粗糙集理论是用来刻画不完整和不分明的数据理论的工具， 模糊集理论也是用来处理不确定性的集合理论.由于它们都是用来处理这些模糊的和不清晰的问题的集合理论.同时他们又存在着各自的优缺点。
【关键词】粗糙集 信息系统 模糊集
1.粗糙集理论的概述
在当今信息时代，计算机网络信息技术飞快的发展，数据信息也爆炸似的增长.我们在生活工作当中，可能经常会参与研究一些数目庞大且又功能繁琐的数据系统.例如在股票市场分析领域上的数据系统，这些数据库中的数据不仅个数繁多，种类结构又多样，而且很可能存在着一些缺省的数据。
我们怎样从这些数目庞大，类型复杂，杂乱无章的数据中.去深入并挖掘有用的知识，给我们数学和计算机领域的工作人员提出了严峻的挑战。
粗糙集（Rough Set）理论是用来刻画不完整和不分明的数据理论的，最早是由波兰的数学家Pawlak Z于1982年提出来的.这个理论能够有效的对数据中有价值的知识从中进行挖掘 . 粗糙集理论的属性约简是一个非常有研究价值并具有挑战性的研究课题.属性约简可以删除当中没有价值的信息，得到相对简单而准确的分类。
最初粗糙集理论的研究并没有得到国际学术的关注，只在东欧的某些国家进行研究.直到20世纪80年代末期， 粗糙集理论在人工智能方面得到了研究成果，逐渐开始引来了各领域研究学者的重视.近些年来，它在特征选择，分类学习，和规则提取等方面获得了极大的发展.并在知识发现，决策分析，数据挖掘，医疗中新病诊断等方面广泛应用，这些都表明了粗糙集理论及应用在信息科学技术中有着广泛的发展前景。
2.模糊集理论的概述
提起数学，精确自然成为了它最显著的特点.可是“精确”的数学有时不能更准确的描述现实生活工作中的一些模糊现象.比如说“个子比较高的学生”“成绩优秀的同学”“很冷的天气”“重感冒”“漂亮的裙子”等等.但是这些“尺度”往往在人们的脑部意识里有了一定的衡量标准，我们可以利用这些模糊量让理解更为清晰.但计算机对模糊量难以做出准确的分辨，在计算机技术迅速发展的今天，迫切的需要加载一处理模糊信息的工具用以配合计算机简单而又准确的得到答案.也就是说，模糊理论的产生和发展是有一定必然性的。
从模糊数学创建的第一天起，它就和计算机信息技术相辅想成，并逐渐在自然科学和社会科学中广泛得以应用.但模糊理论体系仍处于发展中阶段.还需要我们在理论和实践中研究它并加以完善。
3.模糊集和粗糙集的比较
粗糙集，模糊集和随机集都是知识发现概率分析方法的工具，都是研究系统中不确定性和不精确性问题的一些重要的方法。它们产生的时间也几乎是一样的，都在20世纪下半世纪.但是它们在处理问题当中的着眼点和处理方法是有所不同的。
信息系统的属性约简是粗糙集理论内容的核心之一.一般来说，信息系统的属性约简并不是只有一个的.我们需要找到的是一个包含最少属性的约简.Pawlak粗糙集模型下的属性约简是在等价关系上进行研究的.也有很大的限制性.研究更为快速有效的属性约简方法，并提高准确性，普遍性仍然是粗糙集属性约简理论的主要研究方向。
模糊集理论也是用来处理不确定性、不完备性和不清晰性问题的集合理论.由于它和粗糙集理论模糊集理论都是用来处理这些模糊的和不清晰的问题的集合理论.同时它们又存在着各自的优缺点.因此它们在一起处理问题具有很强的互补性。
随机集在处理问题当中，以事件的随机性为主.模糊集以边界的分明性为主. 粗糙集合以对象间分辨性为主.恰因为粗糙集，模糊集和随机集的性质不同，使学者在处理问题时可以得到互补.因此一些研究人也员把粗糙集和模糊集比较起来研究，得到了粗糙模糊集。
