数据挖掘就是从巨量数据信息中获取有意义的知识的过程，目前已经成为一个研究的热点。分类规则挖掘是数据挖掘的一个重要研究领域。在分类规则挖掘中人们通过对历史或已知数据的分析，获得对未来或未知情况判断和预测的依据。属性约简、分类规则提取、数量属性离散化是分类规则挖掘的三个方面。 本文所做的主要工作如下： (1)根据粗糙集理论是处理含糊性和不确定性数据的一种主要数学工具，提出了基于粗糙集理论的可辨识函数的属性约简算法。该算法可以计算出信息系统的所有可能约简，及最佳约简。 (2)提出了基于可辨识函数的分类规则提取算法。该算法能挖掘出简单、通用、易理解的决策规则。 (3)根据进化计算的极强鲁棒性及寻优能力，提出了基于进化计算的数量型属性离散化算法—进化C均值算法。该算法能为数量属性找到最佳或近似最佳的分割点。