本文的主要工作就是针对连续实值属性的分类问题，提出了一种利用神经网络产生加权模糊产生式规则的新方法。主要工作分为三方面：一、将数据库中的知识转移到神经网络中。这可通过神经网络的学习来做到，但为了神经网络中隐含的不易理解的知识转化为IF-THEN形式的易于理解的规则知识，这一阶段对神经网络的建立和训练进行了分析，给出了相应的方法，通过此方法建立和训练得到的神经网络结构简单，隐含节点个数少，这有利于将其中蕴涵的知识转化为规则知识。二、将神经网络中隐含的不易理解的知识转化为易于理解的表示能力更强的加权模糊产生式规则知识。通过对连接权重的分析，构造重要性指标矩阵来表示某属性值对某类别的重要程度，进而产生加权模糊产生式规则。文中提出了从神经网络中抽取加权模糊产生式规则的方法和步骤。