随着信息技术的飞速发展,特别是数据库技术与应用的广泛普及,人们面临着迅速扩大的数据海洋。为有效利用这些丰富的海量数据为人类服务,数据挖掘技术应运而生。关联规则作为数据挖掘的一个分支已成为近些年来的研究热点。关联规则挖掘的工作主要是由两个步骤组成：第一,找出所有的频繁项目集；第二,由频繁项集生成强关联规则。在这两个步骤中,找出所有的频繁项目集是关联规则挖掘的最基本也是最重要的问题,一直是近些年数据挖掘领域的重要部分。本文介绍了频繁项集挖掘的基本概念,并对经典频繁项集挖掘算法进行了综述,在数据挖掘领域中增量式数据挖掘和数据流挖掘两个方面进行深入的研究。具体的研究工作如下：第一,关于增量式频繁项集挖掘,目前多数算法都是基于FP-tree的,本文提出的Pre-FIUT算法是通过引入频繁超度量树结构,提高了挖掘效率；我们基于次频繁项集思想使用了次频繁项增量地进行频繁项集挖掘,在一定程度上避免了再次扫描数据库。实验表明Pre-FIUT算法能快速扫描和更新数据,合理利用内存,精确获得频繁项集。第二,关于数据流的频繁项集挖掘,结合数据流的特点提出了一种基于滑动窗口数据流的频繁项集算法FIUT-Stream,FIUT-Stream算法将滑动窗口数据压缩在位表中,通过引入将数据分成等长的数据块的思想更新滑动窗口,使用改进的FIUT算法进行数据挖掘。实验表明,FIUT-Stream算法达到时间和空间相对均衡。本文上述两种挖掘算法,都属于频繁项集挖掘算法。两种算法基于静态挖掘算法,结合增量式数据和数据流的特征对FIUT算法加以改进,提高频繁项集的挖掘效率。