数据挖掘是计算机科学的一个领域,目的是通过分析快速增长的商业、科学和工程数据来获取知识和其他利益,这个领域正在迅猛增长和发展。关联规则的挖掘是数据挖掘课题中的一个重要分支,它被用来描述事务数据库中属性间存在的潜在关系,近年来已经成为数据挖掘中一个相当活跃的领域。频繁项集挖掘是关联规则挖掘中的最重要的任务。本文对频繁项集的一种紧凑表示——最大频繁项集挖掘和如何在不丢失规则信息基础上减少关联规则生成数量问题进行研究。研究的主要内容包括以下几个方面:1.对有限个有限链直积下集极大元挖掘算法——Boundary算法进行了深入研究,它是一个深度优先算法,可以用在最大频繁项集这类具有位置格下集性质挖掘问题中。2.提出了一种用位置向量精确表示项目集的深度优先算法GMPV来挖掘最大频繁项集,算法中使用布尔矩阵方法来进行事务数据库映射,在频繁项集生成过程中通过超集存在检测和基于超集支持度计算等方法提高算法效率,通过实验验证了GMPV算法的有效性。3.在分析频繁基项集的定义和性质的基础上提出了频繁基项集挖掘的剪枝策略,设计了频繁基项集的挖掘算法,它可以用来进行极大布尔关联规则生成,并且根据极大布尔关联规则的性质简化了基于频繁闭项集和频繁基项集的极大布尔关联规则的生成算法。