关联规则分析是商业行为分析的一个重要手段，多数关联分析是基于置信度的框架，也有研究人员将兴趣度作为另一个重要标准，然而这些方法给出的模式信息多半互相冲突，行业通用性也不能令人满意，目前仍旧没有一个标准或者普遍认可的方法来判断规则是否有趣。其次，如果要将关联规则作为有价值的技术来解决商业问题，就需要解决如何将这些技术成功的应用于真实业务环境中。只有融入企业的决策处理过程中，数据中的模式才可以在一定范围内被使用并增加企业效用，它才是有趣的。而零售商经常抱怨不知怎样去使用关联规则来优化具体的交叉销售，这使得关联规则不能真正在零售业的决策处理过程中发挥效用。 　　本文提出了一种新的关联规则分析方法，以提高关联规则的实用性和可靠性。本文以零售业作为行业依托，主要研究了怎样在零售业中产生有益和有趣的关联规则，结合关联结果相关的一些研究成果，运用目前最重要的和最主要的关联算法Apriori算法，在基于置信度－支持度度量体系的基础上，引入一系列综合度量体系，包括兴趣度，相关性分析，负项关联分析，同时计算正负关联规则，提出一种全新的基于综合度量的关联规则的SMBA算法，然后在这个算法上建立一个挖掘模型，并且初步实现这个模型，进行了相关的试验分析。试验证明本文的研究是满足实际需要的，基本解决了规则矛盾、无意义，可靠性差等一系列问题。 　　实际应用中，我们将研究结果应用于广州市东山区科技局新大新零售业数据仓库系统项目中，取得了良好效果，提高了数据挖掘系统对零售业的决策支持。通过对整个系统进行整合，完全实现一个高效的零售业解决方案。