高效益關聯規則探勘將效益值作為重要性衡量的重點，而頻繁關聯規則探勘則是將出現頻率當作是最重要的指標。過去有許多文獻提出了許多演算法來探勘高效益關聯規則，我們觀察到有些演算法在稀疏資料集上表現良好，而另外有些演算法在密集資料集上表現較突出，為了解決不同類型資料集上演算法表現的問題，我們提出一個新的演算法DMHUPS，在DMHUPS中我們又提出IUData的資料結構，如圖所示，IUData結構儲存項目集的效益資訊、可擴展資訊和其所出現的位置資訊，透過這個結構DMHUPS可以更有效地修剪搜索空間，並為多個有希望的候選者計算效益和更嚴格的擴展上限值，所以DMHUPS在稀疏和密集資料集上都可以更有效率的去探勘高效益關聯規則。