关联规则挖掘实数据挖掘领域中的一个非常重要的研究内容,其主要目标就是发现数据库中一组对象之间某种有趣关联或相关联系。近年来,关联规则挖掘研究称为数据挖掘中的一个热点,并被广泛应用于市场营销、事务分析等领域。以往的许多研究都将关联规则视为永恒有效的,没有考虑到规则的变化,这种规则是一种静态的规则。实际上,数据特性和规则可能都会随着时间的推移产生很大的变化,因此,实时维护规则的有效性显得尤为必要。本文对经典关联规则挖掘算法进行了系统的研究和全面的总结,在此基础上提出了基于动态数据的新关联规则挖掘及更新算法,通过数据挖掘系统平台进行了算法的设计与实现。本文首先介绍了数据挖掘的基本任务和技术,重点介绍了关联规则挖掘的三种经典算法：Apriori算法、close算法以及FP-Growth算法。并对Apriori算法的改进、FP-Growth算法的优缺点进行了全面综合的分析。其次,本文详细介绍动态数据关联规则算法核心思想,体系结构,算法挖掘的基本步骤以及算法的伪代码实现。对算法的特点和关联算法性能评价标准进行了全面而细致的描述。最后,在对关联规则挖掘算法进行分析和总结的基础之上,利用数据挖掘服务软件系统实现了动态数据关联规则挖掘算法的设计与封装,并且进行了算法的性能测试。通过实验性能结果我们可以知道该算法挖掘效率更高,通过相应的评价指标充分考虑了动态数据的时间特性,非常适合于面向主题的动态数据挖掘,具有良好的可扩展性。