数据库中的知识发现(KDD)是将未加工的数据转换为有用信息的整个过程,而数据挖掘是其不可缺少的一部分。数据挖掘是一个多学科交叉研究领域,它将传统的数据分析方法与处理大量数据的复杂算法相结合,为探查和分析新的数据类型以及用新方法分析旧有数据类型提供了令人振奋的机会。分类是具有广泛应用领域的数据挖掘算法之一,它是对一个事件或一组对象进行归类,通过对训练数据集的挖掘获得分类模型。用分类模型能够分析已有的数据,还可以用分类模型来预测未来趋势。决策树是一种典型的分类算法,它可以从一组无次序、无规则的事例中推理出决策树表示形式的分类规则。OLE DB for DM规范是Microsoft为数据挖掘市场提供一个工业标准而提出的一套API。OLE DB for DM规范的提出使数据库应用程序的开发者能够在他们的数据库中构造数据挖掘模型,并用这些模型来完成大量的预测和分析任务,以及和其它的应用程序来分享这些模型。本文在对热连轧精轧机组数据进行分析处理后,采用Visual C++ 6.0与OLE DB for DM规范相结合,使用SQL Server数据挖掘解决方案生成决策树,并根据决策产生式规则本身的特点,提出了基于关系数据库的决策树规则存储模型,以及规则的提取方法。本文提出的数据挖掘系统的应用模型设计方法、开发步骤及数据表现形式,对基于SQL Server数据挖掘的设计及开发工作具有一定的参考价值。