粒计算是美国San Jose State大学教授T.Y.Lin在1997年第一次提出,标志着涉及多学科的一个应用研究领域产生。粒计算是信息处理的一种新的概念和计算范式,覆盖了所有有关粒度的理论、方法、技术和工具的研究,是研究模糊的、不精确的、不完整的及海量的信息处理的一个新型的重要工具。数据挖掘是挖掘海量信息的重要工具,一些挖掘方法已逐渐趋向成熟。近年来,国外诸多学者对粒计算在数据挖掘中的应用进行了探讨与研究,提出了一些模型和方法,使粒计算在数据挖掘中得到了广泛的应用。粒计算理论对一些传统的数据挖掘方法进行了革新,粒计算采用粒度的思想来处理问题和解决问题。针对一个或某些问题或理论,来设计与构造粒或粒度,利用构造好的粒或粒度对问题进行计算,分析等,最终获得问题解。本文首先介绍了数据挖掘中的关联规则提取分析和文本聚类方法,然后系统地论述了粒计算理论及粒计算在数据挖掘中的应用情况,在此基础上,提出基于粒计算web文档聚类方法(WDCGrc)和基于粒计算高效挖掘决策型关系数据库中关联规则方法。基于粒计算web文档聚类方法,通过TF-IDF法则计算文档词条的权值,采取设定文档阈值和平均权值相结合的方法实行降维,抽取出每篇文档的主干词;建立了文档的主干词和二进制粒之间的转换,提出了基于粒计算提取文档间的关联规则算法来获取文档间的频繁项集,通过本文提出的聚类方法获得聚类结果。该方法具有一定的通用性。实验结果表明,该方法切实有效,聚类质量较好。基于粒计算从决策型关系数据集中快速提取关联规则方法,按照属性利用等价类对实体进行分类,利用分类后的属性值来构建粒,提出了基于粒计算提取决策型关系数据库的关联规则算法,来提取决策型关系数据集的关联规则,该方法弥补了目前提取关系数据库中关联规则的部分不足。