与定性减少相比，定量属性减少显示出适用性，但是复杂性。根据两类决策理论粗糙集模型，本文主要从区域角度研究定量约简及其层次结构（包括定性约简）。 （1）提出了一种改进的分类区域类型，并研究了其保存还原度（CRP-Reduct）。 （2）分析了设置区域的还原目标和保存特性，并研究了设置区域的保存还原（SRP-Reduction）。 （3）验证了设定区域的可分离性和规则的一致性，并建立了定量和定性的双重保留还原（DP-Reduction）。 （4）通过两个定性还原来探索CRP还原，SRP还原和DP还原

概率粗糙集（PRS）和分级粗糙集（GRS）是两个量化模型，分别测量等效类和基本概念之间的相对和绝对定量信息。 作为一种特殊的PRS模型，决策理论粗糙集（DTRS）主要利用条件概率来表达相对定量。 但是，它忽略了等价类和基本集之间重叠的绝对定量信息，并且不能反映信息的独特程度，并且在现实生活中极大地限制了它们的应用。 为了克服这些缺陷，本文提出了一种基于贝叶斯决策程序和GRS的双定量决策理论粗糙集（Dq-DTRS）框架。 构造了两种Dq-DTRS模型，它们实质上指示了相对定量和绝对定量。 在进一步