“数据爆炸、知识贫乏”是信息时代所面临的一个严峻的问题,而数据挖掘是解决该问题的一种十分有效的手段。该技术能从大规模的数据量中获取有用的信息,发现隐含的、先前未知的、对决策有潜在价值的知识以指导实际问题的求解,因此对数据挖掘技术的研究有着重要的应用意义。本文以数据挖掘中一个重要的领域——关联规则的挖掘为研究主题,理论结合实际应用对关联规则的挖掘方法进行了研究和分析。本文的研究工作主要包括以下四个方面:1.研究设计了“基于约束的最大频繁项集挖掘算法”,以解决数据量巨大,不能有目的,有侧重地进行挖掘的不足;2.研究设计了“基于频繁闭项集的增量式维护算法”,用于解决当数据库发生变化时,如何利用已发现的关键信息来快速地实现结果更新的问题;3.针对传统的数值型关联规则在挖掘过程中属性区间划分不尽合理的问题,本文深入研究了定性定量转换模型——云模型,对基于云模型的不确定性推理机制及云发生器的相应算法进行了研究;4.将理论方法与实际应用相结合,并且为了使挖掘出的结果有较易于理解的表现形式,本文设计了一种交互式的可视化方法,以帮助用户快速地对规则的意义进行判定。本文采用大量的数值试验对各章中所提出算法的正确性和有效性进行了充分的验证。本论文以数据库预研项目:“特通平台话单分析系统”为支撑,将研究设计的关联规则挖掘方法应用到该系统中,用于对话单数据中的关联规则进行挖掘,以发现潜在的,对决策有价值的信息。