随着数据存储与信息化技术的迅速发展,生物序列数据库的数据量呈现井喷式增长,生物序列上的近似查询难度越来越大。虽然有多种方法度量两个序列的相似度,但是普遍关注的方法是用最长公共子序列长度来衡量两个生物序列相似度。然而,求解两个序列的最长公共子序列长度的时空代价都比较大,尤其是在海量的生物序列上。因此直接运用现有的最长子序列算法势必影响查询性能,设计出性能优越、过滤效果优秀的过滤算法,是解决生物序列上近似最长公共子序列查询处理的最佳选择。本文总结分析现有两个序列的最长公共子序列算法,根据这些算法的特点,选择性地应用在近似最长公共子序列查询处理的验证过程中。首先,针对长序列上的近似最长公共子序列查询处理问题,设计了长序列上的最长公共子序列基本过滤算法。通过使用扭转过滤优化策略和计数过滤优化策略,使得优化后的BTC_Filter算法过滤效果显著提升。结合位并行技术,将BTC_Filter算法位并行化,其性能显著提高,最终提高了长序列上近似最长公共子序列查询处理的速度。其次,针对短序列集合上的近似最长公共子序列查询处理问题,设计了短序列集合上的LCSIndex索引结构,以及基于此索引的过滤算法BRD_Filter算法。通过向右偏移控制策略和双向同时过滤策略使得BRD_Filter算法的过滤效果达到90%,有效地减少了过滤结果集的规模,缩短了短序列集合上的近似最长公共子序列查询处理时间。最后,在真实数据集上进行了大量的测试,实验结果显示:对于长序列上的近似最长公共子序列查询处理,运用了BTC_Filter过滤算法的查询处理时间明显少于直接运用最长公共子序列求解算法;BTC_Filter算法位并行化之后的运算速率显著提升;对于短序列集合上的最长公共子序列查询处理,运用了 BRD_Filter过滤算法的查询处理速度快于直接运用最长公共子序列求解算法。