鉴于关联规则挖掘算法是信用卡市场营销中应用最广泛也是最重要的算法,本文对普遍应用于信用卡市场营销中的关联规则算法——Apriori算法进行了分析、研究,发现Apriori算法存在着产生大量候选集、扫描数据库次数多、运行效率不高等缺点。针对Apriori算法的固有缺点,本文提出了Apriori算法的改进算法——FP_growth算法,通过实验证明FP_growth算法相对于Apriori算法具有:不产生候选集、运行速度快和扫描数据库次数少等优点。在充分验证了FP_growth算法高效性的基础上,本文结合关联规则FP_growth算法对数据挖掘在信用卡客户消费行为和个性化营销中的应用进行了深入研究,并提出了新的信用卡市场营销策略。同时,针对新形式下,信用卡市场营销业务出现的新特点,特别以网络发展为支撑的网上业务和手机业务的相继出现,传统的基于C/S结构的数据挖掘模式已无法满足信用卡市场营销业务需求的问题,提出了基于B/S结构的信用卡数据挖掘方法。最后,本论文将FP_growth算法应用于基于B/S访问结构的信用卡市场营销挖掘系统。