摘要：針對基于Iapriori算法的多維關聯規則數據挖掘存在I/O負載過大，候選項集指數倍增加，優化算法隨機性強，容易陷入局部最優解等問題。本文提出一種基于上三角矩陣和多叉樹結合(UTMTU)的多維關聯規則挖掘算法，算法對原數據編碼篩選后映射為上三角矩陣，再映射為頻繁項集樹，實現整個過程只掃描一次數據庫而不產生候選項集，將時間和空間成本盡量降到最低，并利用有效屬性層次數提高內存和I/O的利用率。通過UTMTU與Iapriori對比分析表明，其算法的效率和精度得到顯著地提高，有效改善原始算法的兩個瓶頸問題。