数据挖掘中的关联规则挖掘是一个非常重要的研究课题,广泛的应用于各行各业,既能够验证行业内认可的规律模式,还可以发现隐藏在海量数据背后的规律模式,为各行业用户的决策提供更准确、更可靠的支持。随着数据库应用的不断扩展,数据采集的速度和存储量不断增大,使得传统的关联规则挖掘算法无法适应现在数据维数和空间的激增,因此,研究具有更高性能的关联规则挖掘算法,具有非常重要的理论价值和现实意义。本文介绍了数据挖掘技术的产生和发展轨迹,分析了经典的关联规则挖掘算法——Apriori算法,全面详细的描述了该算法定义及实现过程,并分析了该算法的优点以及存在的不足之处。针对Apriori算法存在的效率低、挖掘规则简单的缺陷,提出了一种基于Apriori算法的改进型算法ME-Apriori算法,该算法克服了Apriori算法的瓶颈问题,实验表明,改进算法的性能得到了显著提高。最后将改进算法应用到4S店的汽车故障关联挖掘中,分别从单层次汽车故障关联规则和多层次汽车故障关联规则两方面进行挖掘,取得了良好的挖掘效果。