闭合序列模式挖掘已经成为序列模式挖掘重要研究方向之一并且在诸多领域具有广泛应用。许多研究表明闭合模式集是频繁模式集的无损压缩表示,同时保留了频繁模式集中所有有用的信息,并且隐含了其他频繁模式的信息。无重叠条件是指一个模式在序列中的任意两个出现的相同位置不使用序列位置相同的字符。无重叠条件的序列模式挖掘大大减少了冗余模式的产生,并能够有效地挖掘出满足条件的模式。无重叠条件的闭合模式挖掘结合了二者的优势,得到了越来越多研究者们广泛的关注和研究。相对于其他类型的序列模式,无重叠条件的闭合模式更加简洁有效且结果完整。因此,本文对无重叠条件的闭合模式挖掘问题进行深入研究。本文主要的研究内容和相关工作如下:(1)给出无重叠条件的闭合序列模式挖掘的相关概念和定义,并对相关算法Clo GSgrow的挖掘过程进行简要分析,举例说明了该算法丢失有效解的原因,证明该算法不具有完备性。(2)介绍了网树的相关概念和性质,模式P的所有出现都能转化为网树的根结点到叶子结点的路径,进而采用网树结构计算模式支持度。提出基于位置检索策略的PSC算法来进行闭合模式的判定,并在该算法的基础上提出了基于广度优先的无重叠条件的闭合模式挖掘算法NOCSP-BEST。(3)选取DNA序列和蛋白质序列,通过大量实验分析比较NOCSP-BEST、NOCSP-DF与Clo GSgrow算法的挖掘结果和挖掘时间,证明NOCSP-BEST算法具有高效性和完备性。