在机器学习中，有监督学习是指在模型训练过程中使用带标签的数据集的方法。以下对选项进行分析：

- **A: 关联规则**
关联规则（Association Rule）主要用于发现数据集中变量之间的有趣关系，通常用于市场购物篮分析。它属于无监督学习，不需要预先知道结果标签，因此不是有监督学习方法。

- **B: 决策树**
决策树（Decision Tree）是典型的有监督学习方法，它利用带标签的数据构建树状模型进行分类或回归。通过对数据特征的决策过程，预测输出标签。因此，决策树是有监督学习算法。

- **C: 序列分析**
序列分析一般用于处理时间序列数据，通常用于预测未来的时间点。根据具体算法，如果使用带标签的数据进行模型训练（比如时间序列分类），则属于有监督学习；如果不使用标签，则可能属于无监督学习。题目中没有明确提到特定的序列分析方法，因此不认为其是典型的有监督学习。

- **D: 支持向量机**
支持向量机（Support Vector Machine, SVM）是一种强有力的有监督学习算法，广泛用于分类和回归任务。SVM通过寻找最佳的决策边界来分类带标签的数据。

综上所述，答案是：**B: 决策树** 和 **D: 支持向量机**。这两者都是有监督机器学习方法。