通过近十几年的努力,数据挖掘技术已经相当成熟,然而,在一种新的数据环境中,即数据流环境中进行挖掘是一项具有挑战性的工作。近年来涌现的许多应用促进了数据流模型的提出,这些应用包括电子商务、传感器网络、股票数据分析等。这些应用中产生的数据源源不断地到来,因此只能按顺序进行处理,而且数据量是无穷的。传统的数据挖掘算法只能处理静态数据,对这种大量的、快速的数据流是无能为力的。本文对数据流频繁模式挖掘算法进行了深入研究,从分析三种不同的频繁模式出发,进行数据结构设计和算法研究。首先,为了适应数据流快速、大量的特性,设计了一种新的数据结构CFIT,它能存储数据流的概要信息,并且通过在前缀树中加入超集链,使得扫描树的次数减少,节省了挖掘时间。然后,基于频繁模式树,结合滑动窗口技术提出了一种增量更新算法TW-CFI,它能适应数据流的特点并且可以挖掘数据流频繁闭项集信息。其次,算法利用倾斜时间窗口保存历史数据,满足了实时查询和事后检索的需求。通过模式修剪策略,将不频繁项集尽早删除掉,提高了挖掘效率,节省了数据存储空间,更好的评估了数据流中频繁闭项集信息。最后,通过实验对比当前其他数据流频繁模式挖掘算法,结果表明,本文提出的算法在时间效率上优于现有的同类算法。