粗糙集理论是一种处理模糊和不确定性知识的数学工具.它的主要方法是,在保持分类能力不变的前提下,通过知识约简导出分类规则.目前粗糙集有多种推广形式,例如连续型粗糙集,不完备粗糙集,模糊粗糙集,邻域粗糙集,决策粗糙集等.其中连续型,不完备型和模糊型粗糙集的关系都是相似关系,一个很自然的想法是能否将它们统一起来研究.关于这方面,到目前为止尚未发现有相关的研究论文.本文的主要工作是：将满足相似关系的连续型、不完备型和模糊型粗糙集统一到相似关系粗糙集模型；从整体上研究相似关系的性质、属性约简、规则提取等问题.本文首先通过研究传统粗糙集的性质,将它们推广到相似关系中,得到相似关系的一般性质；然后选择合适的相似函数与规范函数,将各种相似关系规范化,从而实现不同形式的相似关系在形式上的统一,进而得到统一的约简方法；最后,提出了一种基于相似度的新分类方法.每一种约简方法和新分类方法都用实例验证了可行性.将具有相似关系的各种粗糙集统一为一个整体,可以减少在相同的性质、属性约简、规则提取等方面的重复研究工作,也可以将某一方向的研究成果借鉴到同是相似关系的其它方向.