粗糙集理论是一种新的处理不精确、不确定性信息的理论,近年来已被广泛应用于机器学习、数据挖掘、智能数据分析等领域。本文从粗糙集理论概念入手,以粗糙集理论在信息处理中的应用为归宿点,从理论模型到算法实现和实际应用系统,其中融入了作者读研究生期间该方向所进行的实际研究工作。第一章对粗糙集理论的国内外研究现状及发展动态进行了介绍。第二章介绍了粗糙集的基本理论基础,包括知识与分类,信息表知识表达系统,粗糙集的基本概念,基于粗糙集的知识获取等,这是以后各章内容的基础。第三章在对粗糙集的粗糙性进行归纳的基础上,基于等价关系和一般二元关系,通过引入粗糙集边界熵的概念,利用粗糙集边界的知识粗糙性和粗糙集本身的粗糙度刻画粗集粗糙性,为粗糙集粗糙性提供了一种更为合理的度量方法,为粗糙集中概念的获取和刻画提供了理论依据。第四章将变精度粗糙集模型推广到一般二元关系下,讨论了在一般二元关系下的变精度粗糙规则集及规则的可信度和重要度,并给出了一般二元关系下变精度粗糙集的规则提取方法,进一步拓广了粗糙集理论的应用范围。第五章对粗糙模糊集近似算子进行了分析,并讨论了一种新的粗糙模糊集近似算子表示方法,阐述了其在信息处理中的合理性。第六章结合实际,提出了一种基于粗糙集理论的烟草品质判别方法,通过进行实验验证,说明了该判别方法的有效性,并对试验结果进行了分析说明。第七章对全文进行了总结,并提出下一步研究方向。