為了在多粒度粗糙集模型中對(duì)目標(biāo)概念達(dá)到更好的近似逼近效果，首先將直覺(jué)模糊粗糙集與多粒度粗糙集結(jié)合，提出直覺(jué)模糊多粒度粗糙集模型。由于該模型的目標(biāo)近似存在過(guò)于寬松的缺陷，因此通過(guò)引入參數(shù)的方式對(duì)所提模型進(jìn)行改進(jìn)，提出一種可變直覺(jué)模糊多粒度粗糙集模型，并證明了該模型的有效性，同時(shí)基于該模型提出了相應(yīng)的近似分布約簡(jiǎn)算法。在仿真實(shí)驗(yàn)結(jié)果中，所提出的下近似分布約簡(jiǎn)結(jié)果比已提出的模糊多粒度決策理論粗糙集約簡(jiǎn)和多粒度雙量化決策理論粗糙集多了2~4個(gè)屬性，所提出的上近似分布約簡(jiǎn)算法比這些算法少了1~5個(gè)屬性，同時(shí)約簡(jiǎn)結(jié)果的近似精度擁有了更為合理且優(yōu)越的表現(xiàn)。因此，理論和實(shí)驗(yàn)結(jié)果均驗(yàn)證了所提的可變直覺(jué)模糊多粒度粗糙集模型在近似逼近和數(shù)據(jù)降維方面均具有更高的優(yōu)越性。