1.一种基于三支决策的经营战略智能生成方法，其特征在于，包括：采用经营战略智能生成系统获取企业数据信息，对企业数据信息进行预处理，得到数据信息表，将数据信息表存入数据库；当经营战略智能生成系统接收到经营战略制定计划指令时，系统从数据库中获取数据信息表，根据数据信息表中的信息，系统生成经营战略；

经营战略智能生成系统生成经营战略的过程包括：S1：计算数据信息表中的信息增益比，将计算出的信息增益比进行归一化处理，得到归一化后的信息增益比；计算数据信息表中的信息增益比的公式为：I(ai；D)＝H(D)‑H(D|ai)其中，H(D)表示整个数据集的信息熵，D表示数据集，i表示数据集中的第i个对象，n表示决策属性的所有可能取值的个数，p(Yi)表示决策属性为Yi的概率，Yi表示决策属性为第i个取值的对象个数，U表示整个论域的对象，H(D|ai)表示条件属性ai的信息熵，ai表示第i个条件属性，v表示条件属性ai第v个取值，V表示条件属性ai的所有可能取值的个数，Xv表示条件属性ai为第v个取值的对象个数，p(Yi|Xv)表示在条件属性为Xv的对象中决策属性为Yi的概率，I(ai；D)表示条件属性ai的信息增益，G_Ratio(ai)表示条件属性ai的信息增益比；

S2：设置阈值，根据设置的阈值和三支决策模型将每个决策粒度空间划分成三个区域，计算每个区域的不同属性指标下的对象隶属度值，根据每个隶属度值获取相应的决策意见；根据归一化后的信息增益比、决策意见以及投票机制对每个对象进行投票，实时更新每个对象的票数；

S3：设置二支决策的阈值，制定决策策略，根据设定的二支决策的阈值选取对应的决策策略；制定的决策策略包括正例补偿策略和负例补偿策略；

正例补偿策略包括：当正域相对于负域分配空间太小，即α+β>1时，则会使正域的对象被属性划分到边界域中，使得最终得票数为0；将T(X)≥0的对象分配到POS，即将支持率大于等于反对率的对象分配给正域，T(X)<0的对象分配到NEG，即将反对率大于支持率的对象分配给负域；其中，T(X)表示对象获得的最终票数；

负例补偿策略包括：当负域相对于正域分配空间太小，即α+β≤1时，则会使负域的对象被属性划分到边界域，使得最终得票数为0；将T(X)>0的对象分配到POS，即将支持率大于等于反对率的对象分配给正域，T(X)≤0的对象分配到NEG，即将反对率大于支持率的对象分配给负域；其中，T(X)表示对象获得的最终票数；

S4：获取每个对象的最终票数，采用选取的决策策略对票数进行分类，得到二支结果，生成经营战略。

2.根据权利要求1所述的一种基于三支决策的经营战略智能生成方法，其特征在于，经营战略智能生成系统获取的企业数据信息包括产品信息、财务信息，员工数量、薪资信息以及不同的战略计划；所述对企业数据信息进行预处理包括补充数据集中缺失的数据，将补充后的数据按照条件属性和决策属性进行整理划分，分为条件属性集和决策属性集，得到数据信息表。

3.根据权利要求1所述的一种基于三支决策的经营战略智能生成方法，其特征在于，每个决策粒度空间划分的三个区域包括正域、负域以及边界域；所述正域中的对象代表与目标概念相近的群体，所述负域中的对象代表与目标概念远的群体，所述边界域中的对象代表不确定的群体。

4.根据权利要求3所述的一种基于三支决策的经营战略智能生成方法，其特征在于，根据划分的三个区域以及对象x在属性ai下的隶属度 制定在条件属性ai下的最小风险决策规则；即：

若 则 获得属性ai的赞成意见；

若 则 获得属性ai的中立意见；

若 则 获得属性ai的反对意见；

其中，ai表示第i个条件属性，X表示目标概念，[x]表示等价类，α,β表示三支决策中的阈值， 表示条件属性ai划分的正域， 表示条件属性ai划分的边界域，表示条件属性ai划分的负域。

5.根据权利要求1所述的一种基于三支决策的经营战略智能生成方法，其特征在于，投票机制包括获得最终的票数为：T＝{T(x1),T(x2),…,T(xn)}，其计算的公式为：其中， 表示条件属性ai给xk的票数，xk表示第k个对象， 表示目标概念与xk所在的等价类的交集占xk所在的等价类的比例，即隶属度，X表示目标概念，[xk]表示xk所在的等价类，α表示三支决策的正域阈值，ai表示第i个条件属性，β表示三支决策的负域阈值，[x]表示x所在的等价类，T(xk)表示对象xk获得的最终票数，i表示数据集中的第i个对象，n表示条件属性的条数。

6.根据权利要求1所述的一种基于三支决策的经营战略智能生成方法，其特征在于，所述设定的二支决策的阈值为0；当对象获得的最终票数大于的二支决策阈值时，对象的支持率大于反对率，当对象获得的最终票数小于的二支决策阈值时，对象的支持率小于反对率，当对象获得的最终票数等于的二支决策阈值时，根据步骤S3设置的阈值大小对正类用例进行补偿，或者对负类用例进行补偿。