数据挖掘（Data Mining）是数据库最活跃的领域之一。由于其广泛的应用背景和现实的意义，使得数据挖掘的技术和应用获得了突飞猛进的进展，日益引起国内外学术界和产业界的广泛关注。 关联规则（Association Rules）的挖掘是数据挖掘领域中一个重要的研究方向。关联规则可划分为多种类型，其中多维关联规则的挖掘目前倍受重视。多维关联规则（Multi-dimensional Association Rules）不仅考虑项集之间的关联，而且将事件发生的环境信息（如时间、位置等）考虑进规则的挖掘，从而为传统规则挖掘赋予新的含义，提供更为准确的参考信息，同时也提出新的挑战。 本文主要对多维关联规则的挖掘展开研究，主要包含两个内容：1）提出发现多维关联规则中频繁项集的基本算法MB。该算法采用项扩展的方法， 维保持不变，除项最后一个元素不同外，其余都要求相同，这样生成高阶候选 项集。为提高效率，采用了索引树的数据结构。在高阶候选项集生成之后，为 其建立该数据结构，其中，维为树枝，项构成叶子。在扫描数据库时，每读取 一个事务，便查找该树，如匹配上则为相应的项记数加1。2）向量挖掘算法：VM。该算法的求解过程描述如下：生成频繁2-项集时，采用 了hash技术来减少候选2-项集的生成。在挖掘频繁项目集的后期阶段，候选 K-项目集的集合己经很小，根据这个性质，我们对频繁2-项集引用了向量表示 的形式，通过其交运算生成所有的候选项目集，然后经过一次扫描数据库，便 可以得到所有的频繁项目集。节约了I/O时间。