在數學中，模糊度量理論考慮了廣義的度量，其中加性屬性被較弱的單調性屬性所取代。模糊度量理論的核心概念是模糊度量（也是容量）。存在許多不同類別的模糊度量，包括可信度/信念度量；可能性/必然性度量；以及作為經典度量的一個子集的概率度量。

設{displaystylemathbf{X}}是一個話語宇宙。是一個話語的宇宙。{displaystyleemptysetin{mathcal{C}}Rightarrowg(emptyset)=0}。E?F?g(E)≤g(F){displaystyleEsubseteqFRightarrowg(E)leqg(F)}稱為模糊度量。一個模糊度量被稱為規范化或規則化，如果{displaystyleEin{mathcal{C}}，就有可能是布爾的。｝了解模糊度量的屬性在應用中是很有用的。當模糊度量被用來定義一個函數，如Sugeno積分或Choquet積分時，這些屬性對理解函數的行為至關重要。例如，相對于加性模糊度量的Choquet積分可簡化為Lebesgue積分。在離散情況下，對稱模糊度量將導致有序加權平均（OWA）算子。亞模態模糊度量的結果是凸函數，而超模態模糊度量的結果是凹函數，當用于定義Choquet積分時。

讓g是一個模糊度量，g的莫比烏斯表示法是由集合函數M給出的，其中對于每個莫比烏斯表示可以用來指示X的哪些子集相互影響。例如，一個加法模糊度量的莫比烏斯值除了單子外都等于零。標準表示中的模糊度量g可以用Zeta變換從莫比烏斯形式中恢復出來。

模糊度量是在集合的語義或單調類上定義的，其顆粒度可以達到X的冪集，甚至在離散情況下，變量的數量可以達到2|X|大。由于這個原因，在多標準決策分析和其他學科的背景下，人們引入了對模糊度量的簡化假設，以便在確定和使用時減少計算成本。