La distancia relativa del conocimiento se utiliza para medir la diferencia entre espacios granulares, lo cual es una medida de incertidumbre con una fuerte capacidad de distinción en un conjunto aproximado. Sin embargo, la distancia de conocimiento actual no tuvo en cuenta la diferencia relativa entre espacios granulares bajo la perspectiva dada de conceptos inciertos. Para resolver este problema, este artículo estudia la distancia de conocimiento relativa de un concepto difuso intuicionista (IFC). En primer lugar, se propone una distancia de micro-conocimiento (md) basada en la entropía de la información para medir la diferencia entre los gránulos de información difusa intuicionista. Luego, basándose en md, se construye una distancia de macro-conocimiento (MD) con una fuerte capacidad de distinción, y se revela la regla de que MD es monótona con la granularidad siendo más fina en espacios de multigranularidad. Además, se propone la MD relativa para analizar las diferencias relativas entre diferentes espacios granulares desde múltiples perspectivas. Finalmente, la eficacia de la MD relativa se verifica mediante experimentos relevantes. Según estos experimentos, la MD relativa ha medido con éxito las diferencias en el espacio granular desde múltiples perspectivas. En comparación con otros algoritmos de reducción de atributos, el número de subconjuntos después de la reducción por nuestro algoritmo está en el medio, y el valor del error cuadrático medio es apropiado.