数据挖掘是致力于数据分析和理解进而发现数据内部蕴含知识的技术。关联规则挖掘作为数据挖掘领域的一个重要研究分支,其主要目标就是发现数据库中项目之间的相关联系。近年来,关联规则挖掘已经成为数据挖掘技术中的一个研究热点,其成果被广泛应用于市场营销、商业决策和政务管理等领域。在关联规则挖掘的研究中挖掘算法的研究是重点。目前的关联规则挖掘算法仍存在不足和局限性,本文着重对关联规则挖掘Apriori算法进行了研究和改进。论文首先对数据挖掘技术作了介绍,其中包括数据挖掘的基本理论、数据挖掘的功能、以及数据挖掘的应用和目前数据挖掘技术面临的一些问题。然后,在此基础上对关联规则挖掘Apriori算法做了深入研究和分析,并结合具体实例阐述了Apriori算法的执.行过程,指出Apriori算法存在的不足和局限性,针对传统的频繁项集挖掘算法中存在着产生大量候选项集、多次搜索数据库查找候选项集支持度等问题,本文提出了基于有向关联图的频繁项集挖掘算法。该算法的基本思想是基于二进制编码技术将原始数据库中的信息储存在有向关联图中,通过对有向关联图的深度优先搜索找出数据库中所有的频繁项集。算法在执行中只扫描数据库一次,减少了I／O操作。同时结合实例对该算法的执行过程进行了详细阐述,并给出了基于有向关联图算法的时间和空间复杂度。最后,在使用Visual C++语言编程实现算法的基础上,采用三组数据集进行实验测试,并对测试结果进行了分析。