近年来,随着信息技术的快速发展与网络的广泛普及化,数据形式变得更加多样化,传统的静态挖掘技术无法适应快速流动的动态数据的挖掘,数据挖掘的研究向着更深入的方向发展。其中,数据流是新出现的重要的数据形式。同时,数据挖掘技术研究成果已被广泛应用到关联规则挖掘、关联分类和序列模式挖掘等具体应用中。频繁模式挖掘就是其中一个重要的研究方向。因此,数据流中频繁模式的挖掘成为数据挖掘领域的一个研究热点。本文提出了基于数据流滑动窗口的频繁闭项集挖掘算法LevelMoment.目前利用位图结构存储数据的算法NewMoment,是比较高效的频繁闭项集挖掘算法。LevelMoment算法改进了NewMoment算法,提出新的数据结构LevelCET,同时提出层次检测策略与最佳频繁闭项集检测策略,在LevelCET上采用层次检测策略与最佳频繁闭项集两种检测策略快速挖掘频繁闭项集。通过实验证明,LevelMoment算法时间效率优于NewMomnet算法。在频繁模式挖掘中,最大频繁项集具有数据量少且表现形式简单的特点,成为近年来的研究热点。本文提出了基于数据流滑动窗口的最大频繁项集挖掘算法MNFPT,该算法采用字典序列树NFP-tree存储数据,并且根据新旧事务的特点,采用集合检测的策略对数据集进行维护,并将挖掘的最大频繁项集存储在树结构中,更加方便于用户的查询。最后通过实验验证了算法的有效性。