序列模式是数据挖掘研究中一个重要的研究课题,其主要研究目的是从大型时序数据库中发现事件之间存在的隐藏的、有趣的序列关系。经典序列模式挖掘算法大都致力于挖掘序列模式全集,其空间效率低。挖掘闭序列集合能在保持信息完备性的前提下,比挖掘序列模式全集更加精简有效。本文着重对此进行了研究,研究内容主要包括以下几个部分:1.深入研究了序列模式挖掘经典算法。主要对基于前缀投影数据库的无候选序列生成的算法(PrefixSpan,CloSpan)和基于位图的SPAM算法进行了研究。对这些算法做了定性分析,比较了算法的运行效率,总结了每种算法的优点及不足。2.在对闭序列模式经典算法CloSpan的研究基础上,参考SPAM算法所采用的数据结构,将序列数据库用位图来表示,设计了基于位图的闭序列模式挖掘算法CSPBB。该算法是一个深度优先算法,采用前缀投影方法,处理的对象是用位图表示的序列数据库。通过算法分析和实验比较可知:对于长序列模式数据,CSPBB算法在时间和空间开销上均优于CloSpan算法。3.参考多维序列模式挖掘算法UniSeq、HTSeq,设计了多维闭序列模式挖掘算法Mul_Clo_Seq。该算法基本思想是:分裂多维序列数据库,分别进行闭序列模式与频繁多维信息挖掘,然后将二者结合、剪枝,最终生成多维闭序列模式。通过算法分析和实验比较可知:Mul_Clo_Seq的算法效率优于UniSeq算法。