在知识经济的时代,各种数据库中的数据繁杂却又蕴含重要的信息、知识.如何能最大限度的挖掘出有用的信息让其更好的服务于社会已成为人们普遍关注的问题.由刘晓东教授首创的AFS理论是从问题的原始数据出发用统一的算法建立起来的一种新的模糊数学分析方法.它由原始数据用AFS结构和AFS代数的运算以及其上的一个逆序对合运算建立模糊逻辑系统,用拓扑分子格刻划人类概念之间的抽象关系,使得隶属函数和模糊逻辑系统的建立更具客观性、严密性和统一性.自从模糊数学诞生以来人们所采用的隶属函数定义都是人为规定的,带有太多的主观因素,无法让人信服.AFS理论给出了不同于以往的全新的隶属函数的定义,这种定义方法相对客观、科学而且便于理解.这样就使得以AFS理论为基础的研究方法更加严密、客观.该文将AFS理论与格贴近度相结合应用于模糊推理规则,得到了一种新的基于AFS理论与贴近度的模糊推理方法.通过实例可以看出此种模糊推理方法十分符合人的直觉,与所给的表中数据十分接近,而且简单、可行,便于操作.将AFS理论与贴近度相结合对数据库的属性进行分析,得到了一种新的属性约简的方法.一个现实中的例子反映出这种方法的简易、准确、可靠.这种方法不受数据库中数据类型、数据形式的限制,这在某种程度上优于现在十分流行的粗糙集属性约简方法.有些数据库的属性粗糙集方法根本无从下手,不能进行约简,但该文中的方法却能轻松的进行各类数据库的属性约简,从而具有更大的广泛性和适应性.该文给出的基于AFS理论与贴近度的模糊推理规则提取及属性约简方法是以AFS理论为基础的,因而该文的方法客观性强,便于计算机分析数据及进行数据挖掘,从而更好的服务于社会和人类.