数据流拥有数据量无穷、数据概念随时间变化、数据流的数据量以惊人速度持续不断增长等特点对数据挖掘技术提出了新的挑战，海量数据的高速到达使得传统数据挖掘技术不再有效、可行。现有的数据流挖掘方法都是在牺牲精度的前提下降低算法的时间和空间复杂度。Mobile Agent系统是一种具有移动性、智能性和异步计算等特点的全新分布式计算范型，将其理论应用于数据流挖掘算法当中，提高数据流挖掘的速度和精度，进一步推动数据流挖掘技术的发展。本课题的研究内容：（1）提出一种基于Mobile Agent的分布式数据流挖掘模型(DDMMMA)；（2）基于DDMMMA模型解决数据流离群点挖掘问题，提出一种高效的分布式数据流离群点检测算法，降低算法的时间和空间复杂度；（3）基于DDMMMA模型的数据流分类算法研究，有效地融合各主机上的分类信息、全局最小化概念漂移率，提高数据流分类算法的训练速度、分类精确并增强算法的稳健性