为了研究论域上的对象分类的决策规则,姚一豫基于粗糙集和概率粗糙集提出了三支决策理论。它是在传统的二支决策的理论基础上发展起来的。粗糙集或者概率粗糙集的三个域可以看成分类的:正域对应于接受域、负域对应于拒绝域、边界域对应于不承诺域(即采取延迟决策)。目前基于不同粗糙集模型的三支决策理论得到了广泛的研究和扩展,并被应用到许多领域。本文基于粗糙集和概率粗糙集,研究了串行关系下的概率粗糙集,基于包含度的局部粗糙集及其性质,以及这两个模型下的三支决策模型,给出了两种模型下的分类决策规则。主要研究内容如下:第一部分阐述了粗糙集、三支决策的研究背景及意义、以及国内外发展现状;第二部分介绍了粗糙集和概率粗糙集的基础知识;第三部分研究了基于串行关系的概率粗糙集。Yao提出的概率粗糙集是基于等价关系提出来的,但在实际应用中,知识库存在多种不确定性因素,使得所讨论的对象间的关系未必满足等价性。故在保证条件概率有意义的条件下,本文将等价关系推广到串行二元关系,提出了串行概率粗糙集近似。研究了两个阈值变化时,相应的串行概率粗糙下上近似、串行概率精度和串行概率粗糙度的粗糙逼近。最后,基于Bayesian决策模型讨论了串行概率粗糙集上的三分类问题以及阈值的获取方法。第四部分构建了不协调决策表上的局部粗糙集。概率粗糙集模型是基于条件概率提出来的,钱宇华等人提出了基于包含度的局部粗糙集。基于局部粗糙集的上下近似,给出了三个域的定义及其性质。讨论了当阈值增加或减少时,局部粗糙集下上近似的粗糙逼近。进而给出了基于不协调决策表上的局部粗糙集,讨论了局部粗糙集的属性约简。最后,研究了基于局部粗糙集的三支决策模型,给出了分类的决策规则获取方法。