Las reglas de decisión son herramientas poderosas para gestionar información y proporcionar descripciones de conjuntos de datos; como consecuencia, pueden adquirir un papel útil en los procesos de toma de decisiones donde se aplica la teoría de conjuntos difusos ásperos. Este artículo se centra en el estudio de diferentes métodos para clasificar nuevos objetos, que no se consideran en el conjunto de datos inicial, con el fin de determinar la mejor decisión posible para ellos. Los métodos de clasificación están respaldados por los indicadores de relevancia asociados con las reglas de decisión, como el soporte, la certeza y la credibilidad. Específicamente, el primero se basa en cómo el nuevo objeto se ajusta a las reglas de decisión que describen el conjunto de datos, mientras que el segundo también tiene en cuenta la representatividad de estas reglas. Finalmente, los tercer y cuarto métodos tienen en cuenta la credibilidad de las reglas en comparación con el nuevo objeto. Además, hemos demostrado que estos métodos son alternativas más ricas o generalizan otros enfoques dados en la literatura.