原始的粗糙集模型是由Pawlak开发的,主要涉及由宇宙上单个二元关系描述的集合的逼近。 在视图中在粒度计算方面,经典的粗糙集理论是通过一次粒化建立的。 本文将Pawlak的粗糙集模型扩展为多粒度粗糙集模型(MGRS),其中集合近似值是通过在宇宙。 获得了MGRS的许多重要特性。 结果表明Pawlak的粗糙集理论的某些特性是MGRS的特例。 而且,一些重要的度量,例如精度度量a,近似质量给出了c和近似值p的精度,它们根据a重新解释基于集合,Marczewski–Steinhaus度量和包含度的经典度量措施。 引入了近似归约的概念来描述最小属性保留所有决策的较低近似值和较高近似值的子集MGRS中的