网格是建立在Internet上的一种新兴的高性能计算平台,能够将各种计算资源整合起来,转化为一种随处可得的、可靠的、经济的计算能力,具有分布性和异构性、共享性和动态性、虚拟性等特点。数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据中,提取隐含在其中的、人们事先不知道的潜在有用的信息或知识的非平凡过程。关联规则是数据挖掘中的一种主要研究内容,体现了事物与事物之间存在的相互依存性和关联性,具有广泛的应用价值。本文,采用网格作为分布式计算平台,对关联规则的分布式挖掘算法进行了研究。其主要的研究成果如下:第一、网格环境下的频繁模式挖掘算法GridDMF。该算法首先,在各站点分别独立的挖掘出局部频繁项目集,归并产生候选全局频繁项目集;然后,对候选项集进行剪枝,并将其广播给各站点;扫描一次数据库统计出各项目出现的次数,求得最终的全局频繁项集。通过对候选项集的剪枝,减少了各站点间的网络传输量,降低了各站点中项目集的计算量,从而提高了全局频繁项目集的挖掘效率;最后,以恒星光谱数据作为形式背景,通过实验验证了此算法的正确性和有效性。第二、网格环境下FP-tree的分布式构造算法GridDBMA。该算法首先,统计出全局项目头表;然后,各站点根据这个项目头表的顺序,独立构造局部频繁模式树BFP-tree,利用合并算法将各局部树合并为一颗全局频繁模式树,并在全局频繁模式树上提取出所求的频繁项目集,通过对传统频繁模式树的存储结构的改进,减少了树的规模及站点间的网络通信量,并使树的遍历更加方便有效,提高了合并效率,从而提高了整个频繁项目集的挖掘效率。最后,采用天体光谱数据作为形式背景,实验验证了该算法的正确性和有效性。