本书建立了统一的基于粒计算的概念和算法框架，并将这些概念和算法用于数据分析和系统建模；讨论了粒计算的前沿和热点问题，如信息粒的编码与解码、信息粒的表示和构建、基于信息粒度很优分配的粒度模糊模型的建立、基于粒度模型的异常值检测、基于信息粒的预测模型设计、模型可解释性的研究等。本书内容涵盖了数据挖掘和粒计算的诸多前沿问题，并且对所提及的每个数据分析和建模算法都进行了详尽的描述和实验。
本书可供数据挖掘领域的研究人员、学生、IT业者等参考学习。

第1章绪论
1.1引言
1.2粒计算的发展现状
1.3本书的研究目的和意义
1.4本书的主要工作
1.4.1信息粒编码与解码
1.4.2基于合理粒度原则创建信息粒描述符与信息粒的性能评估
1.4.3粒度数据描述：ε-信息粒簇的设计
1.4.4粒度TS模糊模型的设计与实现：模糊子空间聚类与信息粒度很优分配的结合
1.4.5非平衡数据集的粒度化欠采样
参考文献
第2章信息粒和信息粒度
2.1信息粒和信息粒度
2.2信息粒的描述以及处理机制
2.2.1集合
2.2.2模糊集
2.2.3阴影集
2.2.4其他模型
2.3信息粒度的量化
4高型和高阶的信息粒以及混合信息粒
2.4参考文献
第3章信息粒的编码与解码
3.1问题的定义
3.2粒数据描述和重建
3.3使用码本表示和重建粒数据
3.3.1表示机制
3.3.2重建机制
3.4码本的优化
……