粗糙集（Rough Set）是一種數學工具，用於處理不精確、不確定和不完整的數據。它由波蘭科學家Pawlak教授在1982年提出，主要用於研究信息系統中的顆粒性、模糊性和不完全性。粗糙集理論的特點在於，它只需要樣本數據的信息，而不依賴於任何先驗信息。通過知識約簡，粗糙集能夠在保持分類能力不變的前提下，揭示問題的內在客觀規律。目前，粗糙集已經在決策分析、模式識別、過程控制、機器學習以及數據挖掘等領域得到了廣泛的套用。
在粗糙集理論中，明確集（crisp set）指的是傳統的集合，而粗糙集則是對明確集進行形式上的逼近，即給出該明確集的上逼近集和下逼近集。一個信息系統可以表示為一個四元組，包括論域、屬性集合、屬性值域和信息函式。在這個框架下，粗糙集的邊界是由下、上近似來刻畫的。對於任意子集X⊂U，X關於現有知識R的下、上近似分別定義為R_(X)={x∈U,[x]R⊆X}和R-(X)={x∈U,[x]R∩X≠Φ}。樣本子集X的不確定性程度可以用粗糙度aR(X)來刻畫，定義為aR(X)=Card(R_(X))/Card(R-(X))。
粗糙集理論是繼機率論、模糊集、證據理論之後，又一個處理不確定性的數學工具。它與機率論和模糊集等處理不確定性問題的方法相比，其最大的特點是只需要樣本數據的信息，而不依賴於任何先驗信息。