Optimal scale selection is an important issue in the study of multi-scale decision tables. Most existing optimal scale selection methods have been designed from the perspective of consistency or uncertainty, and cost as well as user requirements or preferences in practical applications has not been considered. It is well known that the uncertainty of decision making in different levels of scale varies in sequential three-way decision models. Furthermore, test cost depends on the scale, and delayed decisions may cause delay cost. In practical applications, both uncertainty and cost are supposed to be considered. Therefore, it is worthwhile to introduce cost-sensitive learning into multi-scale decision tables and select the optimal scale by comprehensively considering uncertainty and cost. In this study, uncertainty is firstly quantified, and a novel cost constitution is defined in sequential three-way decision models. In addition, a multi-scale decision information system based on test cost and delay cost is proposed. Then, to obtain the optimal scale with the minimum uncertainty and cost, an optimal scale selection model is established with the constraint of user requirements. Furthermore, an improved optimal scale selection model considering user preferences is proposed by introducing the ideal solution to resolve conflicts among objectives. Finally, the effectiveness of the optimal scale selection model is verified through experiments, and a comparative experimental analysis demonstrates that the proposed model is more consistent with actual user requirements than existing models.

中文翻译：

---

通过将不确定性和成本敏感型学习整合到多尺度决策表中来进行最优尺度选择

最优尺度选择是研究多尺度决策表的重要问题。从一致性或不确定性的角度设计了大多数现有的最佳比例选择方法，并且在实际应用中没有考虑成本以及用户要求或偏好。众所周知，在不同级别的决策中，不确定性在连续的三向决策模型中会有所不同。此外，测试成本取决于规模，延迟的决定可能会导致延迟成本。在实际应用中，应该同时考虑不确定性和成本。因此，有必要将成本敏感型学习引入多尺度决策表，并通过综合考虑不确定性和成本来选择最佳尺度。在这项研究中，不确定性首先被量化，在顺序三路决策模型中定义了一种新颖的成本构成。另外，提出了一种基于测试成本和延迟成本的多尺度决策信息系统。然后，为了获得具有最小不确定性和成本的最佳规模，在用户需求约束下建立了最佳规模选择模型。此外，通过引入解决目标之间冲突的理想解决方案，提出了一种考虑用户偏好的改进的最优尺度选择模型。最后，通过实验验证了最优标尺选择模型的有效性，并通过对比实验分析表明，与现有模型相比，该模型更符合实际用户需求。提出了一种基于测试成本和延误成本的多尺度决策信息系统。然后，为了获得具有最小不确定性和成本的最佳规模，在用户需求约束下建立了最佳规模选择模型。此外，通过引入解决目标之间冲突的理想解决方案，提出了一种考虑用户偏好的改进的最优尺度选择模型。最后，通过实验验证了最优标尺选择模型的有效性，并通过对比实验分析表明，与现有模型相比，该模型更符合实际用户需求。提出了一种基于测试成本和延误成本的多尺度决策信息系统。然后，为了获得具有最小不确定性和成本的最佳规模，在用户需求约束下建立了最佳规模选择模型。此外，通过引入解决目标之间冲突的理想解决方案，提出了一种考虑用户偏好的改进的最优尺度选择模型。最后，通过实验验证了最优标尺选择模型的有效性，并通过对比实验分析表明，与现有模型相比，该模型更符合实际用户需求。在用户需求的约束下，建立了最优的规模选择模型。此外，通过引入解决目标之间冲突的理想解决方案，提出了一种考虑用户偏好的改进的最优尺度选择模型。最后，通过实验验证了最优标尺选择模型的有效性，并通过对比实验分析表明，与现有模型相比，该模型更符合实际用户需求。在用户需求的约束下，建立了最优的规模选择模型。此外，通过引入解决目标之间冲突的理想解决方案，提出了一种考虑用户偏好的改进的最优尺度选择模型。最后，通过实验验证了最优标尺选择模型的有效性，并通过对比实验分析表明，与现有模型相比，该模型更符合实际用户需求。