转载：目前基于符号处理的方法是解决分类规则提取问题的主要方法，而基于神经网络的连接主义方法则用的不多，其主要原因在于虽然神经网络的分类精度高，但难于提取其所隐含的分类规则与知识。针对这个问题，结合神经网络的具体特点，该文提出了一种基于神经网络的构造分类决策树的新方法。该方法通过神经网络训练建立各属性与分类结果之间的关系，进而通过提取各属性与分类结果之间的导数关系来建立分类决策树。给出了具体的决策树构造算法。同时为了提高神经网络所隐含关系的提取效果，提出了关系强化约束的概念并建立了具体的模型。实际应用结果证明了算法的有效性。