该论文在一些实际信息系统的应用背景下,对粗糙集数据分析中的不确定性及其相关问题作了研究.论文的主要工作如下:1、分析了粗糙决策规则集合的不确定性的特点,提出了粗糙决策规则集合的不确定包含两个方面,即不一致性和随机性观点,并以此为基础分析了已有的几种规则不确定性量度,指出其各自的特点和分别存在的局限性.2、提出了一类新的基于信息熵的粗糙决策规则集合的不确定性量度.这类不确定性量度受启于可变精度粗糙集模型,因此具有一定的对不一致性和随机性的观点,并以此为基础分析了已有的几种规则不确定性量度,指出基各自特点和分别存在的局限性,2、提出了一类新的基于信息熵人粗糙决策规则集合的不确定性量度.这类不确定性量度受启于可变精度粗糙集模型,因此具有一定的对不一致性的容忍度,可以保护仅有微弱不一致性的"几乎一致规则",从而适于在有噪声的情况下对规则的发现和评价.3、提出了一种针对数据对象具有不同重要性的情况的规则不确定性量度,使得在规则评价中可以灵活地融决策者的主观偏好、先验知识等因素.4、以上述的不确定性量度为规则评价准则,给出了一个属性选取的遗传算法,并进一步将其扩展为属性选取与属性离散化集成的粗糙决策规则挖掘算法.实验结果表明,与其它方法比较,应用该算法可以获得更加简洁的规则集合,同时不降低规则的分类决策能力.5、将粗糙集数据分析方法应用于实际的信息系统中,在面向知识发现的层面解决客房信用分析的决策支持问题.