数据挖掘是指从大型数据库或数据仓库中提取隐含的、先前未知的、对决策有潜在价值的知识和规则。它是人工智能和数据库发展相结合的产物,是目前国际上数据库和信息决策系统最前沿的研究方向之一。 其中,关联规则挖掘是近几年研究较多的数据挖掘方法,应用也最为广泛。文中详细介绍了关联规则的基本概念、性质及其经典算法。现有的关联规则挖掘算法和模型主要是基于数据库或数据仓库的,采用集中式处理。随着分布式数据库和网络技术的发展,它们不能满足分布式数据挖掘的需要。分布式关联规则的挖掘就是在这样的背景下提出的。 本文详细介绍和分析了分布式关联规则挖掘FDM算法。在分布式数据环境下,频繁集计算和网络间的通讯代价是挖掘算法的瓶颈所在。从这个角度出发,文中给出了解决方案。通过事务剪枝、采用数组链表相结合的数据结构存储候选数据集来改进频繁集支持数的计算;增加挖掘服务器站点来完成各站点间的结果收集、计算和广播,候选集的上界剪枝等任务,并控制整个挖掘过程中的同步运算,减少了网络间的信息传输量。在改进FDM算法的基础上,本文引入分布式对象技术,提出开发基于CORBA规范的分布式关联规则挖掘系统。给出了系统总体设计框架,讨论了系统实现所涉及到的关键技术。