粗糙集理论是波兰数学家Z．Pawlak于1982年首先提出的一种处理不确定性知识的数学理论，它能有效的分析和处理不精确、不确定和不完整等各种不完备信息，并从中发现隐含的知识，揭示潜在的规律。Pawlak最初提出的粗糙集理论是以等价关系为基础的，但在很多实际问题中，等价关系看起来过于严格以致于限制了Pawlak粗糙集模型在更多领域的应用，所以推广经典的粗糙集模型是很有必要的。本文在其他学者对覆盖粗糙集理论研究成果的基础上做了进一步的探讨。首先讨论了在一般粗糙集知识约简理论研究中上近似、下近似算子的性质，并利用分辨矩阵的一些有用性质，给出了一种高效的新的求覆盖粗糙集理论中的约简与核的方法。接着，论文在Z．bonikowski广义覆盖粗糙集模型的基础上，提出了基于覆盖的变精度粗糙集模型，这种模型可以通过对精度β的调节，得到不同层面上的知识集Cβ(X)、Cβ(X)，从而增加了对概念x信息的了解，推广了覆盖粗糙集模型。讨论了基于覆盖的变精度粗糙集模型的相关重要性质，并探讨了覆盖决策系统在精度β下的属性约简。最后，进一步研究了论域上的一个模糊集合，如何用覆盖近似空间中的近似集来描述，给出了近似精度、粗糙度、粗相等等一系列概念及其性质，并在参数α、β阀值的限制下将一个模糊集合用上、下近似的截集来表示。在论文中，根据需要都给出了相应的例子来说明论文研究结果的合理性与有效性。