“数据爆炸、知识贫乏”是信息时代所面临的一个严峻的问题,数据挖掘是解决该问题的一种十分有效的手段。数据挖掘就是数据库中的知识发现,是从海量数据信息中挖掘出潜在、有用知识的过程。该技术能发现隐含的、先前未知的、对决策有潜在价值的知识以指导实际问题的求解,因此对数据挖掘技术的研究有着重要的应用意义。本课题着重对关联规则挖掘算法进行了研究,详细探讨了关联规则挖掘中经典的Apriori算法,介绍了它的基本原理,存在的不足和算法发展的瓶颈。针对算法的缺陷介绍了已经存在的改进算法,如采样方法、划分方法和散列方法等。然后对Apriori算法的两个主要不足之处,即产生大量候选集和大规模数据库在挖掘过程中保持不变,介绍三种方法,以求能降低算法的时间复杂度。1、减小候选集算法。挖掘过程中产生大量候选集,在访问数据库统计候选集的支持数之前,运用新的算法减小候选集数目,从而减小访问数据库的次数。2、精简数据库算法。随着挖掘过程的不断深入,数据库中有些数据记录可能不再需要,因而我们可以删除无用的数据记录。不断减小数据库的规模,减小访问数据库的次数。3、数据的垂直表示方法。扫描数据库得到频繁一项集,同时将数据从水平格式变成垂直格式,此后的频繁集产生不再需要访问数据库。