当前,网上银行是在Internet上的虚拟银行柜台,已经逐步代替原来的柜台业务,为银行客户提供个性化的电子的服务。网上银行通过信息网络提供的金融服务,包括传统银行业务和因信息技术应用带来的新兴业务。它不仅帮助银行大大降低经营成本,有效提高银行盈利能力。而且利用信息化的技术,突破时空限制,向客户提供多种类、个性化服务。如何从爆炸性增长与动态变化的海量数据中获取信息与知识,已经成为了网上银行获得核心竞争力的关键。由于网上银行业务的数据规模宏大、更新速度快,如何利用有限的系统资源对海量数据流进行快速分析处理以获取有用信息成为首要的问题。在网上银行中,数据是随时间变动的、快速的、不可预测的和无限的以流的方式连到达。这种数据类型不能按持久的关系表的形式来建模,而是按瞬时的数据流的形式建模。因此,通过对数据流频繁模式的网上银行研究,能够根据网上银行自身的特点较好的进行数据分析工作,以帮助银行进行经营业务决策。本文首先对数据流挖掘及其模型等相关理论进行研究,总结出目前该领域的最新研究成果。并通过网上银行数据流的研究总结出网银数据流的概念与特征。然后,研究分析了现有的数据流挖掘算法,提出改进的数据流中基于滑动窗的最大频繁项集挖掘算法—BFPM-Stream算法,该算法采用事务和时间相结合的滑动窗口方法来解决数据流的流速不确定性问题。随后为了符合网银维护人员对频繁模式查询无法确定最小支持度的实际需求,本文又提出了数据流在滑动时间窗口内Top-k频繁模式挖掘算法。最后,本文通过使用模拟数据分别对两种算法进行试验研究。实验表明本文提出的算法具有良好的性能和稳定性,在网上银行中具有一定的使用价值。