La matriz de discernibilidad binaria, introducida originalmente por Félix y Ushio, es una representación matricial binaria para almacenar atributos discernibles que pueden distinguir diferentes objetos en sistemas de decisión. Es un enfoque efectivo para la selección de características, la representación del conocimiento y el razonamiento sobre la incertidumbre. Una matriz de discernibilidad binaria original suele contener objetos y atributos redundantes. Estos objetos y atributos redundantes pueden deteriorar el rendimiento de la selección de características y la adquisición de conocimiento. Para superar esta limitación, se definen en este documento las relaciones de filas y las relaciones de columnas en una matriz de discernibilidad binaria. Para comparar rápidamente las relaciones de diferentes filas (columnas), construimos autómatas finitos deterministas para una matriz de discernibilidad binaria. Sobre esta base, se propone un algoritmo rápido para la simplificación de la matriz de discernibilidad binaria utilizando autómatas finitos deterministas (BDMSDFA). Hacemos una comparación de BDMR (un algoritmo de reducción de matriz de discernibilidad binaria), IBDMR (un algoritmo mejorado de reducción de matriz de discernibilidad binaria) y BDMSDFA. Finalmente, los análisis teóricos y los resultados experimentales indican que el algoritmo BDMSDFA es efectivo y eficiente.