数据挖掘是近年来发展十分迅速而且非常活跃的研究领域。关联规则挖掘是数据挖掘中的一个重要课题，关联规则挖掘侧重于确定数据中不同属性域之间的联系，找出满足特定要求的数据属性域之间的相互关系。 针对传统的关联规则挖掘没有考虑与项目相关的数量型数据，将模糊理论和关联规则挖掘技术相结合，描述了模糊关联规则的定义和性质，从理论上探讨了模糊关联规则挖掘过程和多层关联规则挖掘方法，研究了模糊多层关联规则挖掘算法，设计和实现了用VFP6.0产生模糊频繁集的程序，并利用它运行的结果来进行算法举例和分析。模糊多层关联规则挖掘可以看作是关联规则挖掘的一个扩展，该方法更能反映现实世界事物具有的模糊特性，能充分表达数据间的各种模糊关系，其挖掘结果更容易被用户理解和接受。 为了更好地提高模糊多层关联规则挖掘的效率，引入了三角模、模糊蕴含算子和蕴涵度的概念，使用了由t-模计算支持度的公式和由支持度计算蕴涵度的公式。利用蕴涵度代替置信度的方法，研究了基于蕴涵度的模糊多层关联规则挖掘算法。在由模糊频繁项集生成强模糊关联规则时，为了减少模糊候选项集中计算蕴涵度的时间，在处理冗余模糊关联规则的基础上，进一步改进了基于蕴涵度的模糊多层关联规则挖掘算法，理论和实验结果分析证明算法是正确的和有效的。