关联规则的研究是数据挖掘中的重要研究内容之一,由于实际的数据是随时间变化而获得的,因而有必要对其时态属性进行分析,这样有助于揭示事物发展的本质规律,使得发现的知识更能贴近现实意义。目前国内外对于时态数据的研究主要是进行时序分析,对时态关联规则的研究多侧重于研究关联规则成立的时间,对于规则中各项之间在时间上的约束未进行具体的分析,在一些领域中不能很好地进行预测和描述。基于这些不足,本文着重分析研究以下几方面的内容:(1)阐述了时态关联规则挖掘的研究现状,针对所存在的不足及亟待解决的问题引出本文所要研究的内容。(2)对时间进行了理论上的研究,在一定程度上对有关时间的理论研究进行了完善。(3)构造了事件模型,对事件间的运算及性质进行了形式化定义和研究。(4)构造了一类基于时态约束的关联规则模型,适于描述事件与时间之间的关联、基于时域的事件与事件之间的关联。(5)研究了基于时态约束的关联规则挖掘的理论、算法,并进行了数值实验。(6)对于该类规则的周期性挖掘的意义、算法和数值实验进行了研究。本文主要获得的研究成果和创新如下:1、拓展了有关时间的理论研究,对事件间在时间维上的约束进行了研究;2、提出了一类基于时态约束的关联规则挖掘算法及周期性挖掘算法。