Pawlak的粗糙隶属度函数不仅给出了Pawlak的粗糙集近似值的数值特征，而且建立了Pawlak的粗糙集与模糊集或概率粗糙集之间的关系。 但是，值得注意的是，Pawlak的粗略隶属函数在处理现实世界中普遍存在的不完整数据时有局限性。 如本文将显示的，克服这一问题的一种方法是构造基于覆盖的粗糙集的粗糙隶属度函数。 在本文中，我们首先在循证医学中使用一个示例来说明在数据完整的情况下如何使用Pawlak的粗糙隶属度函数对决策进行数字表征。 然后，我们为四种类型的基于覆盖的粗糙集构造了基于覆盖的粗糙成