数据挖掘是一个多学科领域，从多个学科汲取营养，这些学科包括数据库技术、人工智能、机器学习、神经网络、统计学、模式识别、知识库系统、知识获取、信息检索、高性能计算和数据可视化。数据挖掘的一个重要的任务就是发现数据库中的关联规则，也就是发现数据项中项集之间有价值的关联或相关联系。当前，大部分关联规则的挖掘算法均以Apriori算法为核心，并其对象主要是布尔关联规则。 本文研究的主要工作是采用可拓理论的相关性提出了可拓关联规则，并与当前的关联规则挖掘方法相结合，为量化关联规则的研究提供新的方法，在本文中，我们把可拓关联规则主要应用在量化关联规则的挖掘上。 主要研究成果是：1．本文结合物元理论给出了可拓关联规则的定义和表示方法，使得关联规则更接近人的观点，开拓了关联规则的定义。2．在原有的Apriori算法的基础上提出了在关系数据库中的可拓关联规则挖掘算法。通过对关系数据库建立相应的物元集，讨论物元集中一些特征与特征的关系，发现有价值的关联。并且通过粗糙集理论和概念树相结合的方法。对关系数据库进行了相应的离散映射。