目前慢性疾病已经成为我国普遍存在的公共健康问题，而专家称其本质是人体内微量元素的失衡。人体的微量元素基本源于饮水和食物，合理膳食能够保证人体摄入足够的微量元素。因此，从微量元素的角度构建营养配餐系统可以有效帮助人们营养膳食，摄入足够的微量元素，从而帮助人们远离慢性疾病，辅助慢性病患者恢复健康。计算机技术发展至今，很多领域产生并留存了大量的数据信息，其中就包括医学领域，电子病历、信息系统及数字化设备帮助医院留存了大量的患者数据，包括患者体内微量元素的数据，通过分析这些数据，我们往往能够揭示很多潜在的规律。数据挖掘即是从庞大的数据量中分析出隐藏在数据背后的、有价值的信息的技术。数据挖掘技术中的关联规则挖掘是被用来从海量数据中探索数据与数据间的关联关系，发现隐含的、未知的、有价值的信息，其是数据挖掘领域中最活跃的研究方法之一，然而大多数医院目前并不具备数据的分析、总结和应用的能力。本课题希望能够通过研究慢性疾病患者体内微量元素含量的数据，总结二者之间的关系，并将总结的规律应用在营养配餐系统中，帮助人们合理膳食。本课题首先给出了营养健康配餐的定义，分析了目前营养配餐中存在的问题以及将挖掘技术运用于营养学和营养疾病学，并将所得规律应用于营养健康配餐领域的重要意义。然后，本课题对经典关联规则挖掘算法Apriori算法进行了深入的学习和研究，对Apriori算法进行改进。传统Apriori算法思路简单，通过一种称作逐层搜索的迭代方法来找出所有的频繁项集，通过支持度和置信度的过滤从频繁集中挖掘出强关联规则，所以传统Apriori算法存在着较大的效率瓶颈，即需要大量扫描数据库，且生成大量候选项。而本课题提出的改进算法从减少挖掘时需要扫描的事务数量着手，以此在保证挖掘正确率的同时进一步提升算法运行效率。本课题通过数据挖掘技术，运用关联规则算法改进的Apriori算法对慢性疾病与相关微量元素的关系进行数据挖掘。本课题选用糖尿病患者为例进行研究，详细地介绍了数据预处理过程和数据挖掘过程，并对挖掘结果给予了分析和解释。最后，本课题将挖掘出的关联规则应用于营养配餐系统中，并给出了应用结果。