随着信息技术的发展，海量数据库迅速增加，然而对其进行有效分析处理技术的缺乏，促使数据库中知识发现(Knowledge Discovery in Databases，简称KDD)技术的应运而生。数据挖掘(Data Mining，简称DM)是KDD中的重要过程，其是指从数据中提取有益的模式。而频繁模式(Frequent Pattern)挖掘又是DM中重要的研究问题。近年来的大量数据以数据流(Data Streams)的形式产生，这对挖掘数据流中的知识带来了新的研究挑战。挖掘数据流中的频繁模式已成为当前数据挖掘领域的一个研究热点。本文主要针对数据流挖掘中的重要问题之一——数据流频繁模式挖掘展开研究，主要研究内容和创新点如下：首先对数据流管理系统及数据流挖掘的现状进行了介绍，然后对数据流挖掘技术特点以及数据流频繁模式挖掘的基本概念和关键问题进行了介绍，最后对数据流频繁模式挖掘的几个典型算法进行了分析与探讨。其次，提出了基于滑动窗口的数据流频繁模式挖掘算法—MFIS-stream算法，该算法利用提出的数据结构FIS-Tree存储事务信息，进而获得数据流下的频繁模式，同时利用每条事务中设置的末节点对FIS-Tree进行更新。实验测试表明，MFIS-stream算法具有较好的稳定性和时间效率，适用于数据流下频繁模式的挖掘。最后，为了适应实际问题的需要，提出了加权频繁模式挖掘算法MFIWDS。该算法通过提出的WFIS-Tree树可以动态的调整要挖掘的窗口个数和宽度，并且能够根据用户的实际需求来确定不同事务的权值，挖掘出符合实际应用要求的频繁模式。实验测试和性能对比分析表明，MFIWDS算法是可行性的。