数据挖掘是当今人工智能和数据库研究方面最富活力的领域之一。数据挖掘是指从大量的数据中发现潜在的、有用的知识的过程。关联规则挖掘则是数据挖掘的一个最主要研究内容,而如何提高挖掘算法的效率是关联规则数据挖掘的核心问题。FP-growth算法是目前最有效的频繁模式(Frequent Pattern,FP)挖掘算法之一,由于其在挖掘最大项目集时要递归的生成大量的条件FP-树,存在时空效率不高的问题。本文通过研究,结合改进的FP-树,提出了一种快速挖掘最大项目集的算法。该算法利用改进的FP-树是单向的且每个节点只保留指向父节点的指针,可以节约了大量的存储空间;同时引入项目序列集和它的基本操作,使挖掘最大频繁项目集时不生成含大量的候选项目的集合或条件FP-树,可以快速的挖掘出所有的最大频繁项目集。实例分析算法是可行和高效的。敏感性关联规则的隐藏在当前数据挖掘领域中是一个重要的研究问题,目标是在保证敏感规则不被挖掘出的条件下,最大程度地保持原始数据集的其他特征。原有的方法基于对原始数据集中事务的修改,会产生大量的I/O操作。为了提高对敏感数据的保护程度和挖掘结果的准确性,本文利用FP-树存储了与事务数据库相关的全部信息,提出了一种快速隐藏敏感性关联规则的方法:首先快速挖掘出最大频繁项目集,确定敏感性关联规则,然后删去支持敏感性规则的频繁项目集,并对FP-树进行相应的更新,根据对更新的FP-树反向挖掘生成新的不包含敏感关联规则的事务数据库。实例和理论分析表明,该方法是正确和高效的。