周阳阳，钱文彬,2，王映龙，彭莉莎，曾武序

（1.江西农业大学 计算机与信息工程学院，江西 南昌 330045;2.江西农业大学 软件学院，江西 南昌 330045;3.南京大学 工程管理学院，江苏 南京 210046）

三支决策是加拿大学者Yao[1-2]提出的一种“化繁为简”决策理论，它从粒计算视角将论域划分为三个互不相交的论域子空间，并对其分别采取不同的应对策略，这种分而治之的思想，可有效提高决策准确度，降低误分类代价。三支决策理论模拟人类认知、学习和决策的过程，可处理决策过程中出现的不确定性问题。近年来，三支决策理论引起了许多研究者的关注，已成为了粒计算和知识发现领域中的一个重要研究方向。目前，三支决策在众多应用领域中得到广泛的应用，如人脸识别[3]、推荐系统[4-5]、决策系统[6]和邮件过滤[7]等；为了处理复杂的应用场景，提出了不同的计算模型，如序贯三支决策[3,8]、优化三支决策[9]、前景三支决策[10]、三支模糊集[11]和三支约简[12]等。

在实际应用中，代价是影响三支决策划分的重要因素之一。代价敏感学习能够有效缓解分类过程中的数据不平衡问题，其主要作用是处理决策过程和结果产生的各类代价问题。代价敏感学习主要研究两种代价：误分类代价（结果代价）和测试代价，两者互相关联，呈负相关。如在医疗诊断中，患者想要获得更高的诊断准确率（即决策代价越低），就需要做更多的检查（即测试代价越高）。由于代价是数据的内在特征，将其与知识发现结合会使得问题更具有普适性，目前，代价敏感学习已经应用到现实生活中的许多领域，如：人脸识别[13]、价格预测[14]和客户信用评价[15]等。……