粗糙集理论：是继概率论、模糊集、证据理论之后的又一个处理不确定性的数学工具。作为一种较新的软计算方法，粗糙集近年来越来越受到重视，其有效性已在许多科学与工程领域的成功应用中得到证实，是当前国际上人工智能理论及其应用领域中的研究热点之一。在很多实际系统中均不同程度地存在着不确定性因素，采集到的数据常常包含着噪声，不精确甚至不完整 。
        粗糙集理论是建立在分类机制的基础上的，它将分类理解为在特定空间上的等价关系，而等价关系构成了对该空间的划分。粗糙集理论将知识理解为对数据的划分，每一被划分的集合称为概念。粗糙集理论的主要思想是利用已知的知识库，将不精确或不确定的知识用已知的知识库中的知识来（近似） 刻画。粗糙集通过引入核，化简等有力的概念与方法，对现有的知识进行简化提炼，去除冗余信息，这些精练的知识更便于存储和使用。
       关于本库：主要实现了粗糙集理论中基础概念的一些计算。由于之前也搜索过网上一些粗糙集相关的多种语言实现的程序库，但是库大多杂乱不清晰，基本看不懂程序，所以自己依然觉得工具粗糙集理论的书籍自行编写程序，用MATLAB语言实现，并给出一个论文实例《基于粗糙集和遗传算法的道路交通事故分析》的编程实例。该论文参考网址3w.doc88.com/p-94251470655.html