随着包括化学情报学、生物信息学、计算机视觉、视频索引、文本检索以及Web分析在内的广泛应用,图做为一种一般的数据结构在复杂结构和它们之间相互作用建模过程中变得越来越重要。为了进一步进行特征化、区分、分类和聚类分析,挖掘频繁子图模式已经成为了一项重要的任务,频繁子图挖掘已经成为了数据挖掘中一个活跃和重要的课题。在各种各样的图模式中,频繁子结构是可以在图集合中发现的非常基本的模式。频繁子结构可以用来刻画图集合的特征,区分不同的图组群,对图进行分类和聚类,构造图索引和更方便的在图数据库中进行相似性搜索,例如,通过对比不同类中频繁图的支持度,发现HIV甄别数据集中活跃的化学结构。但是,现有频繁子图挖掘算法在最小支持度很低时效果并不好,因此,本文给出在集群并行环境下频繁图并行挖掘算法。本文主要的研究结果如下:根据频繁子图挖掘算法gSpan的算法思想,提出了一种在基于集群并行环境下的动态负载平衡的频繁子图并行挖掘算法。该方法通过划分DFS词典树,维护本地负载队列,限制负载粒度等策略有效的实现了并行频繁子图的挖掘,理论分析和实验结果验证本文的并行算法在集群机器上具有很好的性能。针对频繁闭图挖掘算法CloseGraph,给出了早期终止失败检测的替代方法,实现了CloseGraph算法,并且进一步提出了频繁闭图并行挖掘算法,并且实验验证了算法,算法具有较好的性能。