粗糙集理论是一门处理不精确、不确定信息的数学理论，是波兰数学家Pawlak教授于1982年提出的，是一种新的知识获取方法，目前已被广泛应用于机器学习、模式识别、决策分析、过程控制、数据库知识发现以及专家系统等领域。但是，实践应用表明经典粗糙集理论存在一定的局限性，因此，对Pawlak粗糙集理论的推广一直是粗糙集理论研究的主流方向.本文对粗糙集模型的拓展及相关知识约简主要作了如下研究工作：　　 首先，在不完备信息系统与模糊集的基础上，讨论了基于限制量化容差关系的不完备模糊信息系统，将VPRS模型引入不完备模糊信息系统，并讨论它的性质与精度约简，是不完备信息系统的粗糙集理论的扩充,更具一般性。　　 其次，通过在广义双向s-粗集中引入变精度参数，提出了变精度广义双向s-粗集模型，同时提出了变精度广义双向s-粗集，定义了广义双向s-粗集中的多数包含关系，借助引入误差参数α(0<α≤0.5)，给出了变精度广义s-粗集模型及其有关性质定理.通过实例分析并验证了动态系统中由于属性集合的动态迁移特性与变精度参数变化所产生的广义s-粗集的上、下近似,边界和分类近似精度的变化关系。　　 最后，在集值决策信息系统中提出了一种新的基于变精度参数分类的二元关系，即变精度相容关系，可以通过改变精度参数值来使分类更合理。同时，讨论了基于这种二元关系下的集值信息系统的知识约简、分配约简及其属性特征，并给出了可辨识矩阵和基于矩阵的属性约简算法。