20世纪末,随着信息科学技术的不断进步,一种被称为数据流的模型出现在众多现实应用领域中,例如金融市场、网络监测、无线传感器网络等。与传统数据库中的静态数据集不同,数据流是一种源源不断产生,时间维度上严格有序,数值上不断变化的高速数据序列。数据流的这些特点,使得包括频繁项集挖掘在内的传统数据挖掘技术难以直接适用于数据流。本文对数据流中频繁项集挖掘技术进行了深入探索,主要有以下内容:(1)对数据流模型、数据流挖掘特点、现有的研究成果进行了总结,着重讨论了数据流中频繁项集挖掘技术,并在此基础上提出了一种事务链表组模型。(2)在对传统和数据流频繁项集挖掘技术深入研究的基础上,提出了一个基于滑动窗口、事务链表组、近似思想的DSTLG算法,来挖掘数据流中的频繁项集。(3)为了最大程度上减少频繁项集挖掘结果数,本文在数据流频繁项集挖掘DSTLG算法思想的基础上进行扩展,提出了DSMTLG算法,来挖掘数据流中的最大频繁项集。(4)通过一系列实验证明DSTLG及DSMTLG算法有着较好的时间和空间效率,并从时间代价和空间代价两个角度进行了性能分析。