序列模式发现是当前数据挖掘领域中有着广泛应用的重要研究课题。概念格是一种擅长描述层次关系的有效工具。以概念格为工具来实现序列模式发现,是当前数据挖掘领域的一个新的研究热点。本文对基于概念格的序列模式发现的方法和关键算法作了研究,并将研究结果应用于高等院校大学生成绩数据的挖掘。论文的主要工作和创新点如下: 1.综述了序列模式发现和概念格的基本理论,论述了以概念格模型为核心来组织数据结构和算法以实现序列模式的挖掘的基本方法和策略。 2.研究了现有的概念格渐进式与批处理式构造算法,提出并实现了一个新的并行概念格构造算法PIFGCL。该方法利用渐进式概念格构造方法的重要性质,划分并行子任务,实现了概念格构造的并行化。 3.提出了两种新的概念格模型,以交易数据库中的频繁项集为结点构成的项格和以序列模式为结点构造的序格,并将其应用于序列模式发现。提出了基于项格的序列模式发现策略,并将序列模式发现的过程转化成了序格的构造过程。 4.提出了与课程无关的学生学业程度评价系统,给出了符合该评价系统标准的多种成绩制。引入成绩熵来衡量课程成绩的信息含量,以评估单个课程成绩在教育数据挖掘中的作用。 5.实现了针对大学生成绩数据的领域数据挖掘系统GMiner。