提出一种基于ＴＤ-ＦＰ-ｇｒｏｗｔｈ的模糊关联规则挖掘算法．首先，使用３种t-模算子以及由其产生的蕴涵算子计算模糊频繁项的支持度和规则的蕴涵度，产生的关联规则能表示模糊项间的确定性和渐近性逻辑语义；然后，以事务的惟一标识为键值，散列存储每个事务相对ＦＰ-ｔｒｅｅ中每个结点所表示模糊项的隶属度，使ＴＤ-ＦＰ-ｇｒｏｗｔｈ适用于模糊频繁项的挖掘，并分析了算法的时间和空间复杂度；最后，实验结果表明该算法比基于ａｐｒｉｏｒｉ的模糊频繁项挖掘算法在时间方面更加有效．