智能信息处理是当前信息科学理论和应用研究中的一个热点领域，随着过去几十年中人们在专家系统、知识工程、人工神经网络、模糊集合等众多领域的不断实践和探索，取得了很多很好的成绩。随着信息时代的到来，信息量不断增长，对信息分析工具的要求也越来越高，人们希望自动地从数据中获取其潜在的依赖模型。这样，大量的数据就无须人的处理，甚至无须人的观察。因此，研究能够从大量信息中形成实际概括(归纳)的系统就显得越来越重要。虽然已经有很多对数据进行分析的简单统计技术，但高级的智能数据分析技术还远没有成熟。因此，数据信

通过考虑实际决策过程中对错误的容忍度和操作成本，提出了一种新的两阶段方法来解决基于决策理论粗糙集（DTRS）的多类别分类问题。 第一步是将m类分类问题（m> 2）转换为m两类分类问题，并通过使用DTRS形成三种类型的决策区域：具有不同状态和动作的正向区域，边界区域和负向区域。 正区域决定接受，负区域决定拒绝，边界区域决定弃权。 第二阶段是使用最小概率误差准则和贝叶斯判别分析方法，在正区域中选择最佳候选分类。 以医学诊断为例，证明了该方法的有效性。