随着数据获取技术的发展和数据库管理系统的广泛应用，人们处理和分析数据的能力面临巨大挑战。那么如何从杂乱无章且具强干扰性的海量数据中挖掘出潜在、新颖、正确、有利用价值的知识，以改变“数据丰富，知识贫乏”的局面，也就成为了智能数据处理领域研究的重要研究课题。面对各种纷繁复杂的信息系统，在利用粗糙集理论处理这些系统时，由于系统本身和需要近似表达的集合都具有不确定性，因此对信息系统不确定性的研究成为粗糙集理论研究的主要课题之一。目前，经典信息系统和模糊信息系统的不确定性问题已经得到了很好的解决，基于经典信息系统和模糊信息系统的属性约简理论和方法也得到了迅速的发展和完善。但是随着粗糙集理论的不断推广，同时也是适应实际应用的需要，决策信息系统也被进一步推广，区间直觉模糊信息系统就是其中之一。然而，区间直觉模糊信息系统的不确定性度量，以及基于不确定度量的区间直觉模糊信息系统的属性约简，在现有的文献中还少有涉及。因此，本文对区间直觉模糊近似空间的不确定性度量，以及基于度量的属性约简两方面进行了系统的研究，主要工作如下：（1）在区间直觉模糊近似空间中，首先定义具有对称性的区间直觉模糊上、下近似算子。其次，在Pawlak近似空间和区间直觉模糊近似空间中，分别给出了区间直觉模糊粗糙隶属函数的定义，并讨论了相关性质。然后利用区间直觉模糊粗糙隶属函数的不同形式，给出了两种度量粗糙区间直觉模糊集不确定性的方法。最后利用区间直觉模糊粗糙隶属函数的区间直觉模糊熵，定义了区间直觉模糊粗糙集的模糊熵，并讨论了区间直觉模糊粗糙集的模糊熵为零的充要条件，以及证明了在区间直觉模糊近似空间中经典集合和它的余集的粗糙度量是相等的，以此来说明定义的合理性。（2）针对区间直觉模糊近似空间的信息度量进行研究，并利用信息度量给出决策信息系统的属性约简。首先，在直觉模糊集贴近度与熵之间关系的基础上，定义了区间直觉模糊集的贴近度与模糊熵间的关系，在新定义的区间直觉模糊集的贴近度的基础上，利用模糊近似空间的信息度量方法，给出区间直觉模糊近似空间的信息度量。其次，将区间直觉模糊关系下的信息系统划分成区间直觉模糊信息粒子，在此基础上获得基于区间直觉模糊关系的不确定性度量与属性约简方法。然后，结合粒子划分定义一种考虑了信息量函数具有补的性质的新的信息熵，并对其性质进行了研究。在不确定性度量讨论的同时，给出了系统的属性约简算法。再次，给出了通过属性集划分出的粒子来考虑知识的不确定性的相对模糊熵，并提出了区间直觉模糊近似空间的约简算法。最后，给出了区间直觉模糊近似空间中一种同时考虑集合和知识的不确定性的集成的不确定性度量方法。