序列模式挖掘（Sequential Pattern Mining,SPM）是在单序列或者序列数据库中发现出现次数（支持度）大于给定阈值的频繁子序列（模式）的一种数据挖掘方法。当前,序列模式挖掘作为一种数据挖掘方法被广泛应用于现代生产、生活各方面。传统序列模式挖掘算法的挖掘对象主要是序列中频繁模式全集。这一全集中存在大量的冗余模式,使得模式数量巨大,也导致算法的运行时间较长、空间开销较大。为了有效压缩模式集、提高挖掘效率,本文采用闭合序列模式挖掘策略,仅挖掘序列中满足支持度不等于其超模式的闭合模式子集。此外本文采用无重叠条件,允许模式中不同位置字符使用同一个序列字符,减少了冗余模式的生成。本文研究显示,无重叠闭合序列模式挖掘具有较高的研究和应用价值。本文主要研究内容如下:1.本文给出了无重叠闭合序列模式挖掘问题的定义,分析了现存同类算法中存在的问题,在理论证明了无重叠条件下的闭合模式挖掘算法可以得到完备解。本文采用模式拼接策略生成候选模式,提出周期间隙无重叠闭合模式挖掘算法NetNCSP（Nettree for Nonoverlapping Closed Sequential Pattern）。并在理论上证明了NetNCSP是满足Apriori性质的完备算法,并给出了算法时间复杂度、空间复杂度、Apriori性质分析。2.NetNCSP主要包括支持度计算和闭合模式判定两个步骤:支持度计算方面,基于网树结构,本文提出采用回溯策略无重叠模式支持度计算算法Back Tr,将算法复杂度从O（m*m*n*w）降到O（m*n*w）,并证明Back Tr是完备性算法。闭合模式判定方面,本文提出Inherit（继承剪枝）、Predict（预测剪枝）以及Closeness Determine（闭合判定剪枝）三种策略进行闭合模式判定、剪枝,有效提高了挖掘效率。3.为验证NetNCSP的高效性,本文提出对比算法NetNCSP-bf、NetNCSP-df分别采用广度优先、深度优先策略生成候选模式;提出NetNCSP-netgap算法采用NETGAP策略进行支持度计算;提出NetNCSP-noinh、NetNCSP-nocheck算法分别在去除继承剪枝、预测剪枝和闭合判定剪枝条件下进行闭合模式挖掘;提出NetNCSP-nogap算法在无间隙约束条件下挖掘连续闭合模式。4.在DNA、病毒序列等长序列数据中的对比实验结果显示,在不同序列数据库、模式长度、支持度阈值、间隙约束等条件下,与同类算法相比,NetNCSP都具有最优的挖掘性能,同时具有良好的模式压缩性。在新型冠状病毒肺炎（COVID-19）致病病毒SARS-Co V-2序列中实验显示,SARS-Co V-2与SARS两种病毒序列具有相同模式组成,但在模式组合上有一定差异。