信息技术的飞速发展使得具有不确定性的数据爆炸式的增长,越来越严峻地考验着人们的数据收集和分析能力。面对大数据所带来的信息系统的不确定性,不确定性度量的有效构建便成为研究数据挖掘和知识获取的重要课题。模糊集理论、粗糙集理论和信息熵理论作为处理不确定性信息的有力数学工具,提出了很多切实有效的约简算法。本文以模糊集的一个分支——直觉模糊集为基础,研究其等价类的层次构建和属性约简问题,以及其相似度量在直觉模糊决策和直觉模糊多粒度决策上的模型构建问题。主要工作如下:（1）直觉模糊信息系统中二元直觉模糊相容关系下的（α,β）-水平截集Rαβ和二元直觉决策目标概念下的（α,β）-水平截集Xαβ具有很好的划分性质,本文利用粒计算和贝叶斯定理,构造了直觉模糊信息系统下决策表的三层粒度和三向信息度量。对于决策表,根据形式结构和系统粒度的不同,将其按微观底层、中观中层和宏观高层来进行层次结构划分,而后通过贝叶斯定理得到不同的信息度量。本文通过分析在传统意义下层次粒结构不具有单调性的原因,对微观底层的条件概率进行改进,然后以集成的方式一步步实现微观底层到中观中层再到宏观高层的演化,并使得改进后的三层粒结构具有粒化单调性和演化系统性。最后,通过算法和示例有效地说明了结构和结果信息,并进一步的实现信息的属性约简。（2）鉴于现有直觉模糊相似性度量在某些语义下存在一些“违反直觉”的情况,本文在综合考虑隶属度、非隶属度和犹豫度的条件下构建了一个新的相似度量,并对其进行了可行性证明和优劣性分析。以新构建的相似性度量为基础,进一步的在直觉模糊信息系统中定义了直觉模糊相似类,构造了直觉模糊决策模型。而后在多源直觉模糊信息系统中构造了多粒度直觉模糊决策模型,讨论了其相关性质,并以实例的形式给出了合理的结果。