粒度计算是信息处理和人工智能研究领域新兴起的一种研究方向,粒度计算在处理模糊的、不精确的、不完整的和海量的信息处理中发挥着重要的作用。随着问题复杂化,问题求解系统也相应变得复杂。但是很多问题不需要局限于具体对象的细节,于是用粒度计算的观点来分析问题显得尤为重要。粗糙集和模糊集是处理不确定性的数学理论。在信息论中,熵用来度量信息传递过程中信息的不确定性。本文主要研究基于Shannon熵、条件信息熵、互信息、粗集粗糙熵、模糊集的关联熵系数、粗糙模糊集的关联熵系数来完成知识系统中粒度划分的问题。本文主要做了如下工作：(1)给出了条件粗糙熵的新定义,并讨论、证明了几个重要的性质,从而说明定义的合理性。(2)给出了基于条件粗糙熵的知识约简算法(KRA-CRRK算法)。(3)给出了基于互信息得到决策规则的推理学习算法(ILA-MI算法)。(4)将模糊集和粗糙模糊集的关联熵系数分别用在了粒度计算上,并把两种应用做了比较。