经典的粗糙集是通过一种等价关系来刻画目标概念的上、下近似,而用等价关系来处理数据时显得过于苛刻。为此,许多学者对经典粗糙集进行拓展研究,提出了变精度粗糙集、多粒度粗糙集和覆盖粗糙集等模型。变精度粗糙集可以处理带有噪声影响的数据,在处理该数据时,允许有一定的误差,减少了边界冗余信息。多粒度粗糙集是从多个角度,多个粒度空间下对复杂的数据信息进行处理。直觉模糊集是一种处理不确定性信息的方法,该理论在模糊集的基础上增加了非隶属度与犹豫度,可以更好的对模糊现象进行描述。为了对不确定性信息进行更好的处理,本文从覆盖理论出发,结合变精度粗糙集和直觉模糊集,提出了变精度覆盖粗糙直觉模糊集模型。运用多粒度粗糙集,将原模型进一步扩展,提出了多粒度变精度覆盖粗糙直觉模糊集模型,讨论了这些模型的相关性质,且用实例分析验证所提模型的有效性。最后将所提出的模型用于购房推荐系统上,可以帮助购房者找到性价比较优的房源。主要研究工作如下:（1）针对经典的Pawlak粗糙集模型容易受到噪音数据影响的问题,本文基于覆盖概念,对变精度粗糙集进行研究。首先,通过设定变精度中的两个约束条件（α,β）,将其引入到覆盖粗糙直觉模糊集中,提出了变精度覆盖粗糙直觉模糊集模型,又考虑到元素邻域、规则置信度及元素与最小描述之间的关系,定义了有关该模型的4种类型,证明了该模型的相关性质,分析了该模型与现有模型之间的关系以及4种模型之间的关系。其次,在所给模型的基础上定义了变精度覆盖粗糙直觉模糊集模型的近似质量和粗糙性测度。最后,通过信用卡申请的实例分析证明,该模型在实际应用中的有效性。（2）由于经典的Pawlak粗糙集模型在处理不确定信息时,仅从单个粒度空间下对论域进行划分,不能处理多粒度空间下的信息。针对此问题,提出了多粒度变精度覆盖粗糙直觉模糊集模型。首先,在最小描述和最大描述的基础上,分别构造了基于最小描述和最大描述的乐观、悲观、乐观-悲观和悲观-乐观多粒度变精度覆盖粗糙直觉模糊集模型,讨论了这8种模型的相关性质。其次,在这8种模型的基础上,分别定义了基于最小描述和最大描述的多粒度变精度覆盖粗糙直觉模糊集模型的近似精度。最后,通过给出该模型相应的算法和皮肤病患者就诊的实例分析证明模型的有效性,并对所提出的模型进行分析和比较。通过改变α,β的取值,求出各个模型的上、下近似,分析讨论了不同的α,β对模型的影响。（3）在多粒度变精度覆盖粗糙直觉模糊集模型的基础上,分析了房子的相关属性,并结合购房者的自身需求,构造了系统的框架,最后建立了基于多粒度变精度覆盖粗糙直觉模糊集模型的购房推荐系统。该系统可以处理购房者对房子相关属性的需求,从中推荐出性价比较优的房型,为购房者提供不同的选择方案。