粗糙集(RS)理论是一种刻画不完整性和不确定性的数学工具,能有效地分析和处理不精确、不一致和不完整等各种不完备信息,并从中发现隐含的知识,揭示潜在的规律。1982 年，以波兰数学家Pawlak为代表的研究者在研究不精确、不确定性及不完全知识表示和分类的基础上，首次提出了粗糙集理论。1991年Pawlak教授出版的第一本关于粗糙集的专著【2】和1992 年Slowin2skiR主编论文集【3】的出版，推动了国际上对粗糙集理论与应用的深入研究。1992年在波兰Kiekrz召开了第一届国际粗糙集合研讨会，这次会议着重讨论了集合近似定义的基本思想及其应用和粗糙集合环境下的机器学习基础研究，从此每年都会召开一次以粗糙集理论为主题的国际研讨会从而推动了粗糙集理论的拓展和应用。另外，国际上还成立了粗糙集学术研究会，参加的成员来自波兰、美国、加拿大、日本、挪威、俄罗斯、乌克兰和印度等国家。目前粗糙集理论已成为人工智能领域中一个较新的学术热点，引起了越来越多科研人员的关注。63656

粗糙集理论的特点是不需要预先给定某些特征或属性的数量描述，如系统中的概率分布、模糊数学中的隶属函数等，而是直接从给定问题的描述集合出发，通过知识分类确定问题的近似域，从而找出问题的内在规律。因此，能够在缺少数据先验知识的情况下，进行不确定性数据的分析与处理。目前，粗糙集理论已成为不确定性计算的一个重要分支，已成为人工智能和信息科学最为活跃的研究领域之一，是智能计算的研究热点，对信息处理、出具挖掘和数据库知识发现等认知领域十分重要。论文网

加拿大Regina大学Y.Y.Yao教授给出了粗糙集理论的“算子论”与“集合论”两种解释[4]。“算子论”认为粗糙集理论在经典集合算子基础上添加了上下近似算子两个一元算子，是经典集合理论的延展；“集合论”认为粗糙集理论只是改变了集合运算，没有引进新的集合算子。这两种观点分别对应于模态逻辑和多值逻辑。粗糙集理论的研究思路上，有“公理化方法”和“构造性方法”两种线路【5】。“公理化方法”以上下近似为基本概念，主要研究粗糙集理论所形成的代数系统，并利用公理来刻画上下近似算子，揭示公理集与此条件下所产生的代数系统之间的联系；“构造性方法”视上下近似非最近本概念，主要通过划分、二元关系、领域、覆盖、及偏序、格、布尔代数等更为基本的概念来描述