随着数据库的增加和数据量的不断增长,数据挖掘已成为从数据库中获取有用知识的重要手段,其中,关联规则挖掘其中的一个重要分支,它侧重于挖掘数据库中项集之间的关联或相关联系.根据关联规则挖掘的数据集的不同,可以将关联规则挖掘技术分为两大类:布尔关联规则挖掘技术和量化关联规则挖掘技术.布尔关联规则挖掘技术研究仅包含二值属性的数据集中的关联规则挖掘;量化关联规则挖掘技术研究包含分类属性或量化属性的数据集中的关联规则挖掘.传统的关联规则挖掘算法及其改进算法通常用来挖掘布尔关联规则;这些算法需多次扫描数据库,产生候选项集,并在此基础上产生用来提取关联规则的频繁项目集.该文提出一种改进的关联规则挖掘算法,只需扫描数据库一次,且不产生候选项目集;算法的性能较传统的关联规则挖掘算法有很大的提高.对关系数据库应用布尔关联规则算法挖掘关联规则,是量化关联规则挖掘技术要解决的问题.该技术的中心问题是量化属性和分类属性的离散化.在完成了数值属性的离散化之后,量化关联规则挖掘问题就转化为布尔关联规则挖掘问题,可以应用布尔关联规则算法来对预处理后的数据集进行挖掘.另外,现实世界的数据库中的噪音数据干扰了数据挖掘获得真实有趣的知识.数据预处理技术的使用使数据挖掘可以在不同层次上来获取相关知识.将数据预处理技术应用到量化关联规则的挖掘上是该文研究的另一个问题.该文重点讨论利用基于概念分层的离散化技术处理关系数据库,进行量化关联规则的挖掘.