随着大数据时代的到来,具有多层次结构的数据越来越普遍,利用层次结构来对决策信息表（简称决策表）进行属性值泛化约简可以在保证分类能力不变的前提下有效降低决策表的维度,而构造合理的层次结构是研究属性值泛化约简的前提,因此研究层次结构构造方法和决策表的属性值泛化约简方法在高维数据越来越普遍的大数据时代具有重要意义。目前关于决策表的属性值泛化约简以及层次结构构造的研究大都是基于决策表的条件属性集,针对决策属性层次结构的研究较少,但仅考虑条件属性集的属性值泛化约简并不能完全挖掘决策表的泛化潜力。决策表中的每个对象都具备决策属性和条件属性两种属性,现实中很多对象的决策属性也具有层次结构,仅考虑条件属性集的层次结构会忽略决策属性可能存在的层次关系和泛化潜力。同时,目前对层次结构构造方法的研究大都局限于处理无序数据,对含有分层结构的有序数据很少涉及。基于上述背景,本文进行了以下研究:（1）为构造有效表达层次结构的属性值分类（AVT）,本文提出了VDM-AVT学习器和DAVT学习器及其实现算法,两种学习器分别可以依据决策表自动构造条件属性集和决策属性的AVT,且均能处理有序数据和无序数据。（2）针对属性值泛化约简问题,本文首先提出了多层次决策属性粗糙集模型,以此来研究决策属性AVT中分割间的关系,进而提出了多层次粗糙集模型来研究决策表全局分割间的关系。（3）在两种多层次模型基础上分别提出了决策泛化和双边属性值泛化约简的定义,并给出决策泛化的实现算法与双边属性值泛化约简的实现策略。（4）利用对比实验验证了双边属性值泛化约简的优越性。