序列的公共特征在现实生活中有着重要的应用。离散的序列的公共特征主要应用在信息检索,基因序列匹配等领域。连续序列的公共特征主要应用在股票预测,音频识别等领域。序列的公共特征应用广泛,因此受到越来越多的学者的研究与关注。离散序列的公共特征提取往往指求解多条离散序列的最长公共子序列问题,该问题是著名的NP难问题。精确算法已经尽可能的降低时间复杂度,但其复杂度仍是指数级别的。当数据集的规模增大时,采用精确算法求解的开销十分的庞大。近似算法虽然时间复杂度较低,但求出的解的数量较少,使得结果集的信息损失较大。连续序列的公共特征提取往往指求解多条连续序列的中心序列问题,该问题利用动态时间规整(DTw),来衡量时间序列间的相似性。但因其不满足三角不等式且计算复杂度较高,因此求解多时间序列的中心序列问题也是NP难问题。本文对一些前人的研究做了综述与回顾,介绍部分算法的核心思想。在离散序列的公共特征提取方面,引入了“格”(Lattice)结构提出了一个新的计算序列公共格的算法,该算法亦可近似计算序列的最长公共子序列。算法采用局部合并策略,并使用格结构来存储合并过程中的信息。通过实验,验证了对于离散序列的公共特征提取,本文算法得到解的精确性与数量方面均具有优势。在连续序列的公共特征提取方面,本文基于DBA算法,提出了一个新的计算多条时间序列的中心序列的近似算法,算法采用多初始序列,以及分层合并策略,分层策略遵循最近相邻原则,合并策略遵循min-max原则。并通过实验,验证了本文算法较比其他相关算法得到的解更优。