AFS理论即公理模糊集理论是一种新的模糊数学分析方法，是刘晓东教授于1995年提出的。AFS理论针对一直广泛争论的模糊集理论的最基本问题：模糊概念的隶属函数的科学、严密、统一的确立方法和正确表示人类思维逻辑的模糊逻辑运算，进行了深入的研究和探讨。AFS理论给出了依据原始数据和相关信息确定隶属函数的算法。AFS模糊逻辑比现有的模糊逻辑更接近于人类思维逻辑，应用它可直接在原始数据和相关信息上建立更准确地描述现实世界智能系统的模型。这种可被自然语言描述的模型更易于人类理解，为进一步研究人类智能、建立复杂智能系统模型并对其分析和控制提供更加有效的研究方法。目前，AFS理论被进一步研究并已经被应用到模糊聚类分析、模糊决策树，信用分析、模式识别和故障诊断等领域。 本文将AFS模糊逻辑分类算法与模糊关联规则结合，对基于AFS模糊逻辑的分类器做进一步研究。文中使用了AFS模糊逻辑分类器的思想和模糊关联分类器设计的方法，将模糊关联规则应用于AFS模糊逻辑的分类器设计之中，还对模糊关联规则在分类中常用的支持度度量进行了修改，使其更具合理性。通过在五个UCI(University of California，Irvine)数据集上应用MATLAB程序进行实验，验证了分类器的性能，并给出了确定参数的一个简单方法。最后，将得到的实际数据的分类准确率与已经提出的一些分类器的分类结果进行比较，实验结果说明该算法具有很好的分类效果。