评价是人类社会中一项经常性的、极为重要的认识活动。在现实生活中，由于影响评价事物的因素往往是众多而复杂的，如果仅从单一指标上对评价事物进行评价不尽合理，需要将反映评价事物的多项指标的信息加以汇集，从整体的角度对评价事物进行多指标综合评价。　　 目前国内外提出的多指标综合评价方法已经有几十种之多，但总体上可以分为两大类，即主观赋权评价法、客观赋权评价法。前者由专家根据经验主观判断得到权重，具有一定的主观随意性，特别当评价指标较多时，专家无法合理确定各指标的权重。后者根据指标提供的初始信息来确定权重，能够达到评价结果的精确性，但当指标较多时，计算量大，实际应用价值不高。　　 为了解决这些不足，本文根据变精度粗糙集理论和变权理论的特点，提出一种改进的多指标综合评价方法。本文的工作主要包括以下几方面：　　 1.鉴于粗糙集方法只能处理离散性数据，如果某些条件属性或决策属性的值域为连续的，则在处理前必须经过离散化，而且离散结果的科学性直接影响粗糙集评价的客观性。本文在分析了现有的连续属性离散化方法的基础上，选择了基于SOM神经网络的离散化方法，该方法离散过程中只需要聚类数目，离散结果能比较客观地反映数据分布情况。　　 2.根据粗糙集理论不需要提供求解问题时所需处理的数据集合之外的任何先验知识，仅对实测数据进行分类处理即发掘隐含知识，揭示潜在的数据内部规律；能在保留关键数据信息的前提下对数据进行化简并求出知识的最小表达；能评估数据间的依赖关系，从经验数据中获取易于分类的规则的特点，本文在保持决策表中条件属性与决策属性之间的依赖关系不发生变化的前提下，通过对决策表中所有可能影响因素的约简，消除决策表中冗余的或影响较小的因素，寻求影响评价结果的主要因素。同时，根据粗糙集的属性依赖性，计算评价指标的权重，保证了属性权重的客观性。　　 3.鉴于目前多数综合评价方法中，各评价指标的权重一经确定后在评价过程中不再改变，而当某个评价方案的个别评价指标尤其是权重较小的指标出现严重缺陷时，对最终的评价结果不会有太大的影响，就不能反映该方案的实际情况。本文采用变权综合的方法对各评价指标的权重进行适当调整，更能突出指标体系中个别指标的明显变化，比常权综合评价方法具有更高的实际应用价值。　　 把基于变精度粗糙集理论和变权理论的多指标综合评价方法应用到某学校教师教学质量评价过程中，实例证明，该多指标综合评价方法通过属性约简，简化了评价指标，减少了计算量；利用变精度粗糙集中属性的近似依赖性，进行完全由数据驱动的评价，从而保证了评价结果的客观性。同时，该方法克服了标准粗糙集模型对数据噪声过于敏感的缺点，增强了数据处理的鲁棒性。另外，本文根据变精度粗糙集所得到的常权进行变权综合评价，更能突出指标体系中个别指标的明显变化，比常权综合评价方法更接近专家评价的思维模式，具有广泛的适用性，有很好的推广前景。