数据挖掘是近年来发展快速的信息处理新技术，如何有效地从高维的、超大规模数据中提取隐藏的有用信息，是该领域的研究核心。针对海量数据的挖掘分类问题，将粗集和神经网络紧密结合建立一种新的高效数据挖掘模型，即利用粗糙集理论中的知识简化方法，去掉冗余的属性特征和样本，然后，利用性能优良的模糊kohonen 聚类神经网络进行聚类分析，最后形成分类规则。该模型充分融合了粗集强大的规则提取能力和神经网络优良的分类能力。实验证明模型具有很好的分类效率，且有较高的精确性。