空间分类规则挖掘是空间数据挖掘的领域之一。空间分类挖掘广泛应用于机器学习、专家系统、统计学和神经生物等方面。分类算法也很多。我们提出了结合roughset理论与模糊决策树的分类方法，并将其应用于银行信贷等级的风险分类中。 　　采用roughset理论对空间谓词的提取和属性的约简策略，模糊系统与决策树相结合，既提高了分类效率，又具有较高的分类准确率，分类规则不但具有决策树易被人们理解的语义式的特性，同时具有模糊系统的弹性。 　　本文的主要工作如下： 　　首先，应用roughset理论提取空间谓词，进行属性约简。具体分析银行信贷相关业务数据，对大量数据进行处理，蒸发那些无意义的数据，使其变换为相对自然简洁的表示，以便计算机对数据内容更易于理解。 　　其次，采用一种基于梯形归属函数的模糊决策树方法进行分类。研究模糊系统和决策树相结合，不同归属函数对模糊系统的影响，选择梯形归属函数，对约简后的银行信贷数据进行分类研究。 　　第三，根据以上研究过程设计出一种分类器，将分类器应用于银行信贷系统，测试分类效果，验证分类方法的实用性、效率以及分类准确率。