故障诊断与定位是现代网络管理的核心，当网络发生故障时，需要及时找到网络发生故障的位置和故障原因，以便快速地排除故障，恢复网络功能。在现代网络中，由于网络告警分为不同的级别，并且不同QoS要求业务对告警处理的程度也不同。告警相关性分析在网络的故障管理中占据了重要的地位，数据挖掘为告警相关性分析获取提供了新途径。 本文重点研究了数据挖掘在网络告警中的应用，主要是应用了加权关联规则的数据挖掘方法，包括告警预处理过程、加权关联规则的数据算法、规则的后处理、网络告警的数据挖掘系统的仿真验证。首先采用了用时间窗口及滑动步长思想解决告警时间同步问题，是将同一时间窗口内的告警看作了一个整体的告警事务，提取告警中反映网络故障的告警字段组成告警的事务项，并采用告警压缩的方法删除了冗余告警，从而实现了专家系统来进行告警的预处理。 在已有加权关联规则挖掘算法的基础上，针对网络的告警信息量大、告警具有突发性的特点，提出一种基于频繁模式树的加权关联规则挖掘算法—WFPTA算法。算法的优点是不需要重复多次地遍历数据库，无需递归进行条件频繁模式树的构建。算法的性能测试结果表明：该算法在运行的效率及占用内存空间上与MINWAL(0)算法相比都有了很大的改善。 最后，本文在冗余规则、结构化规则涵盖集的基础上，提出一种定量化规则后处理算法。算法能够有效的删除在一定条件下的有冗余、信息重复的规则。 基于数据挖掘的网络告警挖掘系统的仿真验证表明，该系统能够有效快速地挖掘出反映一定网络故障的告警关联规则，并形式简洁、信息完备的告警规则呈现给用户，对网络告警相关性分析及网络故障的诊断定位有一定的意义和实用价值。