在本文中，我们提出了一种算法TKBT（基于TKTT的top-k封闭频繁项集），可有效地挖掘数据流中的top-k封闭频繁项集。 首先根据滑动窗口中数据流的数据连续性和可变性，定义了一种新颖的结构BWT（位向量窗口表）。 在BWT水平方向上，我们使用位向量来表示事务，在最旧，最新的窗口以及当前时间的所有窗口中记录项目数，从而减少了新窗口滑入时项目数的计算时间。在BWT垂直方向上，我们设置了窗口分区，这使得我们只需要在出现新窗口时用相应的最新窗口替换最旧的窗口信息即可。 TKTT（top-k临时表）的

滑动窗口是一种对最近一段时间内的数据进行挖掘的有效的技术,本文提出一种基于滑动窗口的流数据频繁项挖掘算法.算法采用了链表队列策略大大简化了算法,提高了挖掘的效率.对于给定的阈值S、误差ε和窗口长度n,算法可以检测在窗口内频度超过Sn的数据流频繁项,且使误差在εn以内.算法的空间复杂度为O(ε-1),对每个数据项的处理和查询时间均为O(1).在此基础上,我们还将该算法进行了扩展,可以通过参数的变化得到不同的流数据频繁项挖掘算法,使得算法的时间和空间复