信息社会中数据的爆炸性增长,“丰富的数据与贫乏的知识”问题的日渐突出,带来了对强有力的数据分析工具的需求。决策者迫切需要将海量数据转换成有价值的信息和知识。数据挖掘的出现为这一需要提供了有力的技术支持。 关联规则挖掘是从数据中抽取有趣、频繁模式的过程,是数据挖掘的一个重要类型。关联规则挖掘的目标是发现项目间的关系,由于在超市事务分析、电信、文档词频、WWW页面访问等领域有广泛的应用性和实用性,使它已成数据挖掘的一个关键方法。 论文首先对数据挖掘(Data Mining)、数据仓库(Data Warehouse)、关联规则(Association Rules)等相关知识进行了阐述,然后重点研究了关联规则经典频繁集算法(Apriori算法),针对它需要反复扫描数据库的缺陷,提出了一种改进算法2STEPApriori算法。 2STEPApriori算法在挖掘事务数据库时,通过扫描一次数据库产生两个频繁大项集的方法,能减少对数据库的访问次数,提高整个挖掘的效率。并对新算法的性能做了分析。 论文最后设计并实现了基于数据仓库的大学生素质拓展分析系统,使用了改进的2STEPApriori算法,效果良好。