随着日益更新的信息技术特别基于网络的技术的飞速发展,人们对于数据的处理要求越来越高,因此,收集、存贮、传输数据的能力不断提高,然而与此背道而驰的是,对决策有价值的知识或信息却非常匮乏。面对着浩瀚无垠的信息海洋,人们呼唤着一个去粗取精、去伪存真的能将浩如烟海的数据转换成知识的技术,数据挖掘就是在这个背景下产生的。数据挖掘究其本质,其实就是从不完整的、海量的、模糊的、有噪声的、随机的实际应用数据中,提取出隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。关于数据挖掘的算法由很多,其中最主要也是最基础的方法就是基于关联规则的挖掘算法。因此本文讨论的主要内容就是基于对传统的关联规则挖掘算法做改进的基础上提出的新观点以及新方法。其中主要包括以下几部分:1、介绍了数据挖掘技术的兴起以及其在国内外的研究发展状况。2、着重介绍了关联规则挖掘的主要理论基础,首先引入了最为基础的Apriori算法,然后根据现实世界中数据项目重要性的不同而引入了权值的概念,又根据分布式网络飞速发展的现状提出了并行的概念,并由二者结合提出加权关联规则的并行挖掘算法,此算法在Apriori的基础上做了重大改进,并且提高了算法的效率。3、引入了粒计算的概念,并结合粒计算、完全图以及关联规则算法提出了一个新的挖掘算法,并通过实例进行了验证。4、通过结合数据挖掘、数据仓库、粒计算等相关知识对小型超市管理系统进行了详细的分析,其中通过本篇论文所介绍的改进算法GRC_G算法和加权关联规则算法对小型超市中数据的关联性进行了详细的分析,并通过与传统Apriori算法的比较,对新算法的性能进行了验证。