粗糙集理论和模糊集理论都是研究信息系统中知识的不完善、不准确问题，但粗糙集理论解决问题的出发点是信息系统中知识的不可分辨性，而模糊集理论着眼于集合的模糊性，其解决问题的出发点是信息系统中知识的模糊性，将二者结合形成了粗糙模糊集(RF集)，模糊粗糙集(FR集)。本文在Pawlak Z, Barterjee M, Pat S K, Nanda S，曾黄麟等的研究基础上，对RF集的构造性质，模糊度、贴近度，隶属函数及代数性质等进行了探讨(限于篇幅，本文只列出RF集的研究结果，关于FR集的内容，可参见作者相关论文)。 本文在第一章研究了RF集的构造性质，给出了三个基本定理：分解定理、表现定理、扩张定理，并从格的角度研究了高型RF集。 第二章首先定义了RF集的模糊度，贴近度，并基于贴近度的定义，提出了一种新的属性约简的方法。这使得理论成果得以实现其应用价值。其次，本章研究了RF集的隶属函数，并利用隶属函数，给出一种新的信息分类方法，进而研究了τ-粗糙-模糊包含，提出一种评价属性的新方法，为进一步研究RF集在实际中的应用提供了一条新思路。 第三章研究了RF数，讨论其运算性质，并将RF数与回归分析相结合，得到RF回归，可用于预测。 本文在最后提出两个公开性问题。