关联规则是数据挖掘的主要模式之一,用于发现满足给定支持度和置信度的属性之间的依赖关系。目前已经存在很多挖掘布尔型关联规则的经典算法及改进算法,由于布尔型属性值固有的“0-1”特性,这些算法开采出来的规则不会很多。在挖掘数量关联规则时,虽然人们在数量属性的离散化方面做了大量工作,使挖掘算法在时空性能方面有了很大提高,但由于数量类型属性值的连续性,算法仍面临返回大量规则的问题。为了解决规则过多难于理解的问题,本文在研究经典聚类算法的基础上,综合了基于密度算法可以发现任意形状聚类和基于网格算法处理速度快的优点,提出了密度和网格相结合实现关联规则开采和聚类的方法——基于密度网格的关联规则开采及聚类算法,实现对数量关联规则的开采,并在此基础上聚类近似的相邻规则,得到更具概括性、更易于理解的一般规则。该算法以元组的形式读取源数据,并对数量型连续属性值分段离散化,在提取关联规则集以后,聚类右部满足分段标准的关联规则。算法在必要时检验关联规则的准确性,通过改变参数最终获取更好的规则。为了验证算法的正确性与有效性,构建了一个关联规则开采及聚类系统。在对算法进行理论分析的基础上,对算法的性能和正确性进行了实验。理论分析与实验结果表明,该算法大大提高了数量关联规则开采的速度,减小了最终得到的关联规则的数目,在提高规则的可理解性方面取得了实际效果。