随着大数据时代的发展,人们获取信息的方式日益多样,如何有效地处理形式多种多样、数据量巨大的不确定性信息,成为了当前研究的一个重要课题。粒计算是一种处理不确定性问题的有效办法,本文从粒计算的角度出发,建立新的粗糙集模型,结合证据理论,研究多源混合数据的信息融合方法。在文本的讨论中,首先基于分类型数据构建等价关系,将粗糙集与证据理论结合。利用相似函数对各信源间的相似性进行计算,并通过谱分解将信源划分为相似信源与冲突信源。之后,对于相似信源,采用证据理论中经典合成规则进行融合,对于冲突信源,采用本文提出的改进的合成规则进行融合,得到最终的基本概率分配函数,并根据提出的信任不确定性函数判断信息融合的效果。考虑到在实际情况下,存在着信源中的属性种类不尽相同的情况。接下来,添加数值型数据和区间值型数据,利用混合关系,通过关系划分函数将粗糙集与证据理论相结合,建立完备的混合数据粗糙集模型。但是,在当前的众多领域中,得到完备的信息往往是很困难的,因此对于不完备信息系统的研究也存在着重要的价值。本文在完备系统的基础上加入了缺失型数据,针对缺失型数据利用容差关系以进一步拓展混合关系的适用范围,得到混合数据的多源信息融合模型。最后,本文利用职员业绩考试实例以及土壤微生物存活条件实例对所提出的融合算法进行了可行性说明,并将本文所提出的算法与均值法、最大值法和最小值法进行比较,进一步说明了本文算法的有效性。