关联规则的挖掘就是为了在大量的数据集中发现关联知识,它是数据挖掘最先研究的问题之一,也是数据挖掘的一个重要研究方向。多维关联规则作为关联规则研究的一个重要分支,在商业领域不断获得广泛的应用。因此,近年来得到了迅速的发展,成为了近年来研究的热点。同时,近年来人们将联机分析(OLAP)技术应用在多维关联规则算法的研究上,提出了许多基于OLAP数据立方体的多维关联规则算法。利用OLAP对多维挖掘的钻取、切片、统计等操作能显著的提高多维关联规则算法的效率。本文在研究多维关联规则算法时,运用了Mondrian来作为OLAP引擎。Mondrian是用Java实现的解释执行MDX语言的解析器。它和表现层工具JPivot组合形成了在OLAP领域被广泛运用的OLAP Server架构。由于它可以较为方便地被集成在各个软件工具,在异构系统架构的数据仓库环境下,支持各种后端数据库。因此,它作为灵活方便的实现策略,为多维关联规则算法提供支持,以提高多维关联规则算法的效率。本文提出的在基于Mondrian平台上结合经典的关联规则算法(Apriori)的多维关联规则挖掘算法(MApriori)能有效地解决传统Apriori挖掘算法运行速度慢,需要产生大量的候选集,频繁扫描数据立方体以计算支持度的缺点。通过实验证明,基于Mondrian平台的MApriori算法对挖掘多维关联规则是有效的和稳定的,而且比传统的Apriori关联规则算法具有更好的性能。最后,本文将基于Mondrian平台的MApriori算法实际运用在高速公路交通事故领域,用来挖掘出造成交通事故的一些主要影响因素,进一步验证了MApriori算法的实际应用价值。