在数据挖掘研究领域中,序列模式挖掘是一个重要的研究分支。序列模式挖掘可以应用于购买模式分析,生物序列特征提取,网络流量分析等等诸多领域,帮助研究者获取潜在的有价值信息。作为序列模式挖掘的基础,序列模式匹配算法对挖掘的效率与质量有着至关重要的影响。序列模式挖掘往往建立在各式各样的条件和约束下,其中无重叠约束下的带间隙模式挖掘拥有更强的表达能力,也对作为挖掘基础的模式匹配算法的性能提出了挑战。无重叠匹配问题指在序列中找到模式的最多出现,且不同的出现中不可用相同模式元素匹配同一序列元素。尽管已有的研究证明了无重叠条件下的带间隙模式匹配是一个多项式时间复杂度问题,并提出了完备的匹配算法,但是这些匹配算法均使用离线方式进行计算,存在空间复杂度高的固有缺陷。为提升挖掘的性能,本文的研究致力于设计一种高效的在线匹配算法。本文的主要工作及研究贡献如下:(1)明确了在线方式计算无重叠约束下模式匹配的定义;(2)提出了一种用于处理在线匹配的数据结构,称为流网树结构;分析了在线方式匹配计算时保证解完备的条件,并依此给出了令匹配计算次数最少的判断机制。基于流网树结构,我们构造了在线求解算法NOSE-Online。为保证算法的空间复杂度仅与模式有关,我们提出了两种剪枝策略,分别利用流网树中最小路径的性质以及节点的可达性进行剪枝,极大降低了算法的内存消耗。(3)进行了大量的对比实验,匹配数的对比验证了NOSE-Online算法的正确性,并从算法运行时间及算法内存消耗两个角度展示了NOSE-Online的高效性。