数据挖掘是从数据库或其他信息库的大量数据中挖掘出有效知识的过程。它涉及多学科技术的集成,是当前的热点研究领域。现实世界中的大量数据具有时间或顺序上的关联性,序列模式挖掘是指寻找在某时间窗约束下,具有某种特征属性的告警事件产生,导致具备另一种特征属性的告警事件将以某种概率在另一个时间窗内产生的规则。本文全面的探讨了序列模式挖掘问题,讨论了该领域的研究现状、最新技术和进展,对序列模式挖掘的六大类算法进行了综合分析和评估,提出了这六大类算法的优缺点和适用环境。同时,作者对移动通信的网络告警关联进行了分析,提出了现有移动通信网络告警数据挖掘方案的不足,给出了总体解决方案。结合移动通信网络告警数据的网元数量多、告警数据数量大等特点,作者创新性的将网络拓扑约束和序列模式挖掘的两个算法相结合,提出了适用于移动通信网络告警关联的两个新算法。作者和小组成员一起,开发了BUPTPRISMiner数据挖掘平台,将序列模式挖掘的两种算法与数据挖掘平台整合,完成了算法改进、代码编写、实现和测试对比,利用实验验证出通过网络拓扑约束,序列模式挖掘算法的执行时间和效率大幅提升,有效提高了挖掘的速度和精度。