在现实世界中存在着大量不精确的知识，所以如何从不精确知识中提取出人们需要的信息，已经成为目前的一个重要的课题．模糊集理论和粗糙集理论都是研究信息系统中知识的不精确性问题。都可以从复杂系统的大量数据中提取有用特征，挖掘数据中隐含规律。由于两者的研究方法和研究基础不同，导致各自互相不能替代的特点。由于模糊性和粗糙性是不精确知识的两个不同侧面．因此两者在处理不精确数据方面可以互为补充。所以把两者有机结合起来的粗模糊集理论丰富了对信息系统中不精确知识的描述和处理。 经典的Pawlak粗糙集是一个静态的粗糙集，S—粗集拓展了Pawlak粗糙集，提供了利用粗糙集处理动态问题的理论基础．粗模糊集也是一个具有静态特征的粗模糊集，在S—粗集理论基础上建立的S—粗模糊集理论，对动态系统中不精确知识的处理提供了理论依据。这些研究成果是本文第3章研究的理论基础。 粗糙集理论是基于知识的不可分辨性，在粗糙集理论中，同一等价类中的不同元素是不可分辨的，但是当粗糙集模型中涉及的是模糊知识，而且当同一等价类中不同元素有着不同的隶属度时，那么利用等价类研究出来的元素的规律，必然会存在着误差．这是本文第3章研究的现实基础。 在粗糙集理论中，元素论域对应着属性论域，元素等价类对应着属性等价类，变异S—粗集和S—粗集存在着对偶性原理，这个理论在数据挖掘研究中，对在巨型数据库中寻找需要的数据提供了理论依据。所以第4章在这些研究基础上，对S—粗模糊集的变异模型做了研究。 本文主要进行了以下工作： 1．研究了S—粗模糊集中，元素隶属度的变化规律；并在此基础上，通过定义差异隶属函数，描述模糊集中同一等价类中不同元素之间隶属度的差别，以及S—粗模糊集中，同一等价类中不同元素的隶属度的差别的变化规律；定义粗模糊集的格贴近度，并研究了S—粗模糊集的格贴近度的变化规律；研究了S—粗模糊集中等价类的各个阶f—遗传，f—遗传的不同元素的隶属度的差别的变化规律；在前面工作的基础上，通过研究S—粗模糊集的各个阶的F—遗传，F—遗传中同一等价类中不同元素的隶属度的差别的变化规律，定义了给定差异的最优阶F—遗传，F—遗传，在此理论基础上，可以对遗传阶进行有目的的控制，并研究了各个阶的F—遗传，F—遗传和原有S—粗模糊集的格贴近度的变化规律。 2．在单向变异s—粗模糊集的研究基础上，定义了单向变异S—粗模糊集对偶，双向变异S—粗模糊集，并研究了三者以及变异粗模糊集之间的关系；定义了双向变异S—粗模糊集之间的相等、包含关系和并交运算，并研究了它的性质。