形式概念分析理论因其严格的概念定义、清晰的概念间格结构关系,成为知识发现的重要方法。在此基础上,属性拓扑理论着重强调了属性间二元关系,突出了概念计算的可视化,有序化,并行化。形式概念作为关联规则的一种形式,注重属性对象间的充要联系,这一要求有时过于严格。因此,有必要引入其他类型的关联规则,丰富属性拓扑理论。属性间关联规则可以分为多种,例如基于频繁度的频繁关联规则,基于局部重要度的偏序关联规则,基于粒度层次结构的粒度关联规则,以及基于必要性的因果关联规则、基于充要性的形式概念等。基于此,本文做了以下工作:首先,提出了属性拓扑频繁关联规则挖掘。利用属性间二元关系特征证明了属性拓扑与频繁模式树可以实现双向转化,并给出了相应转化算法,利用经典的频繁模式树模型,完成了属性拓扑中频繁关联规则的挖掘;利用属性拓扑可视化特性,给出了属性拓扑频繁关联规则可视化挖掘算法。其次,提出了属性拓扑偏序关联规则挖掘。利用属性间二元关系等价变形,证明了属性拓扑与属性偏序二元转化的数学可行性,并在此基础上,给出了属性拓扑与属性偏序双向转化算法,最终实现属性拓扑中偏序关联规则挖掘。最后,提出了属性拓扑粒度关联规则挖掘。给出了拓扑粒的定义,给出了属性拓扑粒度结构分析方法。在多粒度层面,实现了拓扑粒内部和拓扑粒之间关联规则的分析与提取。这三方面互相补充,互为支撑,初步构建起了较为完整的属性拓扑关联发现算法体系。