随着人类社会的进步和科学技术的迅猛发展,生产生活中的数据每时每刻都在激增,如何处理不确定性数据并从中智能高效地挖掘有价值的知识,是现阶段知识发现面临的一个关键问题。粗糙集理论使用两个精确的集合近似刻画不确定性概念,为不确定信息处理提供了一种多粒度的视角。在此基础上,vague集理论同时考虑正反两个方面的数据信息,在粗糙近似空间下中得到了很好的应用,因此粗糙集理论和vague集理论均在多粒度空间下不确定性概念的近似描述与度量研究中发挥着关键作用。为了更好地描述不确定性问题,本文研究了在多粒度知识空间中不确定性概念的近似描述并讨论了其近似概念的不确定性呈现的变化规律,主要从以下两个方面开展:针对不确定性概念的近似描述问题,本文首先分析了粗糙集的现有近似集模型,并从不确定性概念之间的相似度的角度提出了粗糙集最优近似集的概念;接着研究具有vague特性的不确定性概念的近似描述,对vague集的现有近似集进行了不确定性分析,利用局部最优逼近全局最优的思想提出了优化的阶梯vague集,并将其应用到三支决策中,为基于不确定性概念的智能决策提供了良好的理论基础。针对多粒度空间下不确定性概念在粒度变化过程中的度量和分析问题,本文从多粒度空间下粒层之间的不确定性分析切入,首先研究了vague值的不确定性与其内部参数之间的关系,然后研究了vague集近似概念的不确定性随粒度变化所呈现的规律,接着从三支决策的角度分析了近似概念的不确定性,并根据实际需求,讨论了悲观决策时下近似概念不确定性随粒度变化呈现的规律和序贯决策背景下不确定性概念边界域的不确定性随粒度变化呈现的规律,为多种场景中多粒度空间下动态智能决策提供理论基础。综上,本文从不确定性的角度研究了粗糙集和vague集对不确定性概念的近似描述,然后分析了不同决策场景中近似概念的不确定性随粒度变化的规律,为多粒度空间下选择合适粒度进行智能决策提供理论基础。