张 璐,刘 盾,杨 新

1(西南交通大学 经济管理学院,成都 610031)

2(西南财经大学 经济信息工程学院,成都 611130)

1 引 言

随着科学技术的不断进步和互联网的飞速发展，人类开始迈入大数据时代.面对数据的爆发式增长，人类需要有效的方法对多源异构数据进行分析处理，各种机器学习算法应运而生.机器学习方法的出现适应了大数据时代的迫切需求，因而被广泛的应用于诸多领域，并取得了巨大的成功.分类作为机器学习的重点研究领域之一，一直受到国内外学者的广泛关注.目前，静态分类器大多是根据给定的属性集合对样本进行分类，在分类过程中没有考虑样本之间的差异性，这会导致信息获取成本大幅增加，整体分类成本过高.例如，在人脸识别任务中，面部特征明显的个体使用清晰度较低的图像就能进行准确判别；面部特征隐晦的个体才需要高清图像进行识别.静态分类器往往只能根据同一粒度的图像对全体样本进行判别.这种无差异的静态判别方法可能会造成信息资源的浪费，增加图像的获取成本.在实际生活中，理性决策者往往可以先利用少量信息对容易分类的样本进行判别；之后再获取更多信息对难以分类的样本进行进一步识别，即：利用不同粒度信息对不同样本进行分类.

三支决策[1-4]是一种以“三分而治”(Trisecting and Acting)为核心思想的决策方法.Yao[5，6]将粒计算的思想引入三支决策，基于粒度由粗到细的多层粒结构，提出了序……