数据流的出现引发了人们对数据流处理技术的广泛研究。数据流频繁模式挖掘技术就是其中的一种,它在商务决策、知识库的应用中起着重要的作用。但是由于数据流本身动态多变、无限性的特点,全部频繁模式挖掘存在着数据和项集冗余的问题,挖掘算法的时间和空间复杂度一般较大。Pasquier提出了闭合频繁模式的概念可以惟一确定所有的频繁模式并且数量要小得多,因此闭合频繁模式挖掘的研究具有更重要的意义。本文从研究对象数据流入手,首先介绍了有关数据流的相关知识包括数据流结构、模型和数据流挖掘技术;其次对以数据流为基础的频繁模式和闭合模式挖掘算法进行研究分析,针对Moment算法闭合模式的搜索空间较大,更新数据容易颠簸的不足等缺点,提出了基于Moment的改进闭合模式挖掘算法,该算法是基于二进制表示法和事务滑动窗口的改进算法。算法给出一种自定义的BitVec-gen结构,引入初始生成子概念直接挖掘闭合模式而无需存储其它的频繁模式,同时利用二进制表示的项目之间的位与操作简化支持数的计算,通过二进制移位操作实现项目在滑动窗口中的更新。该算法利用二进制表示法对数据流中的事务和项目进行水平和垂直两个方向上的压缩以节省内存空间,引入传统的闭合模式挖掘算法直接对闭合模式挖掘减少算法的搜索空间,提高算法的挖掘效率。文章最后通过实例分析以及合成数据进行实验,由对比结果可知该算法在保证挖掘结果的同时,在时间和空间上可以有更高的效率。