当前各种数据都呈现海量趋势,传统数据分析已无法应对人们从海量数据中发现知识的需求,于是各种新的数据挖掘技术应运而生。用于发现属性集之间有趣联系的关联规则挖掘是数据挖掘研究的重要组成部分,而其中的重要研究课题——量化关联规则挖掘,因其在商业等诸多领域的广泛应用,也越来越受到各界的关注。本文对比研究了当前国内外对于量化关联规则挖掘的研究现状及相关挖掘方法,在此基础上展开了对基于多目标烟花算法的正负量化关联规则挖掘算法的研究工作。首先,介绍了关联规则的基本概念、相关评估指标及相关挖掘算法,然后介绍了多目标优化问题的相关概念及解决方法,重点研究了关联规则现有挖掘算法中存在的不足,最后提出了基于多目标烟花算法的正负量化关联规则挖掘算法。该方法较现有的量化关联规则挖掘方法有如下改进:第一,能够同时获得正负量化关联规则,并将其作为多目标优化问题,同时优化多个目标,减少人为干预的影响,在多个目标间取得平衡;第二,设立了收缩机制,使关联规则更加精准;第三,提出了基于相似度的冗余淘汰机制,能有效保持关联规则的多样性。为了验证该算法的有效性,在多个真实数据集上进行量化关联规则的挖掘分析。与其它类似算法相比,算法在不同数据集上均获得稳定的结果,能充分覆盖数据集,在可靠性、相关性及可理解性之间获得较好的均衡。