本书系统介绍在信息系统簇或决策系统簇的F-粗糙集模型。本书定义了F-粗糙集上下近似、边界区域，在F-粗糙集中提出了F-属性依赖度和属性重要度矩阵，根据F-属性依赖度和属性重要度矩阵分别提出了属性约简算法，通过比对实验在UCI数据集、真实数据集和MATLAB生成数据集上完成, 实验结果显示, 与相关算法比较, F-邻域粗糙集可以获得更好的分类准确率. 为粗糙集在大数据方面的应用增加了一种新方法。本书内容包括并行约简的正区域、属性核和基于互信息的方法, 研究不完备序信息系统、领域决策系统和异构信息系统的属性约简及概念漂移等问题，提出模糊决策系统的F-模糊粗糙集理论。