信息时代的来临,带来大量的数据。这些数据中隐藏着许多重要的信息和知识。如何从表面数据中提取到深层次的、表现了事物内在规律的规则来进行预测或指导决策,是迫切需要解决的问题。数据挖掘正是在这样的背景下产生的新的研究领域,是统计学、计算机科学、模式识别、人工智能、机器学习、数据库等多领域的交叉学科。人工免疫是近几年在智能技术学科方面新兴的研究领域。生物免疫是一个高度复杂的自适应系统,具有学习、记忆和模式识别的能力。通过模拟和应用免疫系统的信息处理能力,可以解决许多科学和工程问题。本论文的主要研究内容和工作成果有:首先,指出了免疫系统的一些主要特点。并就理论研究与应用研究两方面对人工免疫系统的发展概况进行了必要的说明。从数据挖掘任务和对象两方面分别阐述了人工免疫系统的数据挖掘应用。其次,以改进免疫算法(AIA)作为基础,将之运用到关联规则挖掘当中,给出一种新型的关联规则挖掘算法。针对用户感兴趣的属性,对事务数据库的关联规则直接进行挖掘,并对其优势与局限性进行分析讨论。最后,给出一种以最大频繁项目集为目标的免疫挖掘算法。其基本思路是将免疫克隆选择的概念引入挖掘过程当中。该算法可减少对数据库的扫描次数,同时也具有较好的收敛性。通过仿真实验,比较了以上两个算法与传统Apriori算法以及基于进化算法的关联规则挖掘之间的性能差异,并分析了其适用范围。