序列模式挖掘是挖掘基于时间或者其它顺序的出现频率高的模式。序列模式挖掘是一类重要的数据挖掘问题,有着非常广泛的应用前景,包括顾客购买行为的分析、网络访问模式的分析、科学实验的分析、疾病治疗的早期诊断、自然灾害的预测、DNA序列的破译等等。本文对序列模式挖掘算法进行了深入研究,取得的研究成果如下:1.综述了序列模式挖掘算法由始至今的发展历程,列举了序列模式挖掘过程中面临的问题,分析了各类算法的利弊,提出了序列模式挖掘算法今后可能的发展方向。2.提出了一种基于数据流的序列模式挖掘算法。该方法通过设计一种层次的存储结构来尽可能多的保存中间信息,从而克服了数据流量大、一次访问的缺陷。实验结果表明,该算法具有良好的效果,不仅能有效地挖掘出序列模式,而且在一定程度上提高了整体序列模式挖掘的速度。3.基于投影数据库的思想,提出了一种分布式序列模式挖掘算法。该算法基于宽度优先搜索的思想,不仅能挖掘出所有的全局序列模式,而且能有效地节省因生成投影数据库而产生的额外磁盘空间。实验结果表明,DLMSP算法是有效可行的。4.提出了一种基于分布式序列模式挖掘的入侵检测方法,该方法建立在一种无中心的多Agent分布式体系结构之上。在实现分布式检测时,采用了一种基于单个Agent检测与多个Agent协同检测的两步检测算法。5.利用JAVA语言,在基于Agent的分布式入侵检测系统原型基础上,实现了基于分布式序列模式挖掘的入侵检测算法。实验测试结果表明,该算法能有效检测网络攻击。