数据流作为信息化时代的产物,广泛应用于社会生活的各个领域。数据流中蕴含着丰富的知识,特别是海量数据下存在的关联关系,在预测和在线分析系统中都是重要的决策依据。现有对关联规则挖掘的研究,大多集中于事务模型,鲜有在独立数据项粒度上的研究。而在特定应用环境中,独立数据之间总是存在定的相生关系。由于数据流的实时性特点,用户又往往对最新产生的数据所包含的信息更感兴趣。为了实时而全面地获取最近一段时间内数据项之间的关联规则,本文提出了滑动窗口模型下,基于划分思想的MARSW(Mining Association Rules on Sliding Window)算法。MARSW算法将滑动窗口分割为一系列子窗口,通过对子窗口的操作维护整个窗口的概要数据结构。大量的仿真实验表明,MARSW算法在给定的误差范围内,能以有限的空间代价实时挖掘滑动窗口下数据项之间存在的所有关联规则,并具有较高的效率和优良的可扩展性。考虑到实际应用环境下数据的多变性和流量的不可控性,关联规则算法需要借助数据流管理系统提供预处理。由于数据流管理系统尚未形成一致认可的标准,本文提出了基于多种数据流管理系统的Federator结构。通过创建内置运算子或接管系统的输入输出,在统一接口模型下,关联规则挖掘算法可以快速、高效地融合于数据流管理系统中。关键词:数据流,关联规则挖掘,滑动窗口,数据流管理系统。