随着现代信息技术的迅速发展,许多领域都积累了大量的数据。我们渴望发现这些数据中的知识与规律。正是这一需求造就了数据挖掘学科的兴起及数据挖掘技术的发展。作为一个多学科交叉的综合性领域,数据挖掘涉及了数据库、统计学、机器学习、高性能计算、模式识别、神经网络和数据可视化等学科。时态数据挖掘研究己成为一个热点, 时态关联规则挖掘是数据挖掘研究的一个重要分支,它探讨了数据库中数据之间潜在的关联或相关关系。目前国内外对于时态关联规则的研究多侧重于同一维中研究,而多维关联规则的研究很少考虑时间约束。基于这些不足,本文着重分析研究了以下几个方面的内容: ⑴阐述了时态关联规则研究的不足,提出了本文研究的内容。⑵在时间粒度研究的基础上,构建了多维时态关联规则模型,它适用与同一维和不同维之间的关联。⑶研究了多维时态关联规则挖掘的理论、算法,并进行了数值实验。⑷在前人的周期关联研究的基础之上,提出近似周期关联规则的概念,并对该类规则的理论、算法和数值实验进行了研究。本文获得的主要研究成果如下:1.提出了一个多维时态关联规则的算法。2.在时态关联规则的生命期的基础上,提出了生命间隔时间长度的概念及算法。3.在周期关联规则基础上,提出了近似周期关联规则的概念和一个算法。