在创新型国家建设中，创新能力的提升是核心和关键，创新能力已经成为衡量一个地区核心竞争力的重要指标，也是促进经济增长的原动力。创新的实现取决于多方面的因素，如人力资本，研发投入等，而在我国目前经济、科技发展水平还不是很高的情况下，企业通过产学研合作提升创新能力是一条非常有效的路径。目前国内外对产学研合作关系的研究大多从定性的角度进行分析和评价，而随着信息技术和数据库技术的发展，各个国家和地区积累了大量与产学研合作有关联的数据库，为此，可以通过数据挖掘技术对关联数据库中的数据进行分析，客观挖掘山国家和区域产学研的关系现状。本文基于数据挖掘等理论和技术，从数据分析与实证分析相结合的角度对产学研关系进行深入研究。　　 首先，论文基于数据挖掘的过程，提出了产学研关系分析模型，定义了分析模型中的关键变量。以粗糙集理论为基础研究了该模型的理论依据。同时对关联规则的概念进行了形式化定义，在对关联规则挖掘的经典算法Apriori研究分析的基础上，提出了新的BA算法，它减少了计算项目集支持数的时间，从而解决了候选频繁项集生成的时间开销过大的问题。　　 其次，针对论文库和专利库等数据库中数据不断增加的事实，把数据不断增加的实际问题转化成规则更新问题进行研究，并且提出了更高效的算法思路。把问题分解成两个子问题：(1)假定最小支持度和最小置信度不变，在某个时间段内，当数据量不断增加时，分析模型的规则如何高效更新；(2)假定数据量和最小置信度不变，当最小支持度发生变化时，规则的更新。　　 再次，考虑到在分析产学研关系时常常需要考虑来自不同的数据源，论文提出用静态模式下的多数据源挖掘来解决，提出相关的算法。由于采用快速计算支持数算法思想计算支持度，所以效率高。同时，发现数据实际上每天都在飞速增加，采用动态模式下的多数据源挖掘来解决，并研究提出了相应的算法。由于算法用一台专用机器专门挖掘全局关联规则，从而大大降低了通讯开销，因此，动态模式下的多数据源挖掘效率高实用性强。　　 然后，论文利用所构建的模型进行数据分析。根据挖掘模型的分析，北京、广东、江苏在产学研合作程度方面比较突出，支持度超过其他地区。北京在UG（大学-政府合作）、专利、地区等方面形成了支持度超过0.4的关联；广东在EU（企业-大学合作）、专利、地区等方面形成的关联支持度也达到0.4；江苏在EUG（企业-大学-政府合作）、专利、地区等方面形成的关联度没有北京、广东等强。　　 接着，根据模型提供的数据分析，有针对性地设计问卷，从而使得调查工作更加科学，从而提高了问卷调查的质量和效率。配合数据分析的结果，问卷调查则可以寻找各种现象背后更深层次的原因，无疑对今后的问卷调查研究提供了一种很好的思路。结合数据分析和问卷调查的情况，提出了政府、企业、大学分别在产学研关系中的作用。　　 最后，通过数据分析可得出：政府与企业、政府与大学关系密切，企业与大学关系不够密切，虽然企业、大学和政府三者关系呈现越来越密切的趋势，但实际上仍然有许多问题没有得到很好解决。这说明产学研合作的方式、成效等是非常复杂的问题，需要进行更广泛的研究。针对产学研关系方面的一系列问题，我们认为要根据技术的发展情况，创建新的高技术企业，不断推进在高校技术支撑下以企业为主体的产晶集成创新，积极探索如何创新产学研合作的模式，提高产学研合作的成效等。