从大型数据库中挖掘关联规则是数据挖掘中一个重要的课题。从挖掘要求的时间和空间上看,传统的顺序算法已很难适应于现实中不断增大的数据库规模。研究和发展高性能、可扩展的并行算法对解决这一问题就显得十分必要。本文做了如下研究工作:1.基于分布式存储的并行关联规则挖掘研究本文在研究传统的挖掘频繁项集并行算法的基础上,提出了一种多次传送重新分配数据的并行算法(MRPD),并从理论上证明了算法的正确性。MRPD算法在第1步时对数据库重新划分成若干组,并根据各节点的需要多次传送分组,各节点获得完整分组后异步地计算频繁项集。所有节点计算完成后,得到全部频繁项集。通过实验,将MRPD算法与传统挖掘算法在不同数据分布情况下做了比较。2.基于共享存储的并行关联规则挖掘的研究本文在关联规则串行挖掘算法Apriori的基础上,针对SMP系统设计了两种不同并行粒度的挖掘算法,基于HASH表的HA-1算法和基于局部数据库的HA-2算法,初步解决了分布式存储系统算法中通信开销过大、并行度低等问题。通过实验对这两种算法与传统挖掘算法的性能进行了比较。