随着现代数据库技术的不断发展及其广泛应用,数据库中的数据量和复杂程度急剧增加,急需一种技术描述和发现这些日益重要的数据所包含的信息,以及它们之间的关系。数据挖掘正是这种用来从数据中抽取未知的、潜在有用的模式和关系的方法,以被广泛地运用于商务管理、生产控制、市场分析、工程设计和科学探索等。规则是数据库中模式之间的关系的一种描述,它是数据挖掘中的一个重要领域。一般情况下,规则分为两种,即事务数据库中为解决市场篮子问题的关联规则,以及关系数据库中用来预测的分类规则。本文主要关注的是用关联规则方法挖掘分类规则,即分类关联规则。关系数据库的数据密度通常大于事务数据库,用关联规则方法在关系数据库中挖掘分类关联规则,将会遇到很多困难,比如冗于规则过多。鉴于此,本文提出了一个最优分类关联规则算法——OCARA。该算法使用最优关联规则挖掘算法挖掘分类规则,并对最优规则集排序,从而获得一个分类精度较高的分类器。将OCARA与传统分类算法C4.5和一般分类关联规则算法CBA、RMR在8个UCI数据集上进行实验比较,结果显示,OCARA具有更好性能。证明OCARA是一个有效的分类关联规则挖掘算法。另外,在不完整的关系数据库中,维度较高时,将显著增加挖掘分类关联规则集的规模和挖掘规则所用的时间。本文提出了基于粗糙集理论的快速ORD关联规则挖掘算法,该算法首先采用基于粗糙集理论的属性约简算法进行属性约简,然后采用高效的冗余项集和冗余规则修剪算法——ORD算法获取规则,实验表明该算法具有良好的性能。