数据挖掘是从大量数据中发现潜在的、有趣的知识的过程,是解决“数据丰富,知识贫乏”状况的有效方法。关联规则挖掘用于从大量数据中揭示项集之间的有趣关联或相关联系,是数据挖掘的一项重要研究内容,在现实生活中有着广泛的应用。本文的主要研究内容是支持增量式挖掘的关联规则挖掘系统的构建及其在飞行品质监控中的应用。传统的数据挖掘方法面对“海量”数据时,仅仅是“在新的参数约束下重新执行一次”,与上一次的数据挖掘过程和结果没用任何联系,造成了计算资源的浪费。如何在变化了的数据集上开展数据挖掘过程也是研究者们不可回避的问题。“增量式”挖掘算法为解决可变数据集挖掘提供了一条可行的途径。本文主要做了以下的工作:实现了关联规则挖掘的经典算法,并通过大量实验进行了性能比较;借助粗糙集理论中的属性约简,对RSQR算法进行了改进,达到了增量式属性约简的效果;通过对关联规则挖掘的经典算法的性能比较,对H-mine算法进行了改进,提出了基于XML和H-mine的增量式挖掘算法IH-mine;最后将数据预处理和数据挖掘过程应用到飞行品质监控,验证了算法的有效性和正确性。本文研究表明,借助粗糙集理论的属性约简,基于XML和H-mine的增量式挖掘算法IH-mine表现出了较为良好的性能,具有一定的应用前景。