在过去的数十年中,无论是商业企业、科研机构或者政府部门,MIS系统(Management Information System,管理信息系统)都被广泛地应用在信息管理上。以事务处理为主的MIS系统在方便数据管理的同时,也积累了海量的、十分繁杂的数据。由于爆炸性增长的数据量与相对贫乏的知识之间的矛盾,使得数据挖掘成为目前国际上信息决策和人工智能领域的最前沿研究方向之一,其中发现大量数据中项集的相关联系的关联规则(Association Rule)挖掘是它的一个重要方向。在本文中,对经典的关联规则算法进行了深入的分析和研究,并对原算法存在的不足之处,提出了一些改进方法,取得了一定的效果,研究内容主要包括;(1)改变了经典算法的单向搜索方法,运用了自顶向下和自底向上相结合的搜索策略。无论项目集数目多少或是最小支持度大小,都能够较快的找到频繁集,实验证明能提高算法的效率。(2)利用自底向上生成的非频繁项目集合来指导自顶向下的降维操作,可减少自顶向下的侯选频繁集的数量。(3)利用矩阵的结构保存事务数据库,减少计算机的I/O操作,利用事务数据库压缩存储的性质对数据进行裁减,提高了对数据遍历的效率。(4)研究了数值属性关联规则的挖掘算法,利用聚类算法来划分区间,然后将划分后的区间映射为布尔属性,最后发现用户感兴趣的关联规则。最后,将理论知识与实践相结合,以学生成绩分析数据仓库为数据源,进行关联规则的挖掘,同时以OLAP等工具对数据进行多维展现,实现数据分析的可视化。