外资银行凭借先进的营销策略对我国的商业银行产生了巨大冲击,国内客户对产品和服务的需求趋于多样化和个性化,众多依靠传统模式开拓市场的国内商业银行无法保持良好的市场竞争力,国内商业银行亟需改变传统营销策略。直接营销作为一种以客户需求为中心的新型营销模式已在国外得到广泛应用,国内银行采用直接营销模式将有助于提升市场竞争力,而直接营销模式得以有效实施的关键在于找到合适的方法通过客户分类定位目标客户。常用分类方法通常需要对数据分布进行假设,而马田系统作为一种新的模式识别方法是基于数据进行分析完成分类的,而且它能删除冗余变量,提取有效信息,真正实现系统降维,马田系统已成功应用于多个行业的分类问题中。本文针对马田系统在筛选特征变量方面的不足引入粗糙集理论,构建基于粗糙集的改进马田系统方法,并将改进的马田系统应用于银行直接营销客户分类问题中,定位目标客户。本文的主要研究内容包括以下两个方面：(1)基于粗糙集的马田系统理论研究传统马田系统结合正交表和信噪比筛选有效特征变量以优化基准空间,但有学者研究表明,正交表与信噪比方法在筛选有效特征变量方面存在不足。本文引入粗糙集理论替代正交表和信噪比对特征变量进行选择,构建基于粗糙集的马田系统分类方法,以更好地优化基准空间、改善分类效果。(2)基于粗糙集的马田系统应用研究为研究国内银行开展直接营销的客户分类问题,选取UCI数据集中某葡萄牙银行直接营销活动相关数据作为分析数据,进行基于粗糙集的马田系统应用研究。分别用基于粗糙集的马田系统和传统马田系统分析银行客户数据进行客户分类,并对比二者筛选的有效特征变量个数及分类准确率。结论表明：与传统马田系统相比,基于粗糙集的马田系统不仅提升了分类准确率,而且减少了有效特征变量个数,可以进行准确分类并简化信息收集工作。基于粗糙集的马田系统方法可以应用于银行直接营销客户问题中进行准确的客户定位,有助于国内银行有效实施直接营销模式。与此同时,基于粗糙集的马田系统方法可以应用于其他分类问题中。