随着互联网及存储技术的快速发展,出现了大量的结构复杂的数据,如生物学数据、Web数据和XML数据等,这些数据大都可以用树或图的结构来表示。如何从这样的数据中提取出有用的信息,已经成为数据挖掘领域研究的热点。本文对序列、子树挖掘方法的研究现状进行了分析,对利用序列挖掘方法解决子树挖掘的问题进行了研究。首先,提出基于投影编码的频繁嵌入子树挖掘算法—PETreeMiner,算法利用序列中无候选产生的技术—前缀投影技术来挖掘频繁嵌入子树。在投影过程中利用结点的范围属性对结点进行编码,投影得到带有编码的频繁序列,且该序列能够与一棵频繁子树对应。通过定理证明了算法的正确性,并对算法进行了实验分析。其次,提出了增量挖掘频繁嵌入子树的算法—IncPETM。当数据库稍有改变时,重新对数据库进行挖掘,原先挖掘的结果变得毫无用处,也造成了时间空间的浪费。针对这种情况,可利用已有的挖掘结果,得到因增量数据库新产生的频繁模式,从而避免对更新后数据库的重新计算。通过定理证明了算法的正确性,并对算法进行了实验分析。最后,提出了频繁归纳子树的挖掘算法—PEITM,通过定理证明了算法的正确性。并把PEITM算法与现有基于投影的PFTM算法进行了实例分析比较,虽然两者的效率相似,但是,PEITM算法比PFTM算法拥有更好的扩展性。