随着信息时代到来,数据库存储信息量急剧增大。面对庞大的数据资源,人们需要功能强大的工具来“挖掘”其中有用的知识。数据挖掘(Data Mining,DM)正是在这个背景下而提出的新技术。数据挖掘又称为数据库知识发现,是从大量的数据中抽取未知的、新颖的、有效的及潜在有用的知识或模式的高级处理过程。关联规则挖掘是数据挖掘领域研究与应用的热点之一。Apriori算法是挖掘关联规则的经典算法。但Apriori算法仅仅考虑数据库中项出现的频率,没有考虑到数据库项属性及记录具有不同的重要性,所以挖掘的规则具有一定的局限性。针对这一问题,本文重点研究了加权关联规则,提出一种挖掘水平加权与垂直加权相结合的加权关联规则模型及实现算法。本文研究主要内容包括:①介绍了数据挖掘的发展和相关概念,研究了数据挖掘的过程、技术及应用,对其今后的发展进行了探讨。②研究了关联规则,讨论了Apriori算法,分析不产生频繁项集的FP-growth算法。③全面研究了加权关联规则,深入研究加权关联规则算法—MINWAL(O)算法,分析了水平权值归一化处理方法。④提出水平加权与垂直加权相结合的改进加权关联规则算法—MWAL算法,详细阐述了该算法的实现。这是本文的重点。