许多学者利用关联分类(Association classification,AC)技术来准确地帮助医生预测乳腺癌疾病,通过应用关联规则来加强分类过程。但大多数AC算法都受到规则评估过程中使用的估计方法以及属性级别的影响。该文提出了一个基于统计调和平均值的特征加权关联分类算法FWAC。通过统计测量技术进行剪枝,生成更准确的关联规则,以提高AC分类器的准确度。将FWAC与5个著名的AC算法(CBA, MMCAR, CARC, FACA和ECBA)在UCI机器学习数据库中的两个乳腺癌数据集上进行比较，实验结果表明, FWAC在该案例研究中优于其他AC算法,能生成更准确的规则。