科学技术的不断发展和计算机系统的广泛应用使得大量数据信息不断涌入。为了让计算机像人脑一样识别复杂的事物,有必要研究和处理数据的模糊性。如何高效的分析模糊数据从而发现其潜在的、有价值的信息是目前我们正在积极探索的一个问题。本文定义了一种新的概率粗糙集模型:多粒度软概率粗糙集模型,该模型增强了模糊数据的处理能力。我们在软粗糙模糊集的基础上提出了多粒度软粗糙模糊集,这是一种新的处理不确定信息和描述模糊概念的方法。多粒度软粗糙模糊集与传统多属性决策方法相比的优点在于,结合模糊集的多属性决策方法能更好地处理人类思维的不确定性、复杂性和模糊性,并且多粒度的融入保留了原始信息空间的完整性,使得信息空间的粒度结构不受到破坏。所以,开展多粒度软粗糙模糊集的研究具有重要的理论意义和实际应用价值。首先,本文主要介绍了粒计算和模糊集理论的国内外研究现状,并开展了相关理论的研究,为全文奠定了理论基础。其次,本文对概率粗糙集模型进行了拓展,定义了多粒度软概率粗糙集模型,提出了多粒度软概率粗糙集的相关定义和结论,并给出了其中部分结论的证明过程。然后,本文基于软粗糙模糊集提出了多粒度软粗糙模糊集模型,给出了相关的定义、性质与结论。最后,本文基于提出的多粒度软粗糙模糊集模型构建了多粒度软模糊决策系统,进一步研究了其相对属性约简和决策算法。并应用于软件复用过程中构件适配方案的选择问题中,通过实例证明了算法在实际应用中的有效性。