关联规则作为数据挖掘的一个热点方向,已经引起很多学者的广泛关注。本文在介绍权值和负关联规则的基础上,重点讨论了加权负关联规则的增量更新和剪枝算法。加权负关联规则的增量更新,就是对已经发生变化的数据库进行新关系新规则的重新寻找,但并不是在发生变动后的数据库上运行原来的规则挖掘算法,而是既有效利用原有知识,又能及时发现新知识的过程。这是因为在大型数据库中,需要对数据库进行大量重复的扫描来挖掘新知识,而这样发现强规则的代价是很大的。而且这对关联规则在知识发现系统中的维护也提出了很高的要求。事实上,在规则维护问题中最复杂和最困难的就是新关系的发现。本文研究了一种加权条件下负关联规则的增量更新算法。通过实验证明该算法是高效可行的。另外,传统的关联规则挖掘算法apriori中所采用的剪枝方法是项集的向上闭包性质,即频繁项集的子集还是频繁项集,非频繁项集的超级一定是非频繁项集。但是加入权值以后,原来apriori算法中项集剪枝中的向上闭包性不在适用,即频繁项集的子集不一定还是频繁项集。本文提出了三次剪枝的加权负关联规则的挖掘算法。第一次剪枝在项集的挖掘时进行,第二次剪枝在规则的产生中进行,第三次剪枝在生成的规则中进行冗余剪枝。通过对实验结果的分析和比较,证明本文提出的算法可以使生成的规则数减少很多。