摘要：针对基于Iapriori算法的多维关联规则数据挖掘存在I/O负载过大，候选项集指数倍增加，优化算法随机性强，容易陷入局部最优解等问题。本文提出一种基于上三角矩阵和多叉树结合(UTMTU)的多维关联规则挖掘算法，算法对原数据编码筛选后映射为上三角矩阵，再映射为频繁项集树，实现整个过程只扫描一次数据库而不产生候选项集，将时间和空间成本尽量降到最低，并利用有效属性层次数提高内存和I/O的利用率。通过UTMTU与Iapriori对比分析表明，其算法的效率和精度得到显著地提高，有效改善原始算法的两个瓶颈问题。