在列出的选项中，无监督机器学习方法包括：

- **A: 关联规则**
- **D: 聚类**

### 分析：

| 方法 | 类型 | 说明 |
|---------------|--------------------|------------------------------------------------------------------|
| 关联规则 (A) | 无监督学习 | 主要用于发现数据集中变量之间的有趣关系，典型应用是购物篮分析。 |
| 决策树 (B) | 监督学习 | 用于分类和回归，需有标记数据集来训练模型。 |
| 序列分析 (C) | 通常是监督学习 | 常用于时间序列预测，通常需要有标记的序列数据进行训练。 |
| 聚类 (D) | 无监督学习 | 用于将数据对象分组为簇，使簇内相似度最大化，簇间相似度最小化。 |

### 进一步说明：

1. **关联规则**：
- 典型应用是市场篮分析（Market Basket Analysis），用于发现用户购买行为之间的关联（例如，如果顾客购买了面包，则可能也会购买黄油）。

2. **聚类**：
- 常见的聚类算法包括K-means、层次聚类、DBSCAN等，用于在没有预先标记的数据集中发现自然分组和模式。

**总结**：无监督学习的主要特征是处理的数据没有标记，目标是从数据中提取有意义的模式和结构。而决策树和序列分析需要标记数据，因此属于监督学习范畴。