随着数据采集、处理、预测等技术的不断进步,不确定序列数据普遍存在于科学、通信、物流、金融等领域的具体应用中。本文首先关注于一般形式的事务序列数据库中的频繁模式挖掘问题;其次,针对具体的局部相关性不确定数据库,我们研究了其快照序列上处理最近邻模式查询的算法。一个很重要的方面是在不确定序列数据中挖掘未知的序列模式从而将很多的有价值的信息提供给用户。某些序列模式会很有可能包含先前人们未知的有价值的规则。相比于确定序列数据库,不确定序列数据库中挖掘序列模式更加复杂,其通常有着更大的搜索空间。由于数据的不同,已知的目前被广泛应用的基于模式扩展的挖掘方法也不能够直接用来解决不确定序列模式挖掘问题。本文也提出了一种新颖的定义在不确定数据库的快照序列上的概率频繁近邻查询,目的是在快照序列上找到以一定概率频繁成为查询模式最近邻的那些对象。然而由于在局部相关性不确定数据库快照序列中处理概率频繁最近邻查询时,应用现有的基于传统数据和基于不确定数据上的近邻查询算法直接处理这种查询必须面对巨大的搜索空间和访问条件概率表的大量时间开销。针对第一方面问题,本文提出了多项式时间的快速ETP算法来处理不确定序列挖掘,以及相应的剪枝策略。其次,为了很好的解决第二方面问题,我们提出了针对概率频繁最近邻查询的一般的处理框架,及其相应的过滤方法。我们在人工的和真实的数据上都进行了充分的实验,并验证了给出的算法的有效性。