在关联规则挖掘问题的研究上，除了在用户给定明确的最小支持度和最小置信度后需要有快速高效的挖掘算法外，提出新的算法以解决如何在用户无法预先明确知道能够获得满意结果的最小支持度的情况下也能够快速有效地进行挖掘处理，是一个更加实用化的研究课题。另外，基于数据库时时在被更新这样的现实，除了需要相同最小支持度的条件下的有效更新算法外，允许调整最小支持度的有效更新算法也是非常重要的研究课题。 简单介绍了数据挖掘的基本定义、常用技术以及其相关知识，综述了数据挖掘的发展和现状，指出了增量数据挖掘的重要意义。 分析了挖掘关联规则的经典算法Apriori以及常用的几种改进算法，指出了他们的共同特点：以逐层搜索的迭代方法来挖掘频繁项集，以及存在的固有缺陷,并给出了每一种缺陷的改进方法。 对目前的增量数据挖掘算法进行了分类，对每一种分类详细的介绍了各自对应的算法，指出其都不能解决最小支持度和最小置信度发生变化的同时数据库也发生变化的增量更新问题。 对于关联规则的更新问题一种最直接的方法是重新运行一遍Apriori算法，但是由于没有充分利用以前的挖掘结果，增加很多不必要的运算时间。在分析总结原有算法的基础上，针对现行增量挖掘算法的困难和不足，提出了HIUA(Hash Incremental Update Algorithm)算法，该算法充分利用以前挖掘的结果，将链表插入、删除以及hash定位高效率的特性结合起来，摆脱了传统算法多次迭代的不足，只需扫描一次数据库，就能满足各种要求，通过以空间换取时间，大大提高了挖掘效率。同时将挖掘出来的结果有效地保存，以便下次增量挖掘时充分利用。 实现了HIUA算法，通过对其测试结果与Apriori算法的测试结果进行比较，进一步证明了该算法的高效性。