具有不确定性的数据在万物互联中产生和汇聚,如何有效地刻画和处理这些数据,并从中挖掘、提炼出需要的信息和知识,从而进行快速决策是一个值得研究的问题。模糊集为处理不确定性和不精确性的问题提供了一种有效的方法。同时,由于决策信息的不确定性,人们依靠不确定的信息很难明确做出接受或者拒绝的决策,延迟决策作为第三种选择在三支决策理论中被提出。在模糊集中,有偏大型、偏小型和中间型三种类型的模糊分布。对于中间型模糊分布的对象来说,属性值大于或小于正常值的对象,隶属度可能是相同的,并会被执行相同的决策。然而,具有不同属性值的对象意味着他们蕴含的信息对于决策问题来说是不同的,即在计算隶属度时丢失了数据本身的信息。因此,本文针对以上问题进行了相关研究:（1）针对中间型模糊分布数据,提出背离度的概念来区别具有相同隶属度的不同对象,背离度将数据的映射范围从[0,1]扩展到了[-1,1]。此外,还讨论和推导了六种典型的隶属函数及其相应的背离函数。在此基础上,提出了基于背离度的双边模糊集的概念,并对双边模糊集的相关运算规则进行了讨论和证明。然后,基于双边模糊集提出三支决策模型。对于模型中的阈值计算方法,一方面,在该模型中推广了模糊集三支决策的最小代价原则,并进行了理论推导;另一方面,提出了一种基于置信区间的阈值计算方法,为阈值计算提供了新的视角。（2）针对多属性决策问题,引入序贯的思想,将单属性决策的基于双边模糊集的三支决策模型扩展为多属性决策的基于双边模糊集的序贯三支决策模型;同时,考虑到现有阈值计算方法具有较强地人为主观性,提出最优化置信水平的阈值自动计算方法,通过目标优化函数,使得域内稳定、域间差异大,以此寻找最优阈值来改善人为给定参数计算阈值的主观性。