数据挖掘已经在许多行业的决策支持中起到关键的作用。其中,关联规则数据挖掘是数据挖掘中成果颇丰的研究分支,从各种事务数据库中发现的关联规则可以帮助许多决策的制定,对关联规则挖掘的研究已经成为数据挖掘领域的一个重要研究方向。本文在研究数据挖掘、关联规则挖掘技术的基础上,分析推导出一条频繁项集潜在的性质,并应用这条性质对Apriori算法进行了初步改进。从获取用户具体挖掘需求的角度出发,提出了兴趣项集、规则范式的概念,并在这两个概念的基础上对Apriori算法再次改进。然后,在综合这两个改进算法的基础上,提出了I_ Apriori挖掘算法。随后,依据遗传算法具备高效全局优化的优点,提出了基于遗传算法的Algorithm_BasedGA挖掘算法。最后,针对一个具体的关联规则挖掘的应用实例,设计了并实现了挖掘系统,核心挖掘算法分别使用Apriori算法、I_Apriori算法、Algorithm_BasedGA算法。结果表明两种改进的算法的正确性和有效性,而且运行时间的对比上在整体上优于以Apriori为代表的传统的关联规则挖掘算法。