粗糙集理论是由波兰数学家Pawlak在1982年提出的一种分析数据的强有力的数学理论,该理论被作为一种处理不精确、不确定和不完全数据的数学工具.粗糙集理论的核心思想是利用已有的不完全知识或信息去近似的刻画或描述不精确、不确定的概念.如今,粗糙集理论已经成为人工智能领域的一个崭新的学术热点,该理论已在机器学习,模式识别,决策控制,数据库知识发现等众多领域得到成功的应用.区间集值信息系统是集值信息系统的一种推广模型.本文对区间集值信息系统模型进行了系统深入的研究.首先,给出了区间集值信息系统的定义和性质.其次,相应于变精度粗糙集模型下的知识约简给出了区间集值信息系统的知识约简的概念.知识约简是保持每个决策类的分类能力不变的最小属性集,并在此基础上得到了区间集值信息系统知识约简的判定定理和可辨识属性矩阵,从而给出了区间集值目标信息系统知识约简的方法.证据理论是信息融合技术中一种有效的不确定推理方法.本文借助证据理论这一处理不确定性问题的有力工具,把证据理论应用于区间集值信息系统中,并给出了相应的知识约简方法.最后,给予例子验证此方法的可行性和可操作性,在理论及应用上都是有意义和价值的.