关联分析是数据挖掘研究领域的经典问题,目的是通过统计变量间的定量关系来揭示数据内部存在的复杂关联关系。关联分析面临的一个主要问题是关联规则的数量太多,破坏了关联规则的可解释性和可应用性,也给其挖掘、存储和传播带来很大的资源压力。目前已有多种关联规则的精简表示模型被提出,但这些模型仍不同程度存在紧致度不够、信息丢失或恢复算法复杂等问题。本文放弃了经典关联规则精简表示方法所依赖的最小描述原则,致力于探索用更富于关联关系描述能力的新型关联规则来形成关联规则精简集的研究。本文的主要研究工作如下：(1)对经典关联规则精简表示方法所依赖的最小描述原则,分析了遵循该原则而设计的关联规则在关联关系代表性方面的不足,提出了不遵循该原则而具有更好关联关系代表性的基本关联规则的概念,据此构造了一种无损的关联规则精简表示方法,分析了相关的几个性质并加以证明。根据关联规则之间的格结构特征,将基本关联规则集划分为近似基本关联规则和精确基本关联规则两部分,设计了基本关联规则的挖掘算法并进行算法分析。实验结果表明,基本关联规则模型比现有的关联规则精简模型更加紧致。(2)针对从基本关联规则集恢复全体关联规则集的问题,将基本关联规则集划分为精确基本关联规则子集的和近似基本关联规则子集两个部分,然后分别利用两类基本关联规则规则的关联关系代表性特征,分别进行扩展以恢复其所代表的原始关联规则,最后合并以形成全体关联规则集。据此分别设计了精确关联规则和近似关联规则的恢复算法并进行算法分析。最后进行了实验验证。