粗糙集理论是一种能够有效分析和处理不精确、不确定和不协调信息的数学工具。在Pawlak经典粗糙集的研究中，大多数是针对完备信息系统中的问题。然而，实际问题通常都是不完备的信息系统。因此，如何把粗糙集理论应用在不完备信息系统中是一个重要课题。目前，该课题取得了一定进展，但是现有的研究工作都是建立在单个不可分辨的二元关系的基础上的，为此，我国学者钱宇华教授从粒计算的角度出发，分析了经典粗糙集用单个不可分辨的二元关系的知识粒度近似表示未知概念的不足，提出了由多个二元关系导出知识粒度的概念,给出了多粒度粗糙集模型。在此基础上，本文将多粒度粗糙集模型扩展到容差关系、相似关系和限制容差关系中并将基于限制容差关系的可变精度多粒度粗集模型应用在高等教育评估中，取得了如下研究成果：(1)针对现有的可变精度粗糙集模型在不完备信息系统中对某两个小概率等同的对象分辨能力的不足，本文提出了一种改进的具有对称性的可变精度粗糙集模型，并通过实例与现有的模型进行了对比，取得了更加精确和合理的结果。(2)将多粒度粗糙集模型扩展到容差关系、相似关系和限制容差关系中，构建了各自的乐观和悲观多粒度粗糙集模型；分析了这些多粒度粗糙集模型之间的性质，讨论了它们之间的关系。结果表明，无论采用乐观多粒度粗糙集模型还是悲观多粒度粗糙集模型的方法，采用限制容差关系得到的下近似和上近似的大小处于容差关系和相似关系之间，这与经典的粗糙集模型是一致的。(3)在不完备信息系统下，多粒度粗糙集模型可以采用多个不相同的二元关系来进行目标的近似逼近，可变精度粗糙集更适合处理噪声数据，本文结合了这两个模型的特点，提出了一种基于限制容差关系的可变精度多粒度粗糙集模型，包括可变精度乐观多粒度粗糙集模型和可变精度悲观多粒度粗糙集模型，讨论了它们的性质和关系，证明了基于限制容差关系的可变精度多粒度粗糙集模型比经典的多粒度粗糙集模型拥有更高的近似精度。(4)研究了基于限制容差关系的可变精度多粒度粗糙集在不完备信息系统中的属性约简问题，给出了一种基于属性重要度的分布约简算法，分析了可变精度多粒度粗糙集决策规则的获取方法，并将此算法应用于高等教育评估中。实验验证了方法的有效性。