快速准确地找到大量数据流的频繁项是预测与决策的重要依据,本文提出了一种挖掘数据流当前窗口内频繁项集的方法。本文研究工作融合了数据流滑动窗口技术,频繁项集,遗传算法以及GPU并行处理技术。在计算机网络通信、时间序列数据挖掘、移动数据流数据挖掘等方面对滑动窗口都有应用。本算法采用滑动窗口获取正在生成的数据。利用遗传算法动态挖掘出最新数据的频繁项集,从一组初始种群开始搜索过程,种群中的每个个体是一个可能的频繁模式。遗传算法主要通过交叉、变异、选择运算实现。经过若干代选择之后,得到最终频繁项集。本文用到遗传算法的标准型并行算法。确定了程序中的并行部分—适应度值的计算,将这部分计算工作交给GPU。本算法首先将数据用嵌套滑动窗口划分为数据集,然后利用遗传算法的并行性以及全局最优和海量数据处理性来搜索滑动窗口中的频繁项集。当数据流流动时,本方法及时捕获准确数据流上最新频繁项集的同时,还周期性地删除过期的流数据。由于利用嵌套窗口和遗传算法的并行处理,从而降低计算空间复杂度与时间复杂度。试验证明,方法有效实用。