随着信息技术的飞速发展,数据挖掘在许多领域所起的作用越来越重要。在数据挖掘的各个分支中,关联规则挖掘和分类挖掘是两个高度活跃的领域,其应用范围也非常广泛。而关联规则挖掘和分类挖掘之间具有相似性——挖掘相关性强的项目集。因此,可以利用关联和分类的相似性用关联挖掘算法来完成分类任务,这种分类算法就是关联分类挖掘算法。在此基础上,本文提出了一种新的关联分类算法—基于 CFP-tree(Classification Frequent Pattern tree)的分类算法。 本文首先阐述了各种分类和关联挖掘的相关理论和算法;其次介绍了传统的关联分类算法 CBA 和 CMAR;最后提出并详细论述了新算法—基于CFP-tree(Classification Frequent Pattern tree)的关联分类算法。 新算法把分类信息添加到FP-tree中形成分类频繁模式树CFP-tree。CFP-tree用于存放数据库中的分类频繁信息。构建好CFP-tree以后只需针对类别属性的每个值分别自底向上构建不同的被约束子树,由于频繁模式的挖掘是针对被约束子树的,因此在CFP-tree中不存在指向同名的特征属性的链表;由于被约束子树比原来的CFP-tree树小的多,算法是在被约束子树上发现分类频繁模式并同时输出分类规则,因此减少了算法中指针的数量,提高了算法的效率。本文最后通过大学生智能评估系统给出了算法在教育信息系统中的应用实例。