摘要:多准则分类(MCS)问题在实际的社会生活与工业工程中普遍存在,随着决策问题的日益复杂,决策信息呈现出多元性与异构性特征,单一偏好结构的MCS方法在很多场景下无法满足现实决策需求.此外,复杂的决策环境导致部分目标分类不确定,大大降低了结果的可靠性.为此,本文研究面向混合指派偏好增量提取的多准则分类问题.首先,在增量偏好提取过程中分析决策者混合指派偏好特征,以此构建分类模型分布空间.接着,利用随机多准则可接受性分析思想(SMAA),建立了面向混合指派偏好的分类不确定性度量方法.然后,构建了考虑分类不确定性度量的混合指派偏好增量提取方法,主动学习决策者的混合指派偏好以逐步减小分类模型不确定性,从而保证MCS结果稳定性.最后,以MBA项目分类问题说明了所提方法的可行性和有效性.