数据挖掘是从存放在数据库、数据仓库或其他信息库中的大量数据中发现有趣知识的过程，是涉及人工智能和数据库等学科的一个相当活跃的研究领域。序列模式发现是其中一个重要的研究方向。　　 序列数据库由记录带有或不带有具体时间概念的有序元素或事件的序列组成。序列模式挖掘就是在序列数据库中发现频繁发生的有序事件或者子序列模式。序列模式挖掘有着广阔的应用前景，例如交易数据库中的客户行为分析、Web日志分析、文本分析、DNA分析和自然灾害预测等等。　　 现实世界中的事物是相互联系的，挖掘基于多序列的序列模式能够更好地反映现实世界中事物的关联。本文在传统的序列模式挖掘基础上，通过改进实现了多序列模式的挖掘。首先，对传统的序列模式概念进行扩充，提出了多序列模式概念(Multiple Sequential patterns)以及基于多序列约束的优化和剪枝技术。其次，在Prefix Span算法的基础上实现了多序列模式的挖掘算法(MS_PrefixSpan);在CloSpan算法的基础上实现了闭合多序列模式的挖掘算法(CMS_CloSpan)。最后，将闭合多序列模式挖掘算法应用到实际数据分析中。　　 实验结果表明，本文提出的多序列模式挖掘算法能够准确高效地挖掘出多序列模式，并在实际数据分析中挖掘出了较有实用意义的模式。