数据挖掘技术是现在机器学习、计算机科学、人工智能和数据库研究方向的重要内容，数据挖掘中的重点就是发现数据隐藏背后的关系和规则，尤其是关联规则的挖掘已经成为数据挖掘的重要方向，当前的研究主要集中在关联规则在新学科的应用和算法效率的提高上。将基于本文解析的改进算法应用到脑功能网络中，通过对原有的论文成果进行数据挖掘可以看到脑区与某一种疾病关联的强弱，为以后的研究提供参考，有着较高的应用价值和意义。本论文将对传统的关联规则挖掘算法进行详细的研究，在此基础上提出一种改进的方法，并将改进过后的算法应用到针对抑郁症脑疾病的数据挖掘之中，从而得到可供参考的脑区关联规则。本论文具体工作如下：1.基本理论介绍。对数据挖掘和数据挖掘算法的基本概念进行详细的说明，对脑功能网络相关知识和关联规则的意义进行了详细的阐述，通过基本理论介绍为算法的研究改进和系统应用提供了坚实基础。2.算法介绍和改进点。在第一步的基础上，深入了解和分析了关联规则发现算法Apriori，并且针对该算法的缺点和应用在抑郁症领域的特点提出一种压缩事务数据库和减少扫描数据库次数的新算法，对提出新算法的思路、理论基础、算法流程图进行了清楚的介绍并实现了此改进算法。对新的算法和传统的Apriori算法进行了理论分析和仿真比较，验证了改进算法的效率和优越性。3.脑区词表整合。为了更好的完成数据挖掘工作，整合了已有的脑区词表。对比较常用的脑区词表Bromann和ALL进行深入的研究，并在其基础上加入了其他脑区词表内容和脑区功能脑区，形成了一个新的脑区词表，将新的词表用于文本解析程序和数据挖掘工作，更能揭示抑郁症脑疾病的关联规则。4.系统平台设计。设计开发了基于文本解析的关联规则发现平台，该系统通过文本解析获取脑区在论文中的相关数据，选择改进的算法对抑郁症脑疾病领域进行关联规则发现，找出我们感兴趣的关联规则，此平台系统即是对改进算法的一种验证，又是对数据挖掘应用在脑功能网络方向的一次创新，从而实现了理论和应用的结合。