关联规则是形如X→Y的蕴涵式，其中， X和Y分别称为关联规则的先导(antecedent或left-hand-side, LHS)和后继(consequent或right-hand-side, RHS) 。其中，关联规则XY，存在支持度和信任度。

在数据挖掘分析中，关联规则挖掘的目的是在数据项目中找出所有的并发关系。以下是对选项的分析：

A: 决策树、对数回归、关联模式
- 决策树主要用于分类和回归分析。
- 对数回归用于分类问题。
- 关联模式是一个广义的概念，不是具体算法。

B: K均值法、SOM神经网络
- K均值法用于聚类分析。
- SOM（Self-Organizing Map）神经网络用于数据降维和聚类。

C: Apriori算法、FP-Tree算法
- Apriori算法是经典的关联规则挖掘算法，用于发现频繁项集。
- FP-Tree（Frequent Pattern Tree）算法也是用于关联规则挖掘，特别是改进了Apriori算法在处理大数据集上的效率问题。

D: RBF神经网络、K均值法、决策树
- RBF（Radial Basis Function）神经网络用于分类和回归。
- K均值法用于聚类分析。
- 决策树用于分类和回归分析。

综上所述，只有选项C（Apriori算法、FP-Tree算法）包含了用于关联规则挖掘的具体算法。因此，正确答案是：

C: Apriori算法、FP-Tree算法