三支决策作为一种更加符合人类认知的粒计算方法,能合理有效地从不确定信息中抽取有用的知识。作为三支决策理论的起源及主要研究分支,基于决策理论粗糙集的三支决策模型已成为处理不确定信息的重要工具。然而,基于决策理论粗糙集的三支决策模型仍然存在很多值得进一步研究的问题。如,现有的研究在构建风险度量函数时几乎都忽略了等价类之间的差异信息。因此,本文深入地研究了基于决策理论粗糙集的三支决策模型及其改进模型,提出了性能更好的效用理论下的基于决策理论粗糙集的三支决策模型;然后,提出了一种基于相似度量的自适应三支分类模型并应用于垃圾邮件过滤领域,以应对垃圾邮件过滤的高精度需求。具体地,本文的主要工作如下:(1)通过欧氏距离说明了等价类及目标集间存在差异信息;通过引入效用函数,给出了一种条件属性值评分函数,并讨论了不同策略下评分函数的性质规律;通过知识距离,构建了一种计算属性权重的方法,进而给出了基于效用的风险度量函数,并讨论了相关性质规律;在贝叶斯决策规则下,提出了效用理论下基于决策理论粗糙集的三支决策模型,实验结果验证了该模型性能的优越性。(2)为了提高垃圾邮件过滤领域的分类准确率,在效用理论下的基于决策理论粗糙集的三支决策模型的基础上,基于集合相似度量,给出了一种条件属性值评价函数;根据条件属性值域的方差,提出了一种计算条件属性权重的方法;通过对每个条件属性值的评价值进行加权,构建了一种刻画风险的综合评价函数,并讨论了相关的性质规律;在贝叶斯决策规则下,构建了一种自适应三支分类模型,实验结果表明该模型在垃圾邮件过滤领域有较好的效果。