数据挖掘是从大量存储于数据库、数据仓库及信息仓库的数据中挖掘出用户感兴趣的知识的过程。关联规则的挖掘是数据挖掘领域中一个重要的研究课题。在传统关联规则挖掘中，事务数据库中的记录仅包含项目及其标识TIDs。虽然事务数据库中的数据存在于一定的环境中，如时间、地点和顾客等，但在传统的规则挖掘中都被忽略。对于上述包含环境信息的规则称为多维关联规则。多维关联规则能提供关于现实世界的更为有用的信息，因此对它的研究将是一件十分具有实际意义和广泛应用背景的工作。 本文我们讨论了多维关联规则挖掘的两类问题：事务内关联规则的挖掘和事务间关联规则的挖掘。下面简要给出解决方案： 对于事务内关联规则的挖掘，我们提出了一个新的数据结构--MFP-tree，它是由DP-tree和FP-tree组成，分别存储维模式和频繁项集模式。在此基础上，提出挖掘多维关联规则的算法MFP-growth。该算法利用数据方技术和“分而治之”的求解思想，实施在维信息引导下的规则挖掘。性能研究表明，该算法是高效的。 对于后者，我们首先介绍了多维事务间关联规则的概念，研究了度量准则：支持度和置信度。在Apriori算法思想的基础上，给出了求解该问题的算法EN-aoriori。为便于理解和简化，本文研究的重点集中在单维的情况下讨论。最后，对单维关联的拓广和现有规则的区别也给出了相应的介绍。