1、隨著數據庫應用的不斷深入，數據庫的規(guī)模急劇膨脹，人們需要對這些數據進行分析，從中發(fā)現(xiàn)有價值的信息。數據挖掘技術的出現(xiàn)實現(xiàn)了這個目標。數據挖掘就是從大量的不完全的、有噪聲的、模糊的、隨機的數據中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。 關聯(lián)規(guī)則挖掘作為數據挖掘領域的一個重要研究分支它的任務是發(fā)現(xiàn)所有滿足支持度閾值和置信度閾值的強關聯(lián)規(guī)則。 近年來，關聯(lián)規(guī)則挖掘研究已經成為數據挖掘中的一個熱點

2、，并被廣泛應用于市場營銷、事務分析等應用領域。關聯(lián)規(guī)則挖掘算法是關聯(lián)規(guī)則挖掘研究的主要內容，迄今為止已提出了許多高效的關聯(lián)規(guī)則挖掘算法。 本文首先介紹了數據挖掘的定義及主要的數據挖掘技術，以及數據挖掘的應用和發(fā)展趨勢。接著詳細描述了關聯(lián)規(guī)則挖掘的基本理論和算法，并對Apriori算法進行了一定的優(yōu)化。為了驗證本文提出優(yōu)化方法的有效性，在關聯(lián)規(guī)則理論與研究的基礎上，將改進后的算法應用于物流管理系統(tǒng)，實驗結果證明了優(yōu)化方法的有效性。

3、本文的主要工作體現(xiàn)在以下兩個方面： 第一，對經典的Apriori算法做了全面的分析，針對Apriori算法的不足，本文給出了一種優(yōu)化方法，該算法只掃描數據庫一次，將數據庫中的數據存于數組向量中?；陉P聯(lián)規(guī)則的性質，對掃描的事務數和項目數，連接步驟等進行壓縮和優(yōu)化，并且利用一維數組對候選2-項集進行計數，從而避免大量候選2項集的產生，有效解決了傳統(tǒng)算法候選2項集的瓶頸問題，此算法與Apriori算法相比有明顯的提高。 第二