由于数据库中存在着大量数据，因此从数据库中发现有用的信息显得十分重要。数据挖掘技术就是为解决这个问题而产生的，它引起了科学界、工业界、商业界的广泛关注。数据分类是数据挖掘的一个重要方面，以前大多数的数据分类方法是面向元组的，由于他们要大量的从复扫描元组，导致分类的效率下降。然而，利用给予概念的面向属性归纳方法将大大地减少扫描元组次数，从而提高发现分类规则的效率。本文论述了运用基于概念的面向属性归纳方法来发现分类规则的有关问题以及数据分类器的实现。首先，概述了数据挖掘和数据分类的发展现状。而后，分析了数据分类的一般标准、概念层次的定义和表示方法、评价分类模式的标准等问题，并给出了数据分类器的结构框架。然后，在数据分类器的实现中，论述了数据的概念层次提取和管理，并对数值型数据给出了一个自动提取概念层次算法；同时给出了基于面向属性归纳的分类算法、分类模式的评价算法和分类规则的可视化方法。最后，在数据库上对数据分类器进行测试，结果表明数据分类器具有一定实用性，其性能满足设计要求。