三支决策是一种处理不确定性决策的粒计算方法,是一种符合人类认知过程的“三分而治”模型。其主要思想是:在决策过程中将整体分为3个部分或3个粒,对于不同的部分或者粒度采取不同的决策行为或处理策略。三支决策在知识发现,数据挖掘和模式识别等领域取得了广泛的应用。相比于传统的二支决策,三支决策的关键是引入了延迟决策,从而规避了错误决策造成的损失。当做出延迟决策时,为了下一次做出准确决策,需要进一步采集决策的状态信息,即对决策对象的认识从粗粒度向细粒度进行转化。这种从粗粒度到细粒度的决策过程构成了一种序贯决策方法,它可以刻画人们在许多实际问题中所采用的动态渐进决策过程。例如,在医学诊断中,初步检查后仍无法判断患者患有哪种疾病,此时需要通过其它的手段对患者逐步进行检查,直到最终确定患者病情,并给出相应的治疗方案。本文针对已有两种序贯三支决策模型存在的局限性,提出两种改进的序贯三支决策模型,具体研究工作如下:(1)针对已有基于属性值动态更新的序贯三支决策模型,在决策过程中,一方面没有考虑更新前后属性值之间的关联性,另一方面基于标准差的属性值特征提取算法使得模型的分类效果不理想。为此,本文定义了属性值关联度用于刻画更新前后属性值之间的关系,提出了一种基于基尼系数的属性值特征提取算法,在此基础上,提出了改进的基于属性值动态更新的序贯三支决策模型。并对其中两种分类异常情况,给出了解决方法。最后通过实验验证了所提模型的有效性。(2)已有时空混合的序贯三支决策模型,综合考虑数据采集的时间因素和多层次粒结构的空间因素,构造时空融合的多粒度结构,通过二元关系的融合,实现时空混合的序贯三支决策。基于二元关系的融合方法属于数据层的融合,本文通过决策结果的融合,提出改进的时空混合序贯三支决策模型,给出了三种决策结果的融合策略,分别为乐观融合策略、悲观融合策略和可变融合策略。通过实验比较了基于二元关系融合的时空混合序贯三支决策模型和基于决策结果融合的时空混合序贯三支决策模型的分类精度和分类效率,验证了模型的有效性。