随着多媒体压缩技术和Internet的迅速发展,各种多媒体信息系统,如视频点播,数字图书馆,视频广播等,使用并生成了大量的视频数据.视频是包含信息量最丰富的数据,因此如何对视频信息进行分类、组织和索引已成为一个重要的研究课题.视频流的数据量大,又是一种非结构性的数据,因此视频分类一直是视频分析工作中的一个难点.该文以数字视频数据为基础,采用数据挖掘技术对基于内容的视频分类和检索进行研究,提出了一个基于序列模式挖掘的视频分类系统模型.将这些实际问题抽象为视频数据的准备、基于序列模式的数据挖掘,序列分类匹配三个子论题.该系统首先利用视频分割技术将视频分成一系列的镜头,并提取出这些镜头的特征属性,形成原始的镜头序列,接着对该镜头序列进行数据的预处理,即数据的离散化,形成了视频特征数据库,然后我们使用以cSPADE算法为基础的序列模式对各个分类进行频繁序列的挖掘,在挖掘过程中,我们加入了序列的最大长度,最大宽度和序列间的最大间距作为约束条件来减小生成的频繁序列结果集的规模,并利用其进行分类序列规则挖掘,对形成的分类规则进行规则的裁减后就形成了分类规则库,最后在分类匹配模块中,我们提出了一种新的分类预测算法来对输入序列进行分类,并得到最终的视频分类结果.