随着科技在信息方面的迅速发展及广泛应用,信息系统在各个行业中的应用规模不断扩张,因此而产生的信息量也呈现出爆炸性增长的趋势,大数据由此而生。在大数据背景下如何利用相关技术手段,使用户在短时间内从大量的数据集中找出自己感兴趣的、有价值的信息,是未来大数据处理发展的重要方向之一。随着数据量的快速增加,数据挖掘产生的关联规则数目和无用的冗余规则也不断增加,使用户找到有价值的,感兴趣的规则时间和难度增加,对关联规则的理解、应用以及决策都造成很多困难。本文首先针对Apriori算法的缺点,对其进行改进,建立了一种基于Apriori算法的DAD算子模型。通过采集草莓叶片不同水分状况的光谱反射值,建立相关性系数指标对关联规则进行衡量,利用所提算子模型对冠层叶片含水率与不同波段的光谱反射率之间的潜在关系进行关联规则分析,找出了干旱、轻度干旱、适量和溢水四种不同的水分处理方式下草莓光谱反射特征与叶片水分状况之间的相关关系。第二,对于删除冗余关联规则的标准,引入了三个检验指标,配合最小支持度和最小置信度对冗余关联规则进行删除。详细论证了三个检验指标的权重分析,实验结果证明,三个检验指标能有效地对冗余关联规则进行删除。第三,在进行K-means聚类分析时,使用最大三角形方法代替原有的随机选择初始点的方法,对关联规则进行聚类,使相似的关联规则归为同一簇。并利用鸢尾花数据集对算法进行验证,实验证实改进的算法既提高了聚类的性能,又增加了用户对于关联规则的理解性,有助于用户对规则的分析、做出正确的决策。第四,本文对关联规则进行了数据可视化,增加了规则的动态显示,用户可以通过外接设备对规则进行选择和筛选,被选中的规则会在左侧控制台显示出详细信息。提高了用户对规则的理解度,增强了用户体验。