《粗糙集理论.算法与应用》主要介绍粗糙集理论、算法与应用。粗糙集理论是关于不精确、不相容、不完备数据处理的数学理论，是经典集合论的重要发展，为真实世界数据的知识表示、学习、归纳和挖掘等方面的研究提供了一种有效的处理技术和方法。由于它无需提供所处理数据之外的任何先验信息，因此在智能信息处理研究中发挥着越来越重要的作用。<br />《粗糙集理论.算法与应用》共分三部分。其中，理论部分简要介绍了经典集合论与模糊集合论的一些相关背景知识、粗糙集理论的一般方法，讨论了粗糙集的代数结构与数学分析性质，初步分析了粗糙集与模糊集的融合；算法部分介绍了现有的知识约简算法，对各种算法的复杂性、完备性作了比较分析；应用部分主要讨论了粗糙集在机器学习（Monk问题求解）和自然语言处理中的应用研究，如基于粗糙集的词性标注、信息检索、文字识别和文本分类等。