为了提升风险决策环境下协同训练的效果,提出了一种基于粗糙子空间的协同决策算法。首先利用粗糙集属性约简的概念,将部分标记数据属性空间分解为两差异性较大的粗糙子空间;在各子空间上训练分类器,并依据各分类器决策风险代价及隶属度将无标记数据划分为可信、噪声和待定样本。综合两分类器的分类结果,标注少量可信无标记样本后重复协同训练。从理论上分析了算法性能提升的区间界,并在UCI数据集上进行实验,验证了模型的有效性及效率。