主要研究集中在数据挖掘及数据流挖掘的理论与算法和基于数据挖掘的交叉研究上。

1、数据挖掘的理论与算法研究

从1998年开始，对数据挖掘的基础理论和算法进行了系统化的研究，是国内较早开展数据挖掘研究的学者之一。特别是，在2011年中科院访问期间，和国内外数据挖掘著名学者进行了广泛交流和合作，形成了稳定的研究方向和特色。这一阶段的典型成果包括：

（1）      2002年，首次提出项目序列集（Set of Item-sequences）概念，对应成果发表在《计算机学报》(2002-4）上；之后在《电子学报》、《自动化学报》上对基于项目序列集对应的代数格空间及知识演化模型进行了扩展和完善。这些工作得到了国内同行专家的肯定。3篇累加引用超过200次。

（2）      2003年，博士学位论文“数据挖掘技术与关联规则挖掘算法研究”，集中对该阶段的数据挖掘的基础理论和关联规则挖掘算法进行了研究，是当时较为系统地对数据挖掘理论和技术进行研究的学位论文之一。该博士论文单篇引用已经170余，网引文数据库显示的下载次数近万次。

2、数据流（Data Stream）挖掘的理论与算法研究

从2005年，开始关注数据流挖掘问题。特别是，2005年在美国UVM大学访问期间，合作与国际著名数据挖掘专家Wu Xindong教授（系主任、IEEE Trans . TKDE杂志主编），成为国际上较早介入数据流挖掘研究的学者之一。在调研国际研究状况的基础上，选取了“数据流中的在线最大频集的挖掘问题”进行了集中攻关。典型成果包括：

（3）      2005年，提出了数据流的在线最大频集的挖掘方法INSTANT。作为美国UVM大学技术报告对外发布后，许多国际会议和期刊论文引用和评价了这一成果。如：数据处理顶级会议SIGMOD’06 文章“Research Issues in Data Stream Association Rule Mining”对此作出了评价：“A few of the proposed algorithms generate exact mining results by maintaining a small subset，┄. Another way is to maintain only special itemsets such as short frequent itemsets, closed frequent itemsets or maximal frequent itemsets as in [Yang, 2004；Mao, 2005]”。[Mao，2005]指的就是INSTANT算法，被认为是该研究领域的典型方法之一。

（4）      2007年，利用代数格理论解决了数据流的在线挖掘所需的算子和模型问题。对应成果发表在《Journal of Information Science》国际杂志上。该文进入2007年全球信息科学单篇引频次TOP 500（第286名，《科学新闻》统计结果）。

3、基于数据挖掘的交叉研究

近五年来，探索性地将数据挖掘方法和经济学、社交网络、信息安全、大数据等学科或研究领域进行交叉研究，在国家自然科学基金支撑下，在应用模型、原型系统研发等方面开展工作，阶段性的研究成果也在IJCIS、IJFCC等国际专业期刊上发表，将来的研究也提供了一个重要的研究方向。