伴随着互联网的飞速发展,当前社会早己进入信息时代。各个行业的从业者都需要从数据当中发现有价值的信息,将海量数据转换成有价值的信息和知识已经成为当今社会的迫切需要,因此数据挖掘技术应运而生,而关联规则算法是数据挖掘的主要研究内容。大学生心理问题已经引起了社会的普遍关注,对大学生心理健康的分析和研究也成为国内外学者研究的重点。心理健康直接影响着当前大学生正常的学习生活,由心理问题带来的各种问题也困扰着很多大学生,给他们带来了很多负面影响。因此,针对大学生心理进行相关性分析,尝试把关联规则挖掘技术用于大学生心理分析,对于指引大学生心理健康教育具有很大的实际意义。本文首先介绍了数据挖掘中的关联规则挖掘的相关理论知识,然后详细阐述了Apriori关联规则挖掘算法的思想以及实现过程,并针对Apriori算法中存在的一些不足,在基于布尔矩阵的Apriori算法的基础之上做了进一步的改进,改进后的算法不但有效地缩短了事务集初始化为布尔矩阵的时间,而且在一定程度上减少了候选项集的产生,降低了算法的时间和空间复杂度。最后,将改进后的Apriori算法与建立的大学生心理相关性分析体系相结合,以收集的大学生心理测评数据和基本信息为基础,运用改进的挖掘算法,并从结果中分析出大学生心理相关因素的一些规律和特点,为大学生心理健康教育提供了新的思路。