随着Internet的迅猛发展，全球面临着数据库爆炸的挑战，人们常会感到被数据淹没却仍觉得知识饥饿的困惑。数据挖掘技术是解决上述问题的一种方法。数据挖掘是数据库中知识发现过程的一个重要步骤，它是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。基于神经网络的数据挖掘技术利用神经网络的技术和优点来解决数据挖掘技术遇到的问题，使数据挖掘技术得以进一步的提高和完善。针对以上情况，本文主要做了以下三方面的工作。 首先，本文研究分析了数据挖掘和神经网络的基本概念、相关技术和理论。数据挖掘部分重点研究了数据挖掘的基本过程、分类技术和新型的多维数据挖掘技术；神经网络部分重点研究了网络的学习规则和常用的神经网络模型。 其次，本文详细研究了基于神经网络的数据挖掘过程，作者给出了神经网络结构裁剪和训练算法以及优化的规则提取算法，并且针对理论算法做了相应的实验和实验结果分析；本文还研究了基于神经网络的分类技术，给出了改进的分类算法，并且针对该算法做了相应的实验和实验结果分析；文中进一步给出了新一代基于神经网络的多维数据挖掘模型，展示了基于神经网络规则提取和分类算法未来的发展方向和需要进一步解决的问题。 最后，本文研究了规则提取算法在故障诊断中的应用，该应用说明了基于神经网络技术的规则提取算法和分类算法在实际生活中具有十分广泛的实用性，它们之间的结合将使规则提取和分类算法的研究工作步入一个新的阶段。