数据挖掘是从大型数据库或数据仓库中挖掘隐含的、未知的、非平凡的及有潜在应用价值的信息或模式的过程。数据挖掘获得的规则包括描述型规则和预测型规则,特征化规则是一种典型的描述性规则,数据概化是描述型规则挖掘方法的一种主要手段,而面向属性的归纳方法则是实现数据概化及生成特征化规则的一种重要方法。 概念层次使给定的数据离散化,收集并用较高层次的概念来替换较低层次的的概念,使数据进行归纳;通过概化使数据更有意义、更容易解释。对于同一个属性可以定义多个概念层次,以适应不同的用户需求。 本文对基于概念的面向属性归纳的方法进行了深入研究,分析了概念层次的定义、表示方法及评价标准等问题,设计了数据概化和特征化规则挖掘的算法和实现策略,给出了数据概化和特征化规则挖掘的结构框架。在此基础上,分析了现实工作中对于数据概化和特征化规则挖掘技术的需求,阐述了对于各种明细数据进行概化并获取特征化规则的意义,并以农业生产数据为例,对该数据库进行了统计分析,应用面向属性归纳方法实现了数据概化,获得了特征化规则,为农业生产决策提供辅助的决策支持。