粗糙集是一种从知识系统获取决策规则的典型方法,被广泛用于故障诊断、知识获取、近似推理和模糊聚类等应用领域。作为Pawlak粗糙集的拓展,概率粗糙集具有更好的容错性和实用性。然而概率粗糙集在不确定性研究中还没有成熟的理论,本文在概率粗糙集最新的研究成果基础上,讨论了概率粗糙集的阈值求解方法和概率粗糙集的不确定性。主要在以下两个方面进行研究。(1)首先本文对于三支决策模型,提出了基于改进的人工鱼群算法求三支决策阈值,该算法是一种随机优化算法,不需要任何先验知识,可以学习到的阈值能够得到更小的决策风险代价,然后本文在多个不同的数据集上进行了实验分析。与现有的求三支决策阈值方法进行了比较,本文提出的方法在运行时间和决策风险代价上具有更好的效果,从而完善了概率粗糙集的阈值方法研究。(2)基于Pawlak粗糙集的不确定性研究,本文提出了概率粗糙集的不确定性度量方法,并且讨论了多粒度知识空间下概率粗糙集的不确定性变化规律,概率粗糙集的不确定性研究比Pawlak粗糙集的不确定性的研究更加完善。然后分别讨论了概率粗糙集在正域、负域和边界域三个域上的不确定性,并且证明了提出的结论。在Pawlak粗糙集中,目标概念在边界域上的不确定性会随着等价类的细化而单调递减。然而在概率粗糙集中,目标概念的不确定性更加复杂,我们对此进行了详细的分析并且证明了提出的相关结论。