人类为了更深入地了解和认识自身,制定了宏伟的人类基因组计划。随着人类基因组计划的顺利实施,生物实验技术也在日新月异地进步,微阵列芯片技术正是其中最有代表性的一种。目前,微阵列芯片技术已经可以同时测量大量基因在多个样本上、在一系列时间点上的表达值,从而得到三维的微阵列数据集。　　 实验技术的进步也带动了对实验结果进行信息挖掘技术的进步,三维频繁闭模式挖掘技术就是在这种情况下产生的。然而三维频繁闭模式的挖掘还是崭新的概念,对其挖掘技术的研究还处在起步的阶段。本文首先提出了一种新的三维频繁闭模式挖掘算法MFCC。MFCC算法采用降维的思想,首先将三维数据集切片为若干个二维数据集,并应用适当的二维频繁闭模式挖掘算法进行处理；再通过对二维切片上的结果进行相交,并结合有效的削减规则,快速得到所有三维频繁闭模式。MFCC算法的优点在于高效的降维技术既可以降低数据集的维数,从而能够利用已有的二维频繁闭模式挖掘算法,又不会产生大量的二维切片。为了进一步提高算法的性能,本文又提出了改进的算法MFCC+算法。MFCC+算法采用与MFCC算法相同的降维技术,在保留了MFCC算法优点的前提下通过使用高效的削减规则,在算法执行过程中削减掉所有的不封闭的模式,从而避免了结果的封闭性检验。实验结果表明,MFCC+算法的性能改进效果显著,改进后的算法性能优于以往的三维频繁闭模式挖掘算法。　　 本文首先介绍相关的背景知识及以往的研究工作；然后依次提出了MFCC算法和MFCC+算法,并对算法的正确性进行了证明；最后通过实验对算法的性能进行了测试并作出相应的分析。