1、作為多屬性決策理論的一個新的研究方向，多屬性分類的研究已在國際上得到許多學(xué)者的重視。從分類算法角度來看，相較于直接分類法要求決策者提供具體的分類參數(shù)信息，基于案例推理的分類方法僅需要決策者提供具有典型代表性的決策案例，通過對案例進(jìn)行訓(xùn)練學(xué)習(xí)，便能獲取決策者偏好和分類參數(shù)信息?；诎咐评淼臎Q策易于理解、貼近人類的日常決策過程，具有較廣泛的適用性。如何從已有的案例分類信息中反向推理出分類參數(shù)，是此類問題的研究關(guān)鍵。從分類結(jié)果形態(tài)來看，多屬

2、性分類分為有偏好分類和名義分類，兩種分類形態(tài)均具有廣泛的研究和應(yīng)用價(jià)值。本文分別應(yīng)用了粗糙集和案例距離的方法對基于案例推理的多屬性分類問題進(jìn)行拓展研究。
　　論文主要研究內(nèi)容如下：
　?。?）對于有偏好分類問題，制定了一種基于k-means方法的典型案例選取策略，提出了一種基于優(yōu)勢粗糙集的案例推理分類方法，并分別構(gòu)建了二維和三維分類模型用于解決企業(yè)績效分類和研究生學(xué)習(xí)能力分類兩個問題。
　?。?）對于名義分類問題，拓展

3、研究了基于案例推理的分類方法，構(gòu)建一種基于案例距離推理的名義分類模型。通過計(jì)算典型案例集與分組中心點(diǎn)的距離，構(gòu)建屬性權(quán)重和分類閾值的優(yōu)化求解模型，然后進(jìn)行案例學(xué)習(xí)推理的形式獲得分類參數(shù)，簡化決策中各類偏好信息的復(fù)雜比較過程。已有模型是用以解決有偏好分類問題，本文將該模型進(jìn)行拓展用以解決名義分類問題，并將其應(yīng)用于工業(yè)生產(chǎn)成組分類的具體案例中。
　?。?）基于本文構(gòu)建的分類模型，設(shè)計(jì)了一種基于案例推理的分類決策支持系統(tǒng)，并用第四章的案