近年来,数据挖掘技术成为数据库和人工智能等领域研究的热点课题,不仅引起了学术界广泛关注,而且也引起了产业界的高度重视。频繁模式挖掘是数据挖掘中非常受关注的一个课题,已经有大量关于这个课题的文献被发表,不仅在数据挖掘领域取得了巨大的进步,而且数据管理的对象也从非结构化数据向结构化数据延伸。图数据结构作为模式一种特别形式,具有强大的表述能力,很多新兴的数据库都采用图数据结构建模。　　 随着频繁模式挖掘的深入研究,特别是图模型被越来越广泛地应用于为各种事务建模中,图挖掘的研究显得越来越重要。在图挖掘过程中子图同构是关键步骤,而对图集的一次分析后,怎样在后续的多次挖掘过程中充分利用分析的结果,又直接影响着子图挖掘的效率。本文介绍了子图挖掘的研究背景,国内外研究现状,并阐述了课题研究的意义和内容。详细介绍了图论的相关知识、子图挖掘研究中的基础知识,并分析了常用的技术思想及一些经典挖掘算法。　　 本文的研究针对非唯一标识的复杂有向连通图模型,并基于频繁模式树结构,改进了频繁模式增长算法,提出了CCFM算法来挖掘频繁连通闭合子图。文章最后通过采用生物分子结构数据集进行实验表明,CCFM算法能够高效地挖掘出有向连通图集中的频繁闭图集。算法生成了一个包含所有频繁度的闭频繁子图集的搜索路径图,并对这个搜索路径进行了优化,这个路径指导多对一子图同构的挖掘过程,可以提高子图同构的运行效率。