关联规则挖掘是数据挖掘领域中一个重要的研究方向,它可以在海量数据中揭示某些特定的规律,辅助决策者进行决策。作为关联规则挖掘中最耗时的部分——频繁模式挖掘,其算法的好坏直接影响到数据挖掘尤其是关联规则挖掘的效率和应用范围。因此,设计高性能的并行频繁模式挖掘算法具有重要意义。本文在对典型串行算法和并行算法深入研究的基础上,提出了两种并行频繁模式挖掘算法,主要内容如下:首先,提出了一种新的并行频繁模式挖掘算法PBFI-Miner。该算法使用位对象表示数据并对FP-tree进行改进,在挖掘频繁模式时,模式简化为位对象,无需产生大量条件模式基和条件模式树;采用分组处理策略分配挖掘任务,使各处理器负载尽量达到平衡;另外,各处理器之间利用位对象组进行通信传递,以减少通信负载。实验结果表明该算法是有效的。其次,提出了一种数据流下的频繁模式并行挖掘算法PFP-DS。该算法以数据流串行频繁模式挖掘算法FP-DS为基础,采用主从模式设计,通信只在主从处理器间发生,所有从处理器间无通信过程,从而降低了通信代价。其中,主处理器负责各段数据流FP-DS树的更新,并挖掘频繁模式;从处理器负责接收各条数据流,计算频繁1-项集集合并创建数据流的分段FP-DS树,压缩存储频繁模式。实验结果表明该算法是可行的。