频繁项目集最重要的数据挖掘研究方向之一。设计高效并行算法是大规模频繁项目集挖掘的主要挑战。论文基于MapReduce模型，提出负载均衡的并行频繁项目集挖掘算法；针对动态时变数据集，提出基于时间单元的增量式频繁项目集挖掘算法。主要贡献包括：　　 1.提出均衡的并行频繁模式增长算法(Balanced Parallel FP-Growth，BPFP)。在并行频繁模式增长算法(Parallel FP-Growth)的基础上，提出一种基于单元负载预估的分组方法对其进行负载均衡优化。实验结果表明，论文提出的均衡分组方法是有效的，BPFP算法可以加速频繁项目集发现过程。　　 2.提出基于时间单元的增量式频繁项目集挖掘算法(Time Unit-based IncrementalFrequent Itemset Mining，TUIFIM)。提出一种存储支持度计数累加和的数据结构，该结构支持快速访问项目集在任意时间段的支持度计数。遍历该结构即可发现数据集在任意时间段的频繁项目集。TUIFIM算法为基于特定时间段频繁项目集的知识发现提供有力支持。　　 3.设计实现基于频繁项目集的知识发现系统(FIMMA)。该系统中集成了BPFP算法与TUIFIM算法，并采用一种新颖的方法完成基于频繁项目集的知识发现流程，相比于传统方法，使用该系统可以在更短时间内发现更多基于频繁项目集的知识。