频繁模式挖掘是数据挖掘领域的一个基本问题，其研究范围包括事务、序列、树和图。其方法被广泛应用于许多其它数据挖掘任务中，如相关性分析，周期分析，最大模式，闭合模式，查询，分类，索引等等。随着网络的快速发展，频繁模式的挖掘已经推广到诸如图和树这类复杂模式的挖掘上，并广泛的应用于生物信息学、web挖掘、化合物结构分析等领域。本文对大量频繁子树挖掘算法，特别是基于模式增长的子树挖掘方法进行了深入的研究与分析，主要分析了基于模式增长策略下各种挖掘算法的实现方法与技巧，针对模式挖掘过程中侯选模式集的生成和支持度计算复杂的特点，以及重复运行挖掘算法而产生的时空消耗，提出一个简单高效的挖掘算法。本文提出了利用树的序列编码，按照模式增长方法来挖掘频繁子树的算法。算法引入基于数组结构的序列编码来表示树和森林；用最左路径扩展方法构造完整的模式增长机制；能够系统的根据树的拓扑结构，在频繁子树模式的各个增长点上构造相应扩展模式，把侯选模式生成巧妙地转化成有效扩展点的查找，这种方式不但保证了侯选模式生成完全无冗余，而且使支持度计算变得更加的简单可行，在此基础上，设计并实现了频繁子树挖掘改进算法TMG。本算法与基于Apriori的TreeMiner算法的比较，TMG算法具有更优的性能。适用范围更广，进行简单的变换后，可以对不同类型的树进行挖掘。