频繁项集挖掘是数据挖掘的重要应用，但庞大的频繁项集数量限制了其实际应用。为减少频繁项集数量，使其更易于应用，提出一种基于格结构的频繁项集精简模型，并证明该方法产生的支持度误差范围。在此基础上，提出模糊等价类精简表示算法FEC。实验结果表明，该方法在显著减少频繁项集数量的同时，能有效控制支持度误差，与Index-Meta算法相比，产生的支持度误差更小。因此，基于模糊等价类的频繁项集精简表示模型及FEC算法具有较高应用价值。