间隙约束序列模式挖掘是一种重复序列模式挖掘方法,可以避免某些间隙较大的无意义模式过多地被挖掘出来,更具有灵活性与针对性。无重叠条件下的序列模式挖掘是间隙约束序列模式挖掘的一种,能够在不产生冗余的情况下挖掘出有价值的信息。当前无重叠序列模式挖掘研究的缺点之一是使用的间隙约束可以匹配任意字符,但由于有时序列中各字符对序列的影响是不同的,如果在间隙中允许强波动,则会导致匹配的出现与原始的模式具有明显不同,导致挖掘结果中产生大量误差。为此,本文采用弱通配符间隙约束,通过将间隙约束限制为对序列影响较小的弱字符,可以更加精确且高效地将数据集中的频繁模式挖掘出来。此外,在进行模式的支持度计算时,本文采用深度优先和回溯策略在线的搜索模式出现,降低了算法的时间复杂度和空间复杂度;在生成候选模式时,采用基于Apriori性质的模式连接策略,实现了对候选模式的高效剪枝。本文研究显示,使用弱间隙的无重叠序列模式挖掘课题具备更高的研究和应用价值。本文的主要研究内容如下:1、研究了无重叠弱间隙序列模式挖掘问题（Nonoverlapping Weak-gap sequential Pattern mining,简称为NWP mining）,并给出问题的相关定义。该问题拥有三个特点:对序列中所有满足给定条件的频繁模式进行精确挖掘;使用的间隙约束仅允许匹配弱字符;挖掘出的所有模式均满足无重叠条件。2、为了挖掘无重叠弱间隙模式,本文提出了高效的求解算法NWP-Miner算法。该算法在计算模式的支持度时使用更加有效的结点创建方法,使用深度优先和回溯策略在线的得到无重叠弱间隙出现,由于不再创建冗余的结点和双亲关系,减少了计算模式支持度时的空间与时间开销;在挖掘过程中使用模式连接的方法的产生候选模式,有效地缩减了候选模式的生成空间,提高了算法进行模式挖掘的效率。3、本文从理论上分析了NWP-Miner算法的时间复杂度为O（m×n×l）,空间复杂度为O（m×n）,其中,m为模式的长度,n为序列的长度,l为候选模式的数量。4、在股票、石油、天气和音乐等真实时间序列数据中的对比实验结果显示,与同类算法相比NWP-Miner不仅具有最优的挖掘性能,而且能够挖掘出更有价值的模式。此外,对道琼斯股票的实验显示,本算法可以通过挖掘无重叠弱间隙频繁模式来帮助用户分析股票市场的波动范围。