随着以高通量测序技术为代表的新技术得到发展和广泛应用,越来越多可利用的密集型数据开始出现。同时,大数据技术也处于如火如荼的发展中。在大数据环境下处理密集型数据成为可能,而其处理性能也是信息技术能否成功应用的关键。《大数据环境下局部模式挖掘关键技术研究》首先综述了从以基因表达数据为代表的密集型数据中挖掘局部模式的方法:并围绕局部模式并行挖掘的执行性能问题,提出了大数据环境下减少数据交互量的计算框架,在此基础上设计挖掘多种类型的局部模式的并行算法。其次,为了从源数据中直接搜索符合特定要求的多类型的局部模式,提出了基于前缀树索引的查询方法,进而提升了密集型数据的分析效率;然后针对局部模式的挖掘、索引与查询问题,设计了一个名为OEMGA的原型系统。最后,提出了利用领域知识的约束查询方法来提升局部模式查询的相关性。《大数据环境下局部模式挖掘关键技术研究》为大数据环境下密集型数据的有效分析提供了切实可行的解决方案,具有重要的理论意义和应用价值。