در سال های اخیر، استفاده از دسته بندی توسط قوانین همبستگی بیشتر مورد توجه قرار گرفته است. تحقیقات نشان می دهند که استفاده از این روش عملکرد بهتری نسبت به سایر الگوریتم های دسته بندی دارد. در این پایان نامه، هدف از دسته بندی با استفاده از قوانین همبستگی تنها حل مسائل دسته بندی نبوده است، بلکه به دنبال راهی هستیم تا بتوانیم روش های مختلف استخراج قوانین همبستگی را مقایسه کنیم. هدف کلی از دسته بندی انجمنی، یافتن قوانین همبستگی است که بتواند کار دسته بندی را انجام دهد. این الگوریتم دارای سه مرحله اصلی است. ابتدا، قوانین با توجه به داده های آموزشی اکتشاف می شوند. روش جدیدی برای تولید قوانین مفید ارائه شده است که در این گزارش ذکر شده است. در قدم دوم، قوانین ایجاد شده، مرتب و هرس سازی می شوند که این امر توسط معیارهای سودمندی انجام می گیرد. در رابطه با این معیارها در پایان نامه بحث شده است. در فاز آخر، کار دسته بندی بر روی قوانین باقی مانده انجام می شود. در این گزارش چند الگوریتم دسته بندی انجمنی، معرفی شده اند و آن ها با روش پیشنهادی که msar نام دارد، مقایسه شده اند. در الگوریتم جدید، مقدار آستانه پشتیبانی در طول اجرای الگوریتم، به روز می شود. الگوریتم پیشنهادی بر روی داده های شناخته شده uci ، بررسی شده است تا کار دسته بندی آن باسایر الگوریتم ها مقایسه شود.