1、隨著知識(shí)經(jīng)濟(jì)時(shí)代的來(lái)臨，信息與知識(shí)已經(jīng)成為國(guó)家和企業(yè)發(fā)展的重要戰(zhàn)略資源，是提高一個(gè)組織乃至一個(gè)國(guó)家戰(zhàn)略競(jìng)爭(zhēng)力的核心，也是實(shí)施科學(xué)管理與決策的基礎(chǔ)。如何獲取信息與發(fā)現(xiàn)知識(shí)，尤其是如何快速高效地在動(dòng)態(tài)變化和爆炸性增長(zhǎng)的海量數(shù)據(jù)流中獲取信息和發(fā)現(xiàn)知識(shí)就成了關(guān)鍵性問(wèn)題。 與傳統(tǒng)數(shù)據(jù)不同，數(shù)據(jù)流具有大量、快速連續(xù)到達(dá)、要求快速響應(yīng)、一次掃描等特點(diǎn)。而商業(yè)數(shù)據(jù)流除了具備數(shù)據(jù)流的基本特點(diǎn)外，還具備連續(xù)性、沖突性、時(shí)間性、海量性和分布性等特性。

2、因此傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)不能直接應(yīng)用到商業(yè)數(shù)據(jù)流上。利用有限系統(tǒng)資源對(duì)商業(yè)數(shù)據(jù)流進(jìn)行快速處理以獲取有用信息，為數(shù)據(jù)挖掘在商業(yè)領(lǐng)域的應(yīng)用研究帶來(lái)了新的機(jī)遇和挑戰(zhàn)。 頻繁模式挖掘是數(shù)據(jù)挖掘領(lǐng)域的一個(gè)基本問(wèn)題，研究?jī)?nèi)容一般包括事務(wù)、序列、樹和圖。其方法被廣泛應(yīng)用于許多其它數(shù)據(jù)挖掘任務(wù)中，如相關(guān)性分析，序列周期分析，最大頻繁模式，閉合頻繁模式，查詢，分類等等。由于問(wèn)題本身的基礎(chǔ)性和內(nèi)在復(fù)雜性，頻繁模式挖掘方法成為許多研究者關(guān)注的課題。

3、 本文對(duì)商業(yè)數(shù)據(jù)流頻繁模式挖掘相關(guān)技術(shù)進(jìn)行了研究。重點(diǎn)研究了以下幾個(gè)問(wèn)題：商業(yè)數(shù)據(jù)流的層次維度結(jié)構(gòu)分析及其挖掘系統(tǒng)的研究；利用靜態(tài)前窺樹高效挖掘最大頻繁模式和閉合頻繁模式；利用增量式挖掘方式和傾斜時(shí)間窗口分別挖掘商業(yè)數(shù)據(jù)流中的最大模式和閉合模式；頻繁模式算法在商業(yè)領(lǐng)域的實(shí)際應(yīng)用問(wèn)題等。本文研究?jī)?nèi)容和創(chuàng)新工作主要包括以下幾個(gè)方面：首先，對(duì)數(shù)據(jù)流挖掘及其模型等相關(guān)理論進(jìn)行研究，總結(jié)出目前該領(lǐng)域的最新研究成果，以期取其之長(zhǎng)運(yùn)用到商業(yè)數(shù)據(jù)流

4、相關(guān)任務(wù)的挖掘上。 接著，提煉出商業(yè)數(shù)據(jù)流的概念及特點(diǎn)，分析商業(yè)數(shù)據(jù)流的內(nèi)容層次和類型維度結(jié)構(gòu)，并以此構(gòu)建出商業(yè)數(shù)據(jù)流管理系統(tǒng)BDSMS。 然后，針對(duì)靜態(tài)商業(yè)數(shù)據(jù)海量等特點(diǎn)，設(shè)計(jì)并實(shí)現(xiàn)最大頻繁模式挖掘算法MFP和閉合頻繁模式算法CFP。其中采取前饋剪枝、合并等策略修剪頻繁模式樹以提高頻繁模式構(gòu)成速度。在此基礎(chǔ)上，針對(duì)時(shí)間序列模型和收銀機(jī)模型，改進(jìn)靜態(tài)的頻繁模式挖掘算法MFP和CFP，分別引入增量式挖掘和傾斜時(shí)間窗口得出商