粒计算采用模拟人类大脑的认知思维规律，从而提高解决复杂问题的效率，已经在智能信息处理领域发挥了重要的作用。本书重点从多粒度的视角研究不确定性问题。从多粒度建模和决策两个角度出发，研究多粒度知识空间的结构特征，并在多粒度知识空间的框架下研究不确定性问题的近似描述、粒度优化模型、动态更新模型、决策粒层选择模型及其多粒度联合决策模型等问题。
本书可供从事粒计算、粗糙集、三支决策方向的科研人员参考使用，也可以作为计算机相关专业研究生的参考书。

前言
第1章 概述
1.1 粒计算理论
1.2 不确定性问题
1.3 三支决策理论
参考文献
第2章 多粒度知识空间的结构特征
2.1 引言
2.2 相关定义
2.3 基于EMD的知识距离
2.4 层次商空间的结构特征
2.5 分类同构和细分同构
2.6 层次商空间结构的差异性度量
参考文献
第3章 多粒度知识空间中不确定性概念的近似描述
3.1 引言
3.2 模糊知识距离
3.3 多粒度知识空间中的模糊知识距离
3.4 模糊知识距离的三个应用
3.5 实验分析
参考文献
第4章 多粒度知识空间中的粒度优化模型
4.1 引言
4.2 基于混合代价的粗糙数据建模
4.3 代价敏感环境下的多粒度信息粒度约简
4.4 粒度约简评价指标
4.5 案例分析和实验对比
参考文献
第5章 多粒度知识空间的动态更新模型
5.1 引言
5.2 多粒化模糊粗糙集
5.3 多粒化模糊粗糙近似集的动态更新
5.4 粒结构选择的动态更新
5.5 实验分析
参考文献
第6章 多粒度知识空间中决策粒层的选择模型
6.1 引言
6.2 不确定性概念的序贯三支决策模型
6.3 不确定性概念的多粒度决策代价分析
6.4 最优决策粒层选择方法
6.5 实验分析
参考文献
第7章 多粒度联合决策模型
7.1 引言
7.2 相关基本概念
7.3 基于序贯三支策略的决策方法
7.4 公共数据集中的实验分析
7.5 S3WC-JS在兵棋推演场景态势决策实例中的应用
参考文献
第8章 总结与展望
8.1 本书工作总结
8.2 研究展望