数据挖掘技术是多学科技术的集成,主要包括数据库和数据仓库技术、统计学、机器学习、人工智能等,它的主要目标是从大量的数据中找到隐藏在其中的人们所需要的信息。分类数据挖掘则是从源数据的训练样本集中挖掘出已经有类标识的数据与类标识之间的对应关系,总结这种关系,以便对未知类标识的数据进行分类。遗传算法是一种全局随机搜索的最优化算法。本文主要是利用遗传算法对数据挖掘中的分类数据挖掘进行研究。首先,回顾了数据挖掘技术的产生和发展、数据挖掘的基本概念和基础理论,着重讨论了分类数据挖掘的概念、过程、基本技术以及其评价标准。接着,对遗传算法进行了讨论,分析了遗传算法和自然选择之间的关系、简单遗传算法的基本方法、遗传算法的理论基础以及存在的问题。通过对数据挖掘和遗传算法的研究,发现了利用遗传算法来解决数据挖掘问题时,普遍存在的问题,比如,分类规则之间的冲突、较大型数据库效率问题、遗传算法的早熟收敛以及遗传编码问题等。为了解决分类数据挖掘算法中普遍存在的规则之间冲突的问题,提出了一种冲突解决策略。为了克服简单遗传算法的早熟收敛问题,利用三交换启发式交叉算子和三交换变异法,对简单的遗传算法进行改进。为了有效的解决分类挖掘编码困难和对于较大型数据库效率较低的问题,提出了一种基于矩阵解码遗传算法的分类规则挖掘算法。最后,利用car evaluation数据集进行验证,用分类算法的四个评价标准,对本文算法和J4.8算法进行比较,结果表明,本文算法明显优于J4.8算法,证明了本文算法的可行性及有效性。