数据挖掘是随着信息技术不断发展而形成的一门新学科，是数据库领域出现的一个新兴的研究热点。关联规则作为数据挖掘领域的一个重要研究分支，针对关联规则挖掘中经典算法-Aprior算法的局限性，在划分技术的基础上提出了一种基于遗传算法的关联规则挖掘模型。分类是数据挖掘中最重要的方法之一，决策树作为发现分类模型的常用技术现已被广泛研究并取得了很大的进展。然而，在决策树的构造过程中采用贪心算法，造成了决策树容易过分拟合、规模过大、产生的规则长度过长等缺点。针对这些缺陷，提出了一种基于遗传算法与关联规则算法的混合分类挖掘方法。研究工作围绕着遗传算法应用于数据挖掘研究展开，基本上分为四部分：(1)对KDD(Knowledge Discovery in Database)技术进行了总体上的概述，包括KDD的含义、一般过程、主要方法和技术、研究的现状及存在的问题等，为在这一领域进行更为深入的研究打下初步基础。在此基础之上对发现分类模型的各种技术以及关联规则挖掘算法进行了较为全面的研究。(2)对遗传算法的编码方法、适应度函数、遗传操作算子、参数的选择作了全面且深入的研究。(3)对提出的基于遗传算法的关联规则挖掘方法进行了全面的描述。(4)对提出的基于遗传算法与关联规则算法相结合的混合分类方法进行了全面的分析。最后，总结了遗传挖掘的特点，并进一步讨论了未来的研究方向。