自顶向下的模糊模式树(Pattern Tree Top-down,PTTD)是一种基于相似性度量的模式树归纳方法，在构建过程中采用集束搜索策略，以贪婪方式搜索候选树空间，导致模型构建时间较长。为了解决这一问题，提出一种基于模糊规则插值技术的PTTD优化方法(PTTD-FRI)。首先，设计了一种新的搜索优化策略，简化了模型构建的搜索空间，构造稀疏规则库；然后，提出了一种模糊模式树规则转换方法，将复杂的模糊模式树拆分为多条仅包含三角范数的模糊规则，并用三角余范数聚合；最后，引入模糊规则插值模块，通过简单的计算，进一步完善规则库，提升分类性能。实验结果表明，PTTD-FRI在保持相近分类准确率的情况下，有效提升了模型训练效率，降低了模型复杂度。