数据挖掘是近年来发展起来的新技术，通过数据挖掘，人们可以将知识发现的研究成果应用于实际数据处理中，为科学决策提供支持。目前数据挖掘逐渐发展成为一个多学科领域，涉及到多方面的技术，特别是和计算智能方法的结合越来越紧密。 本文首先介绍了数据挖掘的基本概念、任务、功能、应用及发展方向等。接着介绍了关联分析的基本概念、分类及经典的Apriori算法思想。然后，提出了一种基于双向关系的优对关联关系的挖掘算法。并详细介绍了这个规则的数学描述及数学关系，最后给出了算法，并用实例验证了算法。聚类算法是数据挖掘中的核心技术之一，在整个数据挖掘过程中有着非常重要的作用。聚类算法的选择取决于聚类的数据、聚类的目的和应用。本文通过对数据挖掘技术中的常用聚类分析方法进行了详细的对比，并从综合评价聚类算法的几个方面对常用的聚类方法作了比较分析。在此基础上提出一种改进的K-Means算法，主要是改进原来的算法对孤立点比较敏感的缺点。最后介绍了遗传算法的基本概念、数学理论和实现技术等，然后结合遗传算法的全局寻优能力和聚类分析的局部搜索能力，提出了一种混合的聚类算法。该算法能很好的改进聚类，从而得到较佳的聚类结果。