关联规则挖掘是数据挖掘中的一个重要研究分支。传统关联规则挖掘算法使用单一最小支持度阈值进行挖掘,但在实际使用中由于各项目发生频率的不同,需要使用不同的最小支持度阈值。多最小支持度关联规则挖掘作为一个新的研究课题,用于发现稀有项之间的关联规则,正逐步受到人们的重视。此外,在关联规则的许多应用中,人们发现在低层或原始层的数据项之间很难找出真正有价值的规则,在多个概念层的项之间进行关联规则的挖掘能提供更有普遍意义及现实意义的知识。由于多层关联规则是单层关联规则的扩展,那么也必然会存在单一最小支持度问题,而且问题会更严重。本文分析并总结了多最小支持度关联规则挖掘的性质,在此基础上,结合多层关联规则挖掘的特点,对现有的基于多最小支持度的单层关联规则挖掘算法进行了改进,提出两个新的基于多最小支持度的多层关联规则挖掘算法,较好地解决了多层关联规则挖掘中对稀有项的挖掘问题。这两个算法都在定理及其证明的基础上进行了优化,同时,通过理论分析及实例验证证明了这两个算法的可行性和有效性。