随着人类社会和计算机技术的飞速发展，电子数据的积累出现了爆炸式的增长。这些海量的电子数据里面无疑隐藏着丰富的对人类深具价值的知识，而传统的数据分析工具只能利用其中的很少一部分。近年来不断完善发展的数据挖掘技术恰恰能帮助人们从数据中发现大量的隐藏知识，而数据分类正是其中的极其重要的技术方法之一。准确率、速度、强壮性、可伸缩性、可解释性是评估分类方法的五条标准，也是对方法进行改进的突破口。 本文针对传统的多级模糊模式识别的分类方法没有考虑属性之间关系，导致分类具有片面性，且在处理高维数据时效率比较低的不足，提出了一种新的应用于一般问题的改进多级模糊模式识别的方法。 该方法首先重点考虑对象属性间影响较大的因素，以此建立影响对象分类的属性之间的简化关系，全面地反映了客观事实，很好地解决了多对象、多因素问题；然后针对分类标准为对象属性分类的离散值，存在对象属性值介于中间状态不便分类问题，通过取分类级别的中间值建立属性值所属级别的矩阵，再结合样本属性相对隶属度矩阵综合确定属性权重，减少了人为主观因素的影响；最后通过属性约简的分明矩阵方法，有效地删除高维数据中的冗余属性，大大提高了数据潜在知识的清晰度，提高了分类的效率。最后把改进的方法用于水质评价中，经实例证明该方法分类准确，效率高。