随着信息技术和数据库技术的广泛应用,数据的存储规模越来越大,而数据挖掘(KDD)作为一种可以从海量数据中自动、高效地提取有价值的信息和知识,以有效地支持决策的新技术,引起了学术界的极大关注,并被应用到在商业、金融、农业等多个领域,取得了较好的效果。关联规则挖掘是数据挖掘研究的一个重要分支,关联规则是数据挖掘的众多知识类型中最为典型的一种·。由于关联规则形式简洁、易于解释和理解并可以有效地捕捉数据问的重要关系,因此从大型数据库中挖掘关联规则问题已成为数据挖掘中最成熟、最重要、最活跃的研究内容。关联规则挖掘算法当中最为典型的是由Agrawal于1993年提出的Apriori算法,以后研究人员针对Apriori算法的不足,做了大量的研究工作。随着计算机技术的发展,研究的深入,如何在分布式系统上实现Apriori算法进行关联规则挖掘成为研究的热点问题。本文首先介绍了数据挖掘和关联规则挖掘的基本理论和方法,其次对基于Apriori算法的分布式算法CD算法(Count Distribution)进行了研究,通过对CD算法的改进,得到一种新的算法,并把改进后的算法应用ICMLC2005会议数据库当中,得到了较好的结论。