该文介绍了经典(Pawlak型)粗糙集的基本理论及其推广模型.经典粗糙集是建立在等价关系基础之上的，用一对上下近似集合来表示一个不精确的概念.由于等价关系条件较强,有一定的局限性.相容粗糙集模型用相容关系代替等价关系,变精度型粗糙集模型允许一定的分类误差,它们是经典粗糙集的两种扩展模型.其次,研究了粗糙集理论的属性约简问题,已经证明求所有约简和最小约简是NP-Hard问题,而寻求属性约简的启发式算法是解决问题的一种有效途径.该文证明了在属性约简过程中决策属性相对于条件属性集的条件信息量的变化规律是单调递减的,并提出了一种基于信息量的启发式属性约简算法,通过实例分析,表明该算法是有效的;另外将属性约简算法,通过实例分析,表明该算法是有效的;另外属性约简应用于中国缓倾斜薄煤,建立了缓倾缓倾斜薄煤层采煤方式选择模型,得到了采煤方式选择的决策规则.最后,该文将粗糙集理论与神经网络等软计算方法结合,建立了粗神经网络模型,并研究了粗糙集神经网络系统在一类保险决策中的应用.