关联规则是数据挖掘中的一个比较活跃的分支,它用于发现数据库或数据仓库中潜在的、对用户感兴趣的信息。本文在分析目前关联规则挖掘算法中存在的不完善之处的基础上,提出了各种改进方法,取得了一定的效果,研究内容主要包括:(1) 引入最优支持度和最优置信度的概念,使得在特定环境下可以挖掘出最需要的关联规则,产生预期的决策效果。(2) 提出了一种改进的关联规则并行挖掘算法,通过减少库扫描次数和减少候选项目集数目来提高算法的效率。新算法具有较好的扩展性。(3) 提出了一种加权关联规则的并行挖掘算法,通过给每个项目赋予不同的权值来标识数据库或数据仓库中项目的不同重要性,使得算法更切合现实,从而发现用户需要的关联规则。(4) 研究了数值属性关联规则的挖掘算法,利用数据本身的特性来划分区间,然后将划分后的区间映射为布尔属性,最后发现用户感兴趣的关联规则。理论分析和仿真实验证明了本文中方法的正确性和有效性。