三支决策是处理不确定信息的重要工具,其三分而治的思想更符合人类的认知规律.在大数据时代背景下,随着数据类型的增加,具有更强描述能力的区间型数据受到学者们的广泛关注.在实际应用中,由于测量、干扰或信息传输等影响会导致数据出现噪声或缺失的现象,并且随着时间推移数据集呈现动态递增趋势,如果忽略或删除这些数据,则很有可能导致有用信息的丢失出现决策误判,针对上述问题,本研究将三支决策应用到区间型数据上,具体内容如下:（1）将属性约简方法与三支决策进行结合,提出区间值系统的决策代价最小化属性约简方法.首先建立区间值三支决策模型,考虑区间值决策系统中不同对象的相容类适应不同决策划分代价,建立综合损失函数来描述对象之间的差异信息,根据贝叶斯决策规则和预先给定的初始代价函数,构建了自适应阈值对的计算方法,进而提出区间值系统最小化决策代价属性约简算法,实例和UCI数据实验验证了算法的合理性和有效性.（2）提出面向不完备区间值决策系统的三支决策模型和增量式规则获取算法.首先定义不完备区间值数据的量化相似容差关系,并将其替代三支决策中的等价类,构造出基于不完备区间值决策系统的三支决策模型,其次从两个层级分析对象集动态规则获取策略,最后,通过一组UCI数据集对该算法进行验证,实验结果表明,该算法不仅能减少误划分损失获得更高的划分精度,而且在运行时间上也具有较大优越性.