数据挖掘是指从大量的数据中发现人们事先不知道的、有用的知识(或模式)的处理过程，它是继数据库、人工智能等领域之后发展起来的一门重要学科。由于挖掘到的知识能够给各领域以有力的支持，因此，数据挖掘技术得到了广泛的应用。在数据挖掘算法的研究中，比较有影响的是关联规则发现算法，它是数据挖掘研究的一个重要分支，也是数据挖掘的众多知识类型中最为典型的一种。论文首先介绍数据挖掘的功能和数据挖掘中所涉及到的常用算法，重点研究了关联规则中的FP-growth算法，并用实验方法对FP-growth算法和Apriori算法做了比较。并对FP-growth算法进行了分析，提出了基于以下三点的算法改进：1．将双向的FP-树改成单向，以简化数据结构，2．采用改变结点数据结构的方法，避免了条件FP-树生成，提高了计算速度3．在算法流程方面，使用循环替代递归，提高执行速度，降低了内存开销。通过对时间和空间性能的分析和实验的证明，改进的FP-growth算法性能得到提高。文章在实现某高校科技管理系统的系统设计和数据库设计的基础上，将数据挖掘中的关联规则挖掘算法应用科技管理信息系统。经过对关联规则算法的研究和改进，采用了关联规则中的改进的FP-growth算法对经过数据预处理的数据仓库中六张表进行了挖掘，并分析了挖掘结果，提出了高校应当加强国家级项目的申请，加强30-40岁的青年学者的科研能力等建议。论文最后，讨论了目前研究工作中需要进一步完善的问题，指出了今后的研究方向。