本书首先介绍了粗糙集的基本概念，基本理论、并在此基础上拓展了经典的粗糙集理论，包括变精度粗糙集、基于覆盖的粗糙集、基于集对联系度粗糙集、Boole环上的粗糙近似算子；其次，本书研究了粗集代数与Stone、Nelson、蕴含格、FI等代数之间的关系，再次，论述属性约简的差别矩阵算法、决策表的值约简算法、基于相似关系的决策系统的知识获取算法、基于程度粗糙集的知识约简算法、随机决策系统中基于不可辨识矩阵的知识获取、决策树等数据挖掘中的软计算算法。最后，本书针对各种不同的复杂系统和和不确定环境，给出了粗糙集在不确定环境下的决策实例。
