数据流挖掘是应用数学与数据库领域研究的热点问题。频繁项集挖掘是数据流挖掘的核心问题之一。由于最大频繁项集包含了其子集所代表的频繁项集,能够最大程度地减小存储规模,因此,本文对数据流最大频繁项集挖掘算法进行了研究。主要工作如下：(1)对现有的数据流挖掘算法进行了研究和分析,指出了存在的问题,并对其进行了改进。在DSM-MFI算法的项集的计数中引入衰减率,得到了一个挖掘数据流最大频繁项集算法-DSM-AMFI算法。算法通过减少历史数据的计数,达到减少旧事务对当前挖掘结果的影响的目的,降低了挖掘的规模,增强了算法的动态性。实验结果表明,在密集数据流条件下,DSM-AMFI算法时间效率比原算法有显著的提高。(2)设计了前缀二叉树存储结构—PBT,结合Bitset结构,改变了传统的存储方式,进而给出了一个基于前缀二叉树的数据流最大频繁项集挖掘算法—DSMMFI-BPBT算法。在挖掘最大频繁项集过程中,由于仅对PBT中节点的项集进行位运算,不必存储位运算过程中产生的位串,减少了位运算的次数,降低了存储的规模。实验表明,本文算法的空间和时间效率优于MFI-TransSW算法；在平均挖掘长度较长和低闽值的情况下,算法的时间效率优于DSM-MFI算法。