从数据挖掘概念提出至今,数据挖掘技术得到越来越多人的关注并逐渐走向成熟。目前,各式各样的数据挖掘技术被广泛的运用于现实生活中,并在不知不觉中改变着我们的生活方式。在数据挖掘技术中,模式挖掘是基本的研究主题之。近年来,传统的频繁模式挖掘已经无法满足人们的现实需求,比如,人们需要的不是挖掘出那些支持度高的项集,而是那些重要程度、利润高的项集。在这样的背景下,高效用模式挖掘是频繁模式挖掘研究的热点之一,是对传统的频繁模式一个重要的扩展。与传统的模式挖掘不同,高效用模式挖掘即可从事务中挖掘出支持度高的项集,又可以满足用户的实际需求。这使得高效用模式挖掘具有良好的运用价值和广泛的应用范围。本文在频繁模式挖掘的基础上,研究分析了高效用模式挖掘的相关算法,针对垂直模式类高效用模式挖掘算法的不足,提出了改进方法。此外,将序列模式挖掘算法应用于无损图像压缩算法LZW中。本文的主要研究工作如下:(1)提出了一个基于垂直模式类的高效用模式挖掘算法IHUI-miner。由于高效用模式挖掘较为复杂,提高其挖掘算法的效率是数据挖掘的研究热点。HUP-miner算法是典型的基于垂直模式类的高效用模式挖掘算法,虽然能够较好的减少效用列表的总个数,但项集的划分效用列表需要更多的空间。针对该问题,本文在HUI-miner算法的基础上充分考虑了 1-扩展集中与项集的关联性,实现了对保留项集的效用列表剩余效用值进行更新,同时对HUP-miner中LA-Pruning策略进行扩展,删除了项集TWU估计值的非保留项集部分,减少了效用列表个数,提出了改进的IHUI-miner算法。实验结果表明,改进算法IHUI-miner在时间效率和减少效用列表的个数上都优于HUP-miner与HUI-miner算法。(2)提出了结合邻近序列与页面置换方法的图像压缩算法LZW-MAL。LZW算法是图像压缩中常用的无损压缩算法之一,LZW算法自适应生成的字典是采用局部而非全局搜索方式产生的,本文结合最大邻近序列模式方法,充分利用图像中未使用的像素值编码进行图像数据的最大邻近序列模式替换,同时使用页面置换方法来改善LZW算法的字典表,提出了一个LZW图像压缩的改进LZW-MAL算法。实验结果表明,LZW-MAL改进算法对图像的压缩比优于LZW算法。