粗糙集理论是20世纪80年代初由波兰数学家Pawlak Z.首先提出的一种新型的处理模糊和不确定知识的数学工具,其基本思想是在保持分类能力不变的前提下,通过知识约简,导出概念的分类规则。目前,己在数据挖掘、机器学习、模式识别、人工智能、故障检测、决策分析等方面得到了广泛的应用。本文主要对于基于粗糙集理论产生多知识库方法及其决策融合的问题进行了研究。论文阐述了粗糙集产生多知识库的原理,给出了多知识库的形式化定义。同时描述了知识库中决策规则的多种度量,分析了它们体现的性质,并把这些度量指标引入到规则集中,研究了规则集合的决策度量,从整体上体现了一个规则集合的性能,为多知识库决策奠定了基础。论文基于模型集成的基本理论,提出了把一个规则知识库作为一个决策模型,分析了模型网的构造与模型集成方法,通过模型集成实现决策融合,从而在模型一级实现了综合的决策过程。研究中对模型网的概念作了形式化定义,分析设计了模型网的构造方法。并给出了对模型网进行化简的算法,在此基础上研究了基于模型网的模型集成方法。由于在模型网构造的过程中,数据类型转换都是单一类型的,这将会导致生成的模型网具有回路,从而会使模型网的化简和模型集成方法失效。为此,研究了消除模型网中回路的措施和方法。图19副,表14个,参考文献60篇。