粗糙集理论是一种新型的处理模糊和不确定知识的数学工具.基于粗糙集的知识理论由于不需要预先给定某些特征或属性的数量,可从现有的数据出发给出知识的简化和相对简化、范畴的简化和相对简化方法,提供一种更符合人类认知的知识理论.目前已在人工智能、知识与数据发现、模式识别与分类、故障检测等许多领域得到了广泛应用.通过知识之间的依赖程度,提出了粗糙集数据分析的复杂度降低的算法,实现了进行数据离散化、求取相对核、上(下)近似集、等价关系、相对重要度、属性相对约简、范畴相对约简、最小决策规则等的各种算法的程序化.该文共分6章.第1章为基础知识介绍,首先介绍了集合与等价关系,Rough集理论的由来,着重阐述了Rough集的基本概念、近似分类、Rough集性质;第2章介绍数据约简、数据推理、Rough逻辑等Rough数据处理方法,在此基础上描述了用Rough集方法处理各种不精确或含糊数据分析的特点;第3章讨论了等价关系、属性核、数据约简相对正域等Rough数据分析的现有算法及算法复杂度的各种方法,作为实现数据约简的目标,突出阐述了决策算法的优化或称极小化;第4章提出了RSDA系统构成与能在机器上实现的设计算法,数据推理原理和各种数据推理方法、各种决策规则提取的方法以及决策规则产生器算法的研究;第5章论述了RSDA系统应用平台的设计,简单介绍了MATLAB的主要的函数或指令的含义,着重介绍了功能设计的过程,提及了界面设计方法和思想,给出了利用MATLAB实现该系统上述功能的程序;第6章介绍了Rough集的应用领域及发展前景,特别地,该文指出了Rough集的研究新动向、新发展,尤其是对比Rough逻辑及其在近似推理中的应用价值的介绍,给出了Rough集理论的广泛应用的6个实例,所选实例来自各个专业领域,然后对实际事例应用进行了论述,之后给出工程实例系统的程序运行结果.最后,对可变精度粗糙集模型(VPRS)、快速高效的算法、与领域知识无关的数据离散化作了讨论和展望;提出了建议的研究方向.