粗糙集理论是一种处理不确定性知识的数学工具,它建立在分类机制基础上,利用已知的知识库近似刻画不精确或不确定的研究对象,目前已成功应用到社会生活中的很多方面。随着粗糙集的广泛应用,其扩展模型的研究已成为粗糙集理论研究的热点之一。本文主要从知识颗粒的角度出发,研究覆盖粗糙集的扩展模型以及模糊覆盖粗糙集的扩展模型。论文主要分为以下几个部分:第一章简要介绍粗糙集理论的研究背景和研究现状,并给出本文的构架与创新点。第二章介绍粗糙集、模糊集、粗糙模糊集、模糊粗糙集、覆盖以及模糊覆盖等相关基础知识。第三章在经典覆盖近似空间中讨论核的概念与性质。首先,通过考虑对象相对于覆盖的隶属重复度和同块重复度,提出核的概念,讨论核的存在性与唯一性,并研究核、基本集和邻域三者之间的关系,进一步刻画覆盖近似空间的结构。其次,利用核和约简,提出协调覆盖的概念,研究核与协调覆盖之间的联系,并揭示约简、核与协调覆盖之间的关联。最后,给出覆盖产生的邻域族等于覆盖本身的充要条件。第四章在覆盖近似空间中讨论基于邻域系统的覆盖粗糙集模型。首先,定义邻域系统的概念,并研究其性质。其次,利用邻域系统,定义两种基于邻域系统的覆盖粗糙集模型,并揭示这两种模型之间的关系以及它们与基于邻域的覆盖粗糙集之间的关系。最后,比较这些模型的性质。第五章借鉴Pawlak粗糙集模型通过比较被近似的经典集与近似空间中所有可定义集来定义上下近似的方法,在模糊覆盖近似空间中,通过比较论域中的对象关于被近似的模糊集的隶属度与该对象关于模糊覆盖中模糊集的隶属度,定义一类基于隶属度的模糊覆盖粗糙集模型,并讨论该模型在完备模糊覆盖近似空间中的性质。进一步,揭示该模型与Pawlak粗糙集之间的关系以及该模型与模糊粗糙集之间的关系。第六章在模糊覆盖近似空间中,通过比较被近似的模糊集的隶属函数与模糊覆盖中的模糊集的隶属函数,定义一类基于隶属函数的模糊覆盖粗糙集模型,并讨论该模型在模糊覆盖近似空间中的性质。进一步,揭示该模型与基于隶属度的模糊覆盖粗糙集之间的关系以及该模型与Pawlak粗糙集之间的关系。第七章将模糊覆盖近似空间中基于隶属函数的模糊覆盖粗糙集模型推广到模糊β-覆盖近似空间,定义模糊β-覆盖粗糙集模型,并讨论该模型的性质。第八章对本文进行总结,并结合本文研究中的体会和当前该领域的研究趋势,对未来的工作做出展望。