Диссертация посвящена вопросам автоматизированного формирования знаний из данных, распознаванию скрытых закономерностей (образов, паттернов) и моделированию принципов их представления на основе формальных логик. В диссертационной работе получил дальнейшее развитие метод генерации агрегированных ассоциативных правил на основе объединения ветвей дерева покрытий. Это позволяет находить логические закономерности в данных для небинарных признаков. Проведен сравнительный анализ характеристик простых и агрегированных ассоциативных правил и показано, что агрегированные ассоциации обладают более высоким уровнем поддержки и доверия. Приведены данные тестирования разработанной программы и показаны ее преимущества перед существующими программными продуктами. Показано, что время работы растет нелинейно с увеличением количества обрабатываемых записей в базе данных, что связано с особенностями работы алгоритма, реализующего предложенные методы.