数据挖掘是从海量数据中发现蕴含其中的有用信息和知识的过程,应用广泛。关联规则分析作为数据挖掘的主要功能之一得到了广泛应用,对关联规则算法的深入研究具有很高的理论价值和现实意义。本文首先阐述了数据挖掘的相关知识,对关联规则经典算法Apriori算法和FP-growth算法作出详细介绍,分析并指出了这些经典算法存在的问题与不足。虽然基于FP-Tree的经典FP-growth算法不需要像Apriori算法一样产生大量的候选频繁项集,但必须进行大量的遍历和递归操作,严重影响了挖掘的整体效率。针对FP-growth算法在构建FP-Tree和挖掘频繁项集两方面存在的缺陷,本文提出了DFP-Tree构造和FP-数组技术来提高算法的效率,结合两种技术提出DFPmine算法,并通过实验证明了算法的效率。实验结果表明,DFPmine算法比FP-growth算法来的更有效率,尤其是在数据集比较大且比较稀疏,关联聚集度较低,FP-Tree分支较多的情况下,本算法效果明显,比经典FP-growth算法能获得更好的性能。