本书从理论上探讨知识粒的公理化定义，研究知识粒与不确定信息度量方法之间相互融合的表示形式，建立基于粗糙集的粒计算度量和处理不确定信息的理论体系。对粗糙集、模糊集和Vague集这三种集合之间的关系和性质进行研究，进一步了解三者之间的相互联系和机理，进行多方法融合，建立粗糙集、模糊集和Vague集的相似性度量方法。基于粗糙集理论和信息颗粒理论重点研究决策系统中决策属性值细化的算法，从而解决决策的模糊性问题。本书提出了新的条件熵、条件粗糙熵、覆盖粒度熵、概念粒熵等度量理论，并将其应用于很优知识约简、规则度量、相似性度量、属性重要性度量。从多粒度时间序列角度，构建粒度决策演化模型，提出属性预测冲突、优化时间粒度选择等问题的解决方案。针对基因表达谱数据，构建基于相对邻域关系、广义二元关系和覆盖粒相斥关系的扩展粗糙集模型，融合特征基因评估策略，提出一系列特征基因选择算法。