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。常用的关联规则挖掘算法主要包括Apriori算法和FP-Tree算法。以下是对选项的分析：

A: 决策树、对数回归、关联模式
- 决策树和对数回归主要用于分类和回归分析，不适合用于关联规则挖掘。

B: K均值法、SOM神经网络
- K均值法主要用于聚类分析，SOM神经网络用于无监督学习和数据可视化，也不适合用于关联规则挖掘。

C: Apriori算法、FP-Tree算法
- Apriori算法和FP-Tree算法是经典的关联规则挖掘算法，专门用于发现数据集中的频繁项集和关联规则。

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和分类，K均值法用于聚类，决策树用于分类和回归，不适合用于关联规则挖掘。

综上所述，正确答案是C: Apriori算法、FP-Tree算法。