粗糙集理论是波兰科学家Z. Pawlak于1982年提出的一种数据分析理论，目前已发展成为一种处理模糊和不确定性信息的数学理论，并且成功地应用于机器学习、模式识别、决策支持、数据挖掘、过程控制等领域。Pawlak粗糙集理论是以等价关系为基础建立的。为了推广粗糙集理论的应用范围，研究者提出了多种广义的粗糙集模型。其中，Z.Bonikowski利用论域上的覆盖建立了覆盖粗糙集模型。许多学者对Z.Bonikowski定义的算子做了适当的修改，得到了新的覆盖近似算子。本文讨论了这些算子的性质及其相互关系，并进而讨论了这些近似算子和Z.Bonikowski模型中近似算子之间的相互关系。粗糙集理论中有两个基本包含关系式，即C(X∪Y) C(X)∪ C(Y)和C(X∩Y) C(X)∩C(Y)，这意味着在进行粗糙集的并、交运算时信息有可能丢失。张化光<[28,29]>通过两种算子，解决了Pawlak粗糙集模型信息丢失问题。 本文将探讨覆盖粗糙集的信息丢失问题，通过在覆盖粗糙集模型中定义两种新型的算子，解决了覆盖粗糙集模型信息丢失问题，并基于这两种新型算子证明了覆盖粗糙集具有良好的代数性质，进而建立了一种基于布尔代数的覆盖粗糙集模型。