周期模式主要是研究时序数据库中的循环特性,是时态数据挖掘的一个重要的研究方向。周期模式的挖掘具有广泛的应用前景,如:气候、每天的交通模式、股票交易的波动、网站的访问量。本文第一章阐述了时态数据挖掘的研究背景以及有关的技术,分析了其研究现状,探讨了在周期挖掘的研究内容和方法,总结了该领域已取得的成果,重点研究了周期挖掘的方法,由此引出本文所要研究的内容第二章扩展了基本的时间概念及性质,进一步提出来多粒度时间格式等的数学定义,并研究它们的相关性质。以此为基础引出了一个多粒度时间部分周期模型,对模型的性质进行了详细讨论。为下一步的挖掘算法提供了理论基础。第三章我们研究了两个挖掘部分周期的算法,第一个算法CA提出了先父后子和利用阀值的裁剪方法,第二个算法提出逆向计算模式有效性方法。数值实验表明了这两种算法的效率高于已有的算法。第四章研究了对于数值型数据用属性聚类的方法对数据进行符号化,然后针对有噪音出现和部分周期性的特点提出了一个非同步的快速挖掘算法。本文主要建立了多粒度时态数据的表示和部分周期模式模型,获得了两个挖掘多粒度时态数据的部分周期算法,1 个异步周期算法,实验表面了所提出的挖掘算法对于发现周期是有效的。