数据挖掘是一个包括数据库技术、人工智能、机器学习、神经网络、统计学、模式识别、知识库系统、知识获取、信息检索、高性能计算和数据可视化等多学科领域的新兴技术。信息技术的迅猛发展使得各个领域的数据量激增，数据挖掘给人们提供了一种新的认识数据、理解数据的智能手段。关联规则是数据挖掘的一种重要模式，有着广泛的应用。本文在研究关联规则挖掘技术的基础上，提出了基于布尔型数据库关联规则挖掘算法，在此基础开展了基于关联规则的学生成绩研究。 数据挖掘致力于数据分析和理解、揭示数据内部蕴藏知识的技术，它成为未来信息技术应用的重要目标之一。经过十几年的努力，数据挖掘产生了许多新概念和方法。特别是最近几年，一些基本概念和方法趋于清晰，它的研究正向着更深入的方向发展。像其它新技术的发展历程一样，数据挖掘技术也经过了概念提出、概念接受、广泛研究和探索、逐步应用和大量应用等阶段。Apriori算法是关联规则挖掘的典型算法，是一种有候选项目集的迭代算法。针对Apriori算法的一些不足，可以采用基于散列、基于数据分割和基于采样等方法提高运行效率。 结合关联规则的性质和布尔向量的关系运算思想，提出了基于布尔型数据库的关联规则挖掘算法(ABBD)。实验结果证明该算法是可靠的，并且有较高的效率。根据本人所从事工作的特点，在充分分析业务需求的基础上，设计了面向中考成绩的关联规则挖掘系统，采用基于布尔型数据库关联规则挖掘引擎，对北京市2006年近13万条中考成绩进行了挖掘，得到一些有用的规则，并将这些规则运用到实际工作中。在数据挖掘过程中，如数据分类，数据离散化，规则解释等方面引入了专家系统，提高了数据挖掘工作的实用性和针对性，是对数据挖掘工作应用方式的一种有效探索。