21世纪是信息爆炸的时代，如何有效利用已有信息和数据发现规律，无疑成为重要课题。当前许多公司或企业的数据库中存储有海量数据，如餐饮业的顾客消费记录、顾客登记记录；网络运营商的客户通话和短信记录；大型超市的销售记录等等，从这些海量数据中发现规律，进而指导决策者进行决策就是数据挖掘的任务。进行数据挖掘，选取适当的数据挖掘算法是必要的。数据挖掘算法有很多类别，主要包括关联规则分析、聚类分析、分类分析等。关联规则算法中最经典的莫过于apriori算法，本文在apriori算法的基础上讨论了FP-growth算法，并给出了FP-growth算法的并行计算思路；聚类分析算法部分重点介绍了K-MEANS算法及其并行处理思想；分类分析中决策树算法是比较重要的，本文重点讨论了C4.5决策树算法，介绍了算法中测试属性的选择、包含未知属性值样本的处理、窗口机制、离散属性值分组、决策树剪枝等问题。在详细讨论该算法的基础上给出了其并行处理思路。有了并行处理思路，本文借助于NVIDIA公司推出的CUDA平台实现了C4.5算法的并行化。CUDA平台是实现GPU通用计算的平台，使用扩展的C语言进行编程，编译器为nvcc。实验表明，CUDA平台的并行C4.5算法效率有极大提升。本文通过实验证实了GPU计算的高效性，将更多的数据挖掘算法并行化，通过CUDA平台实现，将会有效提高数据挖掘的效率。