在数据挖掘中，关联规则算法主要用于发现数据集中项之间的关系或模式。以下是对选项的分析：

- **A: 决策树、对数回归、关联模式**
- 决策树和对数回归通常用于分类和回归分析，不是典型的关联规则挖掘工具。

- **B: K均值法、SOM神经网络**
- K均值法用于聚类分析，SOM（自组织映射）神经网络也是一种聚类方法，均不适用于关联规则挖掘。

- **C: Apriori算法、FP-Tree算法**
- **Apriori算法**和**FP-Tree算法**是专门的关联规则挖掘算法。Apriori算法通过频繁项集的生成来发现关联规则，而FP-Tree（频繁模式树）算法也是用于频繁项集的高效挖掘。

- **D: RBF神经网络、K均值法、决策树**
- RBF神经网络主要用于函数逼近、分类和时间序列预测，K均值法用于聚类，决策树用于决策分析。

综上所述，正确答案是 **C: Apriori算法、FP-Tree算法**，因为这两种算法是广泛用于关联规则挖掘的主要算法。