随着全球智能化的不断发展,计算机软件在人们生活中发挥越来越重要的作用,各行各业的软件产品应运而生,由此也产生大量冗余的软件数据。将数据挖掘中的方法应用到软件的行为分析中,从这些软件数据中获取有价值的信息,能够帮助软件开发人员进行系统错误定位、软件漏洞预测、系统行为预测等工作,从而有效地完成对软件的更新和维护工作。本文从获取软件的动态行为模式出发,在软件执行路径中进行序列模式挖掘,将具有高效用的模式提供给研究人员,本文主要工作如下。首先,本文对软件执行路径的特性进行分析。通过对软件执行路径的理论研究,提出本文的研究工作是在软件动态行为分析基础上进行的,阐述获取软件执行路径的方法,分析序列模式的特性,同时总结经典的序列模式挖掘算法的实现思想和优缺点。其次,针对行为模式结果集的数量较多的问题,提出基于软件执行路径的高效用闭模式挖掘算法。为软件执行路径中的每个函数模式设计一种结构,保存函数所在的序列编号和效用值等信息,根据这种结构提出一种剪枝策略,能够有效地减少扩展次数,同时根据这种结构提出挖掘闭模式的方法,从而实现压缩结果集数量的目的。再次,针对用户难以确定效用阈值的问题,提出挖掘Top-k高效用连续序列模式的算法。为软件执行路径中的每个函数模式设计一种结构,其中包含下一个相邻的函数信息,以便挖掘连续序列模式。同时,为尽快丢弃位于k个位置之后的模式,提出四种剪枝策略,从不同方面提高算法的执行效率。最后,选取不同的数据集,在Windows环境下进行实验,比较本文提出的算法与其他同类型算法的执行效果,从运行时间、内存使用量和剪枝策略效率等角度进行评估。