粗糙集理论和直觉模糊集理论都是用来处理不确定问题的两种有效方法.本文结合两种理论,在等价关系和覆盖的基础上,分别研究了粗糙直觉模糊集和粗糙区间直觉模糊集的不确定度量,进一步丰富粗糙直觉模糊集理论,其主要工作如下:(1)在等价关系的基础上,将边界的概念引入到粗糙直觉模糊集和粗糙区间直觉模糊集中,解决了两个集合的交(并)的上(下)近似不等于两个集合的上(下)近似的交(并)的问题.接着,将粗糙度和知识的粗糙熵概念引入到这两个模型中,讨论了它们的不确定度量.证明粗糙直觉模糊集和区间直觉模糊集的粗糙度(粗糙熵)会随着知识的不确定增加而减少.(2)讨论了两类覆盖粗糙直觉模糊集的不确定度量.对于第一类的覆盖粗糙直觉模糊集(上下近似是通过最小描述的交集进行刻画),主要是对该模型中粗糙度的定义进行分析,对文献[16]中所存在的疏漏进行了改进;考虑到第三类覆盖粗糙直觉模糊集(上下近似是通过置信度进行刻画)不用依赖人工设定的参数,比第一类适用范围更广,将粗糙集中的不确定度量粗糙度和知识的粗糙熵概念引入到这两类模型,讨论直觉模糊集的不确定度量和相关性质.接着,再将粗糙度和知识的粗糙熵概念引入到覆盖粗糙区间直觉模糊集中,讨论它的不确定性度量,并用例子说明该度量的有效性.