数据挖掘技术是近年来数据库和人工智能等领域研究的热点课题,引起了科学界和产业界的广泛关注。频繁模式挖掘是数据挖掘中非常关注的一个课题。在这个方向已经有大量的文献被发表,并取得了巨大的进步。随着频繁模式挖掘的深入研究,图模型被广泛地应用于为各种事务建模,因此图挖掘的研究显得越来越重要。本文首先介绍了子图挖掘的研究内容,国内外研究现状,并阐述了课题研究的背景和意义。针对研究的内容,详细介绍了子图挖掘研究的基础知识和常用的技术思想。本文针对唯一标号的有向连通图模型,基于频繁模式树结构,改进了频繁模式增长算法,提出了CFPG算法来挖掘频繁连通闭合子图。使用生物代谢路径数据集的实验证明,CFPG能有效地挖掘出唯一标号的有向连通图集中的频繁闭图集,一次运算可以挖掘出多个阈值的最大频繁子图集。CFPG适用于以唯一标号的有向连通图建模的网络或图集。在基于无向标识图的改进算法中,文章提出了一个基于Apriori思想和嵌入集技术的频繁子图挖掘算法FSDE。嵌入集技术有效地解决了子图挖掘中子图同构检测的效率问题,同时,FSDE算法还优化了生成规范标号和候选子图的过程,效率得到较大提高。通过采用PTE数据实验研究表明,FSDE算法能够挖掘出所有需要的频繁图模式,比类Apriori算法FSG更高效。