本文全面地讨论了清晰规则，模糊事件，模糊规则的信息量，并将这些新的度量公式成功地应用于数据挖掘。 　　本文详细讨论了清晰规则信息量的度量，讨论了n元关系的信息熵及其相关性质，利用关系的信息熵给出了一个新的决策树学习算法。，回顾了与规则相关的诸多度量，我们发现，所有这些度量均孤立地讨论规则的前件与后件间的因果关系，忽略了规则本身存在于知识系统中，要全面度量规则的信息，便需将规则放回到知识系统中这一道理，提出了规则的条件信息量，规则的独立性，规则库的信息量，规则的泛化度等全新的概念，并分别给出了度量公式。这些概念都将在后面的章节中得到应用。 　　本文给出了一系列关于最大泛化规则生成的算法，提出了两种新的规则提取算法，给出了一系列量度，以决定离散化过程中属性的顺序和节点的选择，并在此基础上给出了两种离散化算法，讨论了约简的信息内涵。 　　本文集中讨论了模糊事件的信息量及模糊规则的信息量，给出了一种连续论域下比较模糊事件信息量的办法，讨论了规则的关联信息量，对可能性规则作出了新的定义，认为只有信息量为正的规则是可能性规则，而信息量为负的规则即使条件概率大于零也是不合理规则。基于信息的观点，我们对规则的置信度、规则中属性的可约性做出了新的定义，并进一步提出了新的规则提取算法LEI和规则约简算法LRR.