库存物资的合理分类对企业库存管理活动至关重要,对于每类物资根据其性质有针对性地制定相应的库存控制策略,可以降低库存成本,优化库存管理活动,其中ABC库存分类法是最基础的方法。现有ABC分类研究中大多数仅考虑独立需求物资,没有考虑物资之间内在的关联性。频繁项集挖掘算法产生的频繁模式包含着物资间的内在联系,可以用来优化ABC库存分类,但是挖掘出的频繁模式数量巨大,会导致某些项重复出现,在库存分类调整时可能会出现分类矛盾的问题,而利用闭频繁项集压缩无损的特点就能很好地解决这一问题。闭频繁项集是相关频繁项集的精简表示方式,闭频繁项集挖掘极大减少了挖掘结果中的频繁项集数量,成为近年来数据挖掘领域的一个重要研究课题。当前多个闭频繁项集挖掘算法已经提出,均可应用于ABC库存分类优化问题。DCI＿Closed算法是一个经典的闭频繁项集挖掘算法,经过分析发现,其剪枝策略等方面仍有改进空间,算法效率有待提升。因此本文提出新剪枝策略来优化DCI＿Closed算法的搜索空间,并据此提出改进算法DCI＿ESCS,其次利用DCI＿ESCS算法对ABC库存分类问题进行优化。研究内容如下:（1）本文将储存所有2-项集支持度信息的ESCS结构（Estimated Support Co-occurrence Structure）应用到经典闭频繁项集挖掘算法DCI＿Closed上,提出针对2-项集的ESCS剪枝策略,最终得到改进的DCI＿ESCS算法。并在SPMF公开资源库中connect、pumsb、chess、pumsb＿star、accidents五个数据集上、不同最小支持度阈值下进行实验,对比分析算法改进前后的时间性能。实验结果表明,改进的DCI＿ESCS算法在事务和项集较长、较稠密的数据集上表现良好,时间效率均有一定程度的提高。（2）本文将DCI＿ESCS算法应用到物资关联性ABC库存管理优化问题上。首先对原始数据进行初步分类作为后期分类调整的依据,然后用改进的DCI＿ESCS算法挖掘出闭频繁模式并筛选出其中有效的模式,最后利用有效模式各物资的关联性调整部分初始分类。通过进一步分析可以得出,调整后的库存分类能够优化库存管理,降低库存成本,而且也能提高服务水平。