数据挖掘技术是近年来数据库和人工智能等领域研究的热点课题，关联规则挖掘是数据挖掘的一个主要研究内容，研究高效的关联规则挖掘算法具有重要的现实意义。发现频繁项集是关联规则挖掘的关键步骤，其效率问题是关联规则挖掘过程的一大瓶颈，因此大多学者都主要对频繁项集问题进行研究。　　 本文在研究关联规则挖掘的基本理论和一些经典的关联规则挖掘算法，并对它们的特点进行了分析的基础上，主要对基于关联图的频繁项集挖掘算法进行了研究。首先，结合双向搜索策略对频繁项集的计算过程进行改进，在此基础上提出一种新的关联规则挖掘算法。新算法首先对频繁1-项集按支持度进行升序排列，然后在每次生成k-频繁项集Lk的同时，运用双向搜索策略验证其最大超集，并根据验证结果对Lk进行剪枝。其次，在该算法的基础上，将频繁项集问题转化为计算最大频繁项集问题，提出了一种新的基于关联图的最大频繁项集挖掘算法。最后，仿真实验结果表明，新算法在频繁项集维数较高时，可以有效减少候选项集的数量，算法的效率有所提高。