，将变异S-粗集理论与决策规则的产生相联系，在条件属性中引入了迁移函数族F={f₁，f₂，Λ，f_m}与F′={f′₁，f′₂，Λ，f′_m}，对条件属性进行属性移入与移出，讨论了条件属性的单向移入，单向移出与双向的迁移的结果，得到了条件属性的单向移入定理，单向移出定理，双向迁移定理。从而将不确定性规则过滤为确定性规则，解决了不确定性规则带来的烦恼。