在经典集合理论中,对象与集合的关系是确定的,即非此即彼.而现实生活中存在大量的含混概念是亦此亦彼的,因而很难用经典的数学方法进行描述.因此,长期以来许多数学家和哲学家就致力于研究含混概念.Zadeh于1965年开创性地用隶属度来描述对象和集合之间的隶属程度,从而提出了模糊集理论.但模糊集理论中隶属函数的确定依赖于先验知识,因而在有些没有先验知识的情况下,该方法显得无能为力. 针对该问题,Pawlak于1982年提出用两个经典集合来描述含混概念,即上近似和下近似,这就是粗糙集理论的最初思想.该理论一经提出,就得到了很多研究者的关注和研究,由于粗糙集理论在处理不确定信息上的优越性,并且不需要领域先验知识,它已经被应用到各个领域,特别是在机器学习,数据挖掘和模式识别等领域。