从数据挖掘的概念被提出到现在,数据挖掘的思想和方法已经在许多行业都有了比较深入和成型的应用,其领域跨度包括计算机互联网行业、生物科学行业和金融行业等。尤其是在如今的信息时代,数据的量级呈爆炸式增长,数据挖掘成了一个从海量数据中提取有用信息的必不可少的工具数据挖掘中的关联挖掘算法已经在诸多领域被证明是一个有效的算法,但是由于算法本身的原因,它得到的关联规则无法表示事务之间具有的时序关系,针对这个问题,研究人员提出了序列模式挖掘算法。本文比较深入地研究了序列挖掘相关算法,包括按照水平方向产生频繁序列模式的GSP算法、AprioriAll算法和PrefixSpan算法,以及按照垂直方向的SPADE算法,但是这些基本的算法都存在空间和时间复杂度过高的问题。对于上述问题,首先针对西门子手机病毒挖掘引擎中实际数据的情况,依据数据挖掘中数据预处理理论提出了实际的预处理方案,使得原始数据能够适应本项目中的挖掘算法应用；然后依据SPADE算法思想,利用多叉树结构有效地产生了频繁序列模式集,并结合闭合序列模式理论,提出了一种新的闭合序列模式判别方法,这是本文的核心。本项目从效率和有效性的角度上,通过对比实验,证明了基于S-List的闭合序列模式挖掘(SLCSP)算法时间复杂度和有效性都具有良好的表现,其中在IBM序列数据生成器上实验说明SLCSP算法相比较CloSpan算法在效率上的优越性,在实际病毒数据挖掘中,验证了算法的有效性。