属性约简是粗糙集理论中的重要研究内容之一,传统的静态属性约简算法只能处理静态的数据集,然而现实世界中的数据是动态变化的,因此增量式属性约简方法的研究具有重要的理论和应用价值。利用区分矩阵是属性约简中的一种有效途径,本文利用信息向量来重新构造区分矩阵,对增量式属性约简方法进行了研究,其主要工作如下:(1)基于区分矩阵的启发式属性约简算法。首先,重新定义了正负信息向量,以及基于信息向量的区分矩阵;其次,给出了一种正负信息向量的构造及信息向量区分矩阵的构造算法,并利用属性频度做为启发条件,给出了一种属性约简算法;最后,采用恒星光谱数据,实验验证了属性约简算法的正确性和有效性。(2)基于区分矩阵的增量式属性约简算法。在(1)的基础上,针对数据集动态变化,通过分析正负域、信息向量及属性约简,给出了一种增量式属性约简算法,并采用恒星光谱数据,实验验证了该算法的正确性和有效性。