从大型数据库中挖掘频繁模式是许多数据挖掘问题中的核心任务,并有广泛的应用.但是已有的大多数方法都假设数据库是静态的.其实在越来越多的应用领域,数据库都处在有规律的更新中.在这些动态环境中,增量维护以前发现的模式就成为本质问题.另外,在现实世界的应用中,由于缺乏领域知识,用户最初很难确定对阈值的需求,需要在不同阈值下不断调整挖掘结果.而动态数据和交互控制的环境一般都需要快速响应,急需当数据库改变时的高效增量挖掘算法和阈值调整时的高效交互挖掘算法.(1)系统地提出了基于划分的增量挖掘的理论和方法:该研究从分析频繁模式挖掘与增量挖掘问题的格搜索空间入手,提出基于前缀等价关系划分格空间的增量挖掘的方法,以及基于该划分的加细——极大完全子图的划分——的增量挖掘算法.(2)提出了模式索引树和基于模式索引树的增量挖掘机制:该研究提出了一种新的简洁的项集索引结构——模式索引树,和利用这种索引结构的增量挖掘算法.这种增量挖掘方法,完全不依赖于先前采用的挖掘算法.与挖掘问题中的项集索引——哈希树相比,模式索引树简洁的结构极大提升了项集的空间共享程度,为降低增量挖掘的空间和时间代价奠定了基础.(3)提出了基于频繁模式增长的交互挖掘方法:该研究提出两种基于频繁模式增长的交互挖掘方法,一种基于频繁模式树,另一种基于频繁模式列表.深入的性能分析表明该研究提出的频繁模式增量挖掘和交互挖掘方法是高效的、可伸缩的,与该研究领域的同类算法相比,具有明显的性能优势.这些研究成果已在我们的数据挖掘工具CyberMiner中得到使用和验证,取得了令人满意的结果.