信息时代的来临,带来大量的数据。这些数据中隐藏着许多重要的信息和知识。如何从表面数据中提取到深层次的、表现了事物内在规律的规则来进行预测或指导决策,是迫切需要解决的问题。数据挖掘正是在这样的背景下产生的新的研究领域,是统计学、计算机科学、模式识别、人工智能、机器学习、数据库等多领域的交叉学科。规则提取是数据挖掘领域的一个重要课题。本文就数据挖掘中的规则提取问题进行了相关的研究。首先,讨论了连续属性离散化问题。连续属性离散化是否合理决定着表达和提取相关信息的准确性。CHI2系列算法关联着统计学理论方法,有着重要的研究价值。在对CHI2系列算法中统计量x 2应用意义讨论的基础上,提出了一种新的Intelgal-CHI2算法,能够更合理更准确的对连续属性进行离散化。其次,研究以免疫算法为工具对信息系统进行规则提取。在免疫算法中结合了小生境技术的共享机制,利用了共享机制中对资源的共享和竞争原理,体现了规则之间竞争与互补的关系。针对普通可信度度量方法的不足,提出了柔性可信度的概念和度量方法,能够获得更好的规则。最后,本文研究了从神经网络中进行规则提取的问题。神经网络是一种非常好的数据挖掘工具,具有良好的非线性处理能力。但神经网络学习到的信息是蕴涵在大量的连接权中,很难被理解。本文提出了一种基于神经网络的、对信息系统进行规则提取的新方法。该方法是多项式级的,并且可以处理离散型变量。