随着信息技术的发展,新型的数据流模型出现在数据挖掘领域中,这使得该领域的发展出现了新的挑战。由于数据流的动态性,使得已有的针对静态数据的成熟挖掘技术无法对这种连续到达、无限规模的数据进行有效的信息挖掘,所以对于数据流的挖掘逐渐成为国内外研究人员的关注点。对于数据流挖掘的研究,可以应用在广泛的生活环境中,比如电信行业、大型连锁超市销售行业、多传感器网络领域以及网络监控领域都有其存在应用的意义。带着如此规模巨大的应用前景,相信数据流挖掘技术会飞速发展。本文在引入数据流挖掘的相关概念及数据挖掘中相关算法理论的同时,主要研究了数据流中频繁项集挖掘的问题,提出了一个基于CAN-tree概要数据模型的数据流频繁项集挖掘系统的实现方法,在该系统实现中,改进了概要数据模型的构建方式,提出与之匹配的频繁模式挖掘算法,并通过多次实验得出结果,并做了结果分析。本文主要涉及到以下几个方面的内容：1、引入数据流挖掘概念。对比静态数据,讲述数据流的概念,发展过程及其特点；介绍当前存在的一些数据流模型构建算法,数据挖掘中关联规则和频繁模式挖掘的一些经典算法；介绍数据流管理系统目前的发展现状及特点。2、设计了基于CAN-tree结构的概要数据模型。引入训练的思想,使用前期数据流事务集构建基本有序的项头表,提高了后期子树的压缩率；改进子树的结构,使其更符合后期的频繁模式挖掘的需要；3、提出了FPMC算法。在基于改进的CAN-tree结构上,提出了一种快速的频繁模式挖掘算法,省去了以往的递归思想,使得后续的挖掘过程中尽量节省资源,提高挖掘速度和效率,使其更符合动态的数据流挖掘的思想。总体上讲,通过多次实验证明,系统基本满足了预期的设计期望,实现了一个基本符合数据流挖掘系统定义的完整应用系统。