该文首先介绍了知识发现和数据挖掘的出现,发展,现状,以及相关技术的主要内容和数据挖掘中的主要算法,包括：关联规则挖掘,多层数据归纳算法,数据分类和概念聚类,以及挖掘路径模式,并且详细介绍了多层数据归纳算法中的面向属性归纳算法.在此基础上,该文对基于规则的面向属性的归纳方法进行分析,提出一种概念层次优化技术.首先,将基于规则的概念图转化成一棵概念树,对于不平衡的概念树,再转化成平衡的概念树,最后,用节点集合来记录数据库中每个元组在概念层次中的泛化路径.在学习结果的表示中,该文采用结合 置信度,支持度,以及LS充分性因子的方法对学习结果进行评价.经过改进的基于规则的面向属性算法提高了原有算法的扩展性和有效性.最后,该文用Irish Educational Transitions Data作为算法的实例数据,分别分析了面向属性归纳方法从数据库中学习特征化规则和分类规则的方法,学习结果显示了算法的快速有效和适用性强的优点.