为处理模糊信息，1965年Zadeh 提出了Fuzzy 集理论，之后Fuzzy 集理论得到不断发展和完善，并成功应用于数据挖掘领域，相应的基于Fuzzy 集理论的数据挖掘算法研究较多并运用于实际工程项目中。但是，在随后的研究中有学者指出这种单值的隶属度也有不足，为了可以处理这类Fuzzy 集无法表示且具有模糊性信息的问题，1993年台湾学者Gau和Buehrer 提出了Vague 集理论，Vague 集可视为Fuzzy 集的推广，Fuzzy 集是Vague 集的一种特殊情况，它具有更强的表达数据模糊性和不精确性的能力。　　 论文研究基于Vague 集的关联规则算法，定义了基于Vague 集的关联规则，定义了新的基于Vague 集的Vag u e 支持度和Vague 置信度。在数据缺失下的布尔关联规则挖掘中，用Vague 集来处理数据缺失部分的信息，使关联规则的数据挖掘更符合实际要求，并给出了一种新的基于Vague 集的布尔关联规则挖掘算法VagueApriori算法，该算法将传统的布尔关联规则挖掘模型解决问题的范围扩大，可以处理数据缺失下的布尔关联规则挖掘问题，也能处理传统的布尔关联规则挖掘问题。最后，将VagueApriori算法进行了实现，采用C＃语言编程实现该算法的核心部分以及与用户的交互操作，并对该算法的性能进行了简单的实验分析，最后通过一个实例来对VagueApriori算法进行检验和验证。　　 此外，论文通过研究Fuzzy 集上的直接聚类法，从而将Fuzzy 集上的直接聚类法推广到Vague 集上，给出一些建立Vague 相似关系的方法，分别用Matlab的M 语言编程实现这些计算过程，在给出几种构造Vague 集相似矩阵方法的基础上，将Fuzzy 集上的编网法和最大树法引入到Vague 集上，定义了Vague 关系图，并给出了基于Vague 集的Vague 直接聚类法：Vague 编网法和Vague 最大树法，然后将Vague 集上的Vague 直接聚类法与Vague等价聚类法进行对比研究。　　 最后，通过一个实例的对比分析验证了Vague 集上的Vague 直接聚类法比Vague集上的Vague等价聚类法计算更加简单，不会造成原始信息的失真，比Vague传递闭包法更加有效，分类粒度更细。