随着生物信息学的发展，生命科学数据呈爆炸式增长。尤其是近几年来，随着测序技术的发展，人们得到的DNA序列数据在快速增加。DNA数据的特点决定结构特征相似的DNA序列有着相似的功能。数据挖掘是目前最有效的数据分析手段，用于发现大量数据所隐含的各种规律，已经被广泛用于社会的各个领域。因此在DNA序列分析中，数据挖掘技术有着非常广阔的前景，对于提高数据处理能力、产生有价值的生物学知识起着重要作用。通过对细菌DNA序列挖掘抽取序列特征进而进行分类对于医学和生物细菌学有着重大意义，可以促进免疫学发展和进一步了解细菌的遗传变异。　　 DNA序列数据的分析处理上已经成为生物信息学研究中的一个热点。但是在对细菌DNA序列进行数据挖掘的研究中，依旧存在着许多困难和挑战。目前已有的DNA序列模式挖掘方法应用在细菌DNA序列中的运行效率不理想，挖掘结果存在冗余性，用传统方法对细菌DNA序列进行分类的准确率和效率低下，这些都是值得关注和有待解决的问题。针对上述问题，本文的主要工作内容如下：　　 1．改进了一种细菌DNA序列的模式挖掘算法：在细菌DNA序列模式挖掘中，针对以往算法的运行效率问题和算法结果的冗余性问题，该算法通过引入带有模式划分特点的HashMap结构来优化算法的搜索空间和策略，并对算法结果进行过滤，提高了算法的效率并降低了结果中的冗余。　　 2．改进了一种细菌DNA序列的分类算法：通过挖掘细菌DNA序列的模式，抽取细菌DNA序列特征，引入去除独立随机背景的方法更准确的表达数据，并优化了算法流程，进行数据集划分，进一步提高分类效率和准确性。　　 3．设计开发了一套面向细菌DNA序列的数据挖掘系统：该系统能实现序列模式挖掘及序列分类，从而为进一步的DNA序列分析提供基础。