粗糙集理论是一种研究不确定、不完整知识的理论方法,并被广泛应用于数据挖掘、人工智能和模式识别等诸多领域。属性约简,即在不影响原有决策表分类质量的情况下,通过最少属性来表示决策表信息,是粗糙集理论研究的核心之一。目前,粗糙集的属性约简算法中,基于二进制分辨矩阵属性约简方法因低存储、简单、易理解等优点,得到了许多学者的关注。目前常用的基于二进制分辨矩阵属性约简算法在实现上大致采用以下思路:根据已知的决策表建立二进制分辨矩阵,并以属性全集为初始集合,根据某种度量方式,每次选择一个非核属性删除,直至剩余的集合是一个约简,称为删除法。然而,此种方式由于每次只选择一个冗余属性删除,导致属性约简效率不高。因此,提高基于二进制分辨矩阵属性约简的删除法效率并获得最小约简是本文的重点研究内容,本文主要工作如下:1.针对基于二进制分辨矩阵删除法的不足,本文提出了一个改进的基于简化二进制分辨矩阵属性约简算法,综合考虑二进制分辨矩阵行、列两个维度,通过一个新的属性约简方法,一次性删除多个属性,并在每次删除操作结束后对二进制分辨矩阵进行简化,直到其属性不可被删除为止。文章从理论上分析了该算法的可行性,且通过实例及仿真测试证明该算法能够有效地提高二进制分辨矩阵删除法效率,并得到最小约简结果。2.本文将改进的基于简化二进制分辨矩阵属性约简算法应用于订单协作系统的销售统计分析功能模块中,对2013年第一季度蓝牙音箱销售数据相关的属性进行约简,并得出相应的决策规则。该决策规则同2013年第二季度蓝牙音箱实际的销售情况有较高的符合度,进一步说明算法的有效性。